不同焊接速度下的CO2焊熔池附近区域照度分布数值模型

刘晓刚　刘天元　黄诗

摘 要：通过探索研究不同焊接速度下CCD相机获取的CO2焊熔池附近区域图像灰度值的分布数值模型，可为得到清晰图像做前期准备。首先进行了系统标定；其次建立了不同速度下CCD相机获取的熔池附近区域图像灰度值的分布数值模型并对该模型进行了分析。试验研究结果表明：同一速度下，随着距离的增加，相机获取的熔池附近区域图片的灰度值减小且下降速度逐渐变慢；同一位置上，随着焊接速度的增加，灰度值逐渐减小，拟合结果和事实情况一致。

关键词：不同波段；CO2焊；熔池附近；灰度值

DOI：10.16640/j.cnki.37-1222/t.2016.23.016

0 前言

焊接空间和作业环境的日趋复杂，对现代焊接技术提出了更高的要求，开发适合于特定环境的具有自动化、智能化的焊接技术是未来研究的一个重要方向，而焊缝跟踪问题是解决焊接自动化、智能化的首要性、基础性问题。CO2气体保护焊以其节能高效、抗锈、低氢、便于实现自动化等优点，被广泛应用于汽车车身补焊、凝汽器壳体组合焊接等工业生产中，且熔滴过渡形式多以短路过渡为主[1，2]。然而，CO2焊短路过渡过程熔池附近区域飞溅金属、光照强度分布及变化复杂，严重影响了焊缝特征提取的实时性和可靠性，致使基于视觉的CO2焊焊缝跟踪技术的发展受到了严重制约[3，4]。因此，研究不同焊接速度下CO2焊熔滴短路过渡过程中熔池附近区域弧光分布的规律对于选择合适的焊接速度和辅助光源照射区域来减小弧光和飞溅对图像的影响是十分有意义的。

1 建立研究模型

机器视觉是利用机器模拟人眼对物体进行识别。本系统中的焊枪和CCD摄像机采用L型板连接并用螺母固定。CCD相机轴线与焊丝平行装定，焊丝与母材垂直，此时获取的图像中单位像素对应实际长度一致。用传感器连接相机和工控机，把瞬时电流的实时数据传递给工控机。机器视觉采集系统主要组成部分如图1所示。试验参数为：焊枪保护气体为流量10L/min的纯CO2，不锈钢焊丝直径1.2mm，焊丝伸出长度为10mm，焊接母材为低碳钢，工业CCD相机型号为MV1-D1312I。采用Acuteye高速图像存储系统对熔池附近区域图像进行存储。焊接采用平板堆焊，根据大量的试焊情况，确定本试验中焊接电流为100A，焊接电压22V；曝光时间1.8ms；焊接速度范围为500-600mm/min；熔滴过渡形式为短路过渡

2 数值模型建立

2.1 本研究系统中的标定

在本研究系统中，CCD摄像机所获得每张图片像素值为544×544，用坐标纸作为转换介质来反映像素格和实际距离之间的关系，坐标纸的每一大格为一平方厘米，每一个小格为一平方毫米，所获坐标纸图像如图2所示。设定坐标原点为所获图片的第544行，272列的像素格。则沿x轴方向单个像素格对应的距离m为： 。其中m1为沿对称轴线x轴方向所包含的小方格数。沿y轴方向单个像素格对应的距离n为： 。其中n1为沿对称轴线y轴方向所包含的小方格数。

从图2中可估算出 m1=50.5mm，n1=50.5mm，将m1，n1分别代入上式中求得m=0.093mm，n=0.093mm，即每个像素格的实际距离为0.093mm。

2.2 试验拟合结果及分析

试验中，假定弧柱是一个点光源，此时在熔池周围每个方向的照度分布一致，因此，本试验可选取沿垂直焊枪行走方向的光照分布情况作为研究对象，从第543个像素格开始，每隔10个像素格选取一个像素格的灰度信息，共选取8个灰度值数据。不同焊接速度下的试验数据如表1：

观察灰度分布的大体情况，拟采用matlab曲线拟合工具箱中指数逼近型来建立熔池附近区域灰度分布数值模型[5]。

选取500mm/min焊接速度时，得距离和灰度值大小的拟合结果：

选取550mm/min焊接速度时，得距离和灰度值大小的拟合结果：

选取600mm/min焊接速度时，得距离和灰度值大小的拟合结果：

各焊接速度下距离与灰度值的拟合曲线图如图3：

由图3可以看出，在同一速度下，随着距离的增加灰度值逐渐减小而且减小的幅度也逐渐降低，这是因为不考虑吸收的话，点光源发出光的强度反比于距离的平方，因此，随着距离的增加，母材所受照度逐渐减小，对应图像灰度值减小，而且减小幅度随着距离的增加而逐渐变小；在同一位置上，随着焊接速度的增加，灰度值逐渐变小，这是因为焊接速度越大，电流线密度越小，所以电弧能量越小，因此图像灰度值也越小。拟合结果符合实际规律，说明了该数值模型具有一定的理论和实际意义。

3 结论

建立了不同焊接速度下熔池附近区域图像灰度值随距离变化的符合事实规律的数值模型，该数值模型不但为选择合适的滤光片和照射区域提供了一定的理论基础，而且为图象处理过程中的灰度变换函数的选择提供了理论依据。同一焊接速度下，随着距离的增加，CCD相机获取的熔池附近区域图像灰度值逐渐减小且下降幅度也逐渐减小，在同一位置上，在较大的焊接速度下CCD相机获取的图像灰度值比较小的焊接速度下获取的图像灰度值要小。

参考文献：

[1]宋国军，朱六妹，王伟等.视觉焊缝跟踪实时图像处理研究[J]. 焊接技术，2003，32（01）：10-12.

[2]刘富强.焊缝的特征识别与精确测量[D].哈尔滨工程大学，2013.

[3]霍平，李宁宁，张海旺等.结构光视觉传感器模型分析与研究[J]. 电焊机，2014，44（04）：108-111.

[4]毛鹏军.CO2焊视觉图像形态学处理及焊缝跟踪的研究[D].华南理工大学，2003.

[5]胡庆婉.使用MATLAB曲线拟合工具箱做曲线拟合[J].电脑知识与技术：学术交流，2010，06（21）：5822-5823.

基金项目：广西自然科学基金资助项目 （2014GXNSFAA118310）

作者简介：刘晓刚（1964-），男，内蒙古包头人，博士，教授，硕士研究生导师，主要从事焊接机器人方面的科研和教学工作。

*为通讯作者