[發明專利]一種高頻電阻直縫焊接質量狀態的在線檢測方法

在審

• 申請號: 201610112296.5
• 申請日: 2016-02-29
• 公開（公告）號: CN105787940A
• 公開（公告）日: 2016-07-20
• 發明（設計）人: 王會峰;曹靜;姚乃夫;陳世秦;柴彩萍
• 申請（專利權）人: 長安大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/00;G06N3/02
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

技術領域

本發明涉及在線檢測方法，具體涉及高頻電阻直縫焊接質量狀態的在線檢 測。

背景技術

近年來，人工神經網絡憑借其分布式并行處理、高容錯、強泛化等特點，在 故障檢測中受到了愈來愈廣泛的重視，為故障檢測開辟了一條新途徑。徑向基神 經網絡因其局部逼近特性，學習過程收斂速度快，且具有最佳逼近特性，無局部 極小問題存在，對分類問題可以達到很好的效果。

針對高頻電阻直縫焊管的質量狀況檢測，近兩年中，有根據電極壓力、焊接 電流和焊接時間對焊接缺陷產生的影響，通過金相分析和拉伸剪切試驗對焊接質 量狀況進行檢測；有通過分別提取融合點圖像的加熱面積、融合角、融合點位置、 對稱度等特征并將其作為判定焊接質量的依據；還有利用超聲爬波法來檢測薄壁 電阻焊管的焊接質量。這些方法要么只能焊接后離線檢測、要么圖像處理算法復 雜，進而影響了檢測的實時性、要么檢測的識別率不能滿足高質量的油氣管道對 于焊接質量的需求，因此，目前亟需提出一種焊接質量狀況的在線實時檢測算法， 可以兼顧在線性、實時性和高識別率的要求，滿足直縫高頻焊接管道現場生產的 要求。

發明內容

本發明的目的在于提供一種高頻電阻直縫焊接質量狀態的在線檢測方法。

為達到上述目的，本發明采用了以下技術方案：

1)在已知各個焊接質量狀態下，在焊接現場分別采集一定數量的焊接圖像， 得到作為訓練樣本的圖像數據；

2)將所述圖像數據應用主成分分析進行降維操作，得到降維后的圖像數據；

3)利用降維后的圖像數據以及焊接質量狀態信息對徑向基神經網絡進行訓 練；

4)在焊接現場實時采集焊接圖像，將實時采集的焊接圖像按所述降維操作 進行處理后輸入訓練后的徑向基神經網絡，用訓練后的徑向基神經網絡對焊接質 量狀態進行在線檢測。

在焊接現場采集的焊接圖像為高速CCD相機所采集到的焊接熔融現象圖 像。

所述焊接質量狀態分為三種類型，分別是：過燒、冷焊、正常。

所述降維操作包括以下步驟：將所述圖像數據進行灰度化預處理，得到對應的灰度圖像，再把灰度圖像變換為圖像行向量，將所有圖像行向量構成一個矩陣X_n×s，根據R的特征值和特征矢量求出圖像降維映射矩陣U，則X_n×s降維后得到Y，Y為降維后的圖像向量矩陣，R為X_n×s的協方差矩陣，n為圖像樣本數，s為圖像大小。

所述圖像降維映射矩陣U通過以下方法求?。?

令R'大小為n×n，為X_n×s按列求取的平均值矩陣，求得R'的特征值向量λ與特征矢量矩陣V，將特征值向量λ從大到小排列，然后按設置的主成分分析的累計貢獻率，選取前k個特征值，組合前k個特征值對應的k個特征向量，形成新的特征矢量矩陣V′，由保留的k個特征值組成的特征值向量與新的特征矢量矩陣V′求出U，

所述圖像大小至少為320×320，圖像降維的累計貢獻率設為≥80％。

所述徑向基神經網絡為三層網絡結構，分別為一個輸入層，一個隱含層，以 及一個輸出層，所述訓練中，以降維后的圖像數據對應的圖像向量作為徑向基神 經網絡的輸入，輸入層節點數為降維后的圖像數據中每一幅圖像保留下來的主成 分數，將過燒、冷焊、正常三種焊接質量狀態記為1、-1、0，并組成矩陣向量作 為徑向基神經網絡訓練時的期望輸出，輸出層節點數為1，隱含層基函數為歐氏 距離函數，激活函數為高斯函數，隱含層節點數隨網絡訓練發生變化。

所述徑向基神經網絡訓練在迭代過程中不斷增加隱含層節點數，用最小均方 誤差修正隱含層與輸出層的權值，隨機選取隱含層的中心點。

所述訓練樣本的數量為540～900，訓練樣本中過燒、冷焊、正常三種焊接質 量狀態對應的焊接圖像的數量至少分別為180；所述徑向基神經網絡的擴展速度 設置在0.1～1范圍內，網絡預測輸出與對應期望輸出絕對誤差小于等于閾值時， 則認為預測正確，閾值的取值范圍為大于0且不超過0.5。

所述步驟4)具體包括以下步驟：先對采集的一幅焊接圖像灰度化后在圖像 降維映射矩陣上進行映射，得到降維的焊接圖像對應的圖像向量，將該圖像向量 輸入訓練后的徑向基神經網絡進行預測，得到該焊接圖像所對應的焊接質量狀 態。

本發明的有益效果體現在：