机械工程学报

作者：李春凯, 王嘉昕, 石玗, 代悦

单位：1. 兰州理工大学省部共建有色金属先进材料加工与再利用国家重点实验室 兰州 730050;2. 兰州理工大学温州泵阀工程研究院 温州 325100

关键词：熔透检测,激光视觉法,深度学习,熔池振荡,端到端神经网络,GTAW；

基金：国家自然科学基金(52365048)、浙江省自然科学基金(LQ21E050023)、甘肃省科技重大专项(22ZD6GA008)和甘肃省高校科研创新平台重大培育(2024CXPT-06)资助项目。

熔透状态是影响焊缝质量的关键因素之一，可靠传感并实时预测焊缝熔透状态对于提升焊接质量以及焊接智能化水平具有非常重要的意义。利用激光视觉法对低频脉冲钨极氩弧焊(Pulsed gas tungsten arc welding, P-GTAW)不同熔透状态下的反射激光条纹进行了检测，通过建立熔池表面标准模型分析了激光条纹图像动态行为与三种熔透状态熔池自由表面之间(未熔透、临界熔透、全熔透)的相关性，并基于深度学习卷积神经网络建立了GTAW熔透预测模型。研究表明：P-GTAW激光条纹的动态行为与熔池背面熔透状态、熔池表面振荡模式之间存在明确的光学对应关系，所建立从激光条纹图像到GTAW背面熔透状态的端到端卷积神经网络模型能够准确分类未熔透、临界熔透和全熔透三种状态，且分类准确率可达到98.1%，能够实现焊缝熔透状态实时传感及预测。

来源：2024年第6期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第6期