[發明專利]一種復合焊接搭接焊縫熔深控制方法及設備

在審

• 申請號: 202310243840.X
• 申請日: 2023-03-14
• 公開（公告）號: CN116174907A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 熊俊;蔡玉華;陳輝;李超男
• 申請（專利權）人: 西南交通大學
• 主分類號: B23K26/348
• 分類號: B23K26/348;B23K26/70;G06V10/25;G06V10/82
• 代理公司: 成都智言知識產權代理有限公司 51282
• 代理人: 蔣秀清

1.一種復合焊接搭接焊縫熔深控制方法，其特征在于，包括如下步驟：

S1、調整激光-電弧復合焊槍姿態，使電弧焊槍與基板夾角為θ₁，焊絲干伸長為d₁，焊絲端部與基板上激光束焦點的距離為d₂，激光束與電弧焊槍的夾角為θ₂，CCD相機的傾斜角度為θ₃，CCD相機鏡頭與熔池距離為d₃；

S2、在送絲速度為V₀，焊接速度為V₁的條件下開始焊接，令激光功率P從0開始逐漸增加，直至搭接焊縫完全熔透，記錄此時最大激光功率P_max，沿著焊接方向將焊縫切開，觀察上搭接板開始熔透位置，并記錄此處的激光功率值P_min。在[P_min，P_max]區間內任意選取激光功率P₀為基礎工作點；

S3、在S2的焊接參數條件下開始焊接，設定激光功率P₀由P_min逐漸增加到P_max，并打開CCD相機實時采集熔池正面圖像，CCD相機采集幀率為f，將焊縫沿著焊接方向切開，從焊接起點位置處間隔測量焊縫熔深值d，并使用線性插值法計算每幀熔池正面圖像對應的焊縫位置處的d值，使用d值對熔池正面圖像進行標簽，獲得數據集；

S4、搭建深度學習模型，以數據集中的熔池正面圖像作為輸入，d值作為輸出對深度學習模型進行訓練，并通過調整深度學習模型的超參數進行模型優化，將優化完成的深度學習模型進行保存及在線調用；

S5、在S2的焊接參數條件下開始焊接，開啟CCD相機實時采集熔池正面圖像，將熔池正面圖像進行感興趣區域(ROI)剪裁，將ROI圖像輸入深度學習模型獲得當前的d_p值，當焊接t時刻后開啟激光-電弧復合焊接控制設備，其中t設定為0.5-1s,閉環控制器根據熔深預測值d_p與熔深設定值ds的偏差值e(t)的正負和大小，同時根據焊縫熔深偏差的變化趨勢Δe(t)＝e(t)-e(t-1)進行反饋控制，輸出調節信號至激光器改變激光功率P，其中e(t-1)為前一控制時刻的焊縫熔深偏差，焊接完成后，關閉激光-電弧復合熱源焊接設備，實現對搭接結構焊縫熔深的在線控制。

2.根據權利要求1所述的一種復合焊接搭接焊縫熔深控制方法，其特征在于，所述S1中的夾角θ₁的取值范圍為60°-80°，d₁的取值范圍為10-16mm，θ₂的取值范圍為70°-85°，θ₃的取值范圍為45°-70°，d₂的取值范圍為2-4mm，d₃的取值范圍為130-180mm。

3.根據權利要求1所述的一種復合焊接搭接焊縫熔深控制方法，其特征在于，所述S3中的熔池正面圖像對應焊縫位置的焊縫熔深d值使用線性插值法計算：d＝d_A+x×(d_B–d_A)/2，其中d_A和d_B為兩相鄰點P₁及P₂位置分別對應的焊縫熔深，x為當前計算幀位置與P₁點位置的距離，其中x計算方法為：x＝k×1/f×V₁，其中k為從P₁位置到當前計算幀位置經歷過的幀數。所述的數據集按照β:(1-β)的比例隨機劃分為訓練集和測試集。

4.根據權利要求1或3所述的一種復合焊接搭接焊縫熔深控制方法，其特征在于，所述參數β的取值范圍為0.7-0.85。

5.根據權利要求1所述的一種復合焊接搭接焊縫熔深控制方法，其特征在于，所述S4的深度學習模型包含1個輸入層，n個卷積層，n個池化層，m個全連接層和1個Linear回歸層的卷積神經網絡。