基于被动视觉的管子-管板GTAW熔池检测及处理

陈云霞，李荣斌，邬雁忠，孙 勤

（1.上海电机学院，上海 201306；2.上海电气自动化设计研究所有限公司，上海 210240）

基于被动视觉的管子-管板GTAW熔池检测及处理

陈云霞1，李荣斌1，邬雁忠2，孙 勤2

（1.上海电机学院，上海 201306；2.上海电气自动化设计研究所有限公司，上海 210240）

针对换热器管子-管板自动焊的特点，设计了一套适应于管子管板钨极氩弧焊（GTAW）的CCD视觉传感器和减光/滤光系统，实时获取管子管板焊接液态熔池图像。开发了一套基于部件树的图像特征点提取算法，能够有效获取管子管板GTAW熔池边缘图像，通过曲线拟合方法，可获取完整的熔池轮廓曲线和熔池特征尺寸信息，进一步实现管子-管板自动焊远程监控。

换热器；视觉监控；焊接熔池；图像处理

0 前言

随着我国劳动力成本的逐渐提升，以廉价劳动力为支撑的“中国制造”模式难以为继，加工制造业更多地关注焊接过程自动化、智能化的发展水平。换热器作为一种热量传递的节能设备，广泛应用于炼油、化工、医药和核电等领域，其中管壳式换热器的使用最为普遍。在管壳式换热器的设计、制造过程中，管子、管板的焊接质量关系到整个设备机组的安全运行。然而，在石油化工装置中因焊接工艺不当或工艺规程执行不严导致的换热器管束失效超过20%，而换热器管头泄漏90%以上是焊接质量缺陷或缺欠引起的[1-3]。

每台管壳式换热器管板焊接接头少则几百个，多则成千上万个接口。采用焊条电弧焊工艺，焊工劳动强度大、劳动条件差，很难保证高效、优质、稳定的产品质量，因此亟需引入管子-管板焊接自动化设备及焊接智能化技术提升质量和效率。视觉智能传感具有直观、信息量大、处理容易等特点，在焊接装配检测、过程监控及质量评价等方面发挥着重要作用，最终可实现焊接产品质量的可追溯性及远程管理[4-5]。本研究针对管壳式换热器管子-管板自动焊，研制了一套视觉传感器用于获取焊接过程中液态熔池视觉信息，采用基于部件树的图像处理算法，提取液态熔池特征点并进一步拟合熔池轮廓，最终实现管子－管板自动焊远程监控。

1 试验和方法

基于全位置管板脉冲钨极氩弧焊的焊接熔池图像采集来开展基本工艺试验。焊接系统主要包括控制器、焊接电源（Kemppi）、机头、平衡器及焊接电缆、控制电缆和气管等。采用两层焊工艺，第一层自熔，第二层填丝焊。换热管材料为304不锈钢，内径25 mm，管壁厚1 mm，管子焊前预胀，焊前清理不锈钢管子及管板焊接部位的油污、灰尘等杂质。设定峰值电流100 A、脉冲频率4 Hz，在此条件下进行采像试验。视觉系统选用Xiris XVC-1000相机，辅助减光、滤光系统，可清晰获取焊接熔池、钨极及焊丝图像。整个试验系统平台如图1所示。

图1 管板脉冲钨极氩弧焊视觉监控系统

系统软件采用qt5.5.0+MSVC2010进行开发，可以实现焊接图像的采集和处理等。管板熔池图像如图2所示，由图2a可知，原始采集的管板焊接熔池图像因采像角度可达性、工件本身的干扰，管板焊接熔池边缘不完整、不清晰。选取的窄带滤光片参数如表1所示，中心波长λ0=660 nm，半宽Δλ=35 nm，峰值透过率T=90%，截止范围为可见光谱段，截止带透过率为0.01%，中性减光片参数由试验确定。

采集的管子-管板焊接熔池图像主要包括钨极、熔池和凝固焊道等。换热器管子－管板自动焊的钨极伸出长度、钨极和送丝嘴角度等参数均会影响焊接质量，通过监控焊接过程中的熔池，可有效获取影响焊缝成形质量的图像参数。特别是在不适合焊工现场直接参与的远程焊接作业，该视觉传感系统为经验焊工提供了“眼睛”，为焊接工艺参数调整提供了丰富的信息。采用增强对比度的方法对管板焊接熔池图像进行预处理，处理结果如图2b所示，经过预处理后的熔池边缘更清晰，对比度明显增强。

图2 管板熔池图像

表1 窄带滤光片光学参数

2 管板熔池图像处理及特征提取

针对熔池边缘受到强弧光、液态熔池表面反射干扰问题，本研究提出了基于Part-based Model图像处理算法[5]，可以很好地提取熔池边缘特征点，在强烈干扰的情况下识别精度较高，鲁棒性很好。

图像处理步骤为：（1）进行人工训练，取6个特征点，每个特征点包含区域范围65×65 pixels；（2）中值滤波；（3）相关位置定位；（4）提出管板图像特征点。

图像处理算法核心思想：计算管板熔池图像选取的每个小特征表象的相似度，依赖于一组连接与相关系数，最终结果使得后验概率获得最大值。管板熔池图像完整处理过程如图3所示。

试验选取90幅图像，其中训练6幅，测试84幅，每幅图像训练时间0.93 s，测试结果见图4，误差较小，稳定性高，表明Part-based Model的识别精度较高，特别适合用于提取易受干扰的熔池边缘。

基于获取的管板熔池图像特征点信息，定义熔池熔宽W近似等于A1和A6两个特征点的欧式距离，半熔长L近似等于A0与A3的距离（A0为A1、A6的构成直线的中心点）。定义完管板焊接熔池特征后，可求得90幅熔池图像的熔宽W和半熔长L的变化趋势。结果表明，管板焊接熔池的熔宽和半熔长变化区间为20～30 pixels，见图5，熔池特征尺寸（表征熔池特征的熔宽和熔长）变化均匀，成形美观。

3 结论

基于管壳式换热器管子-管板的脉冲钨极氩弧焊全位置自动焊系统，研制了适用于管板自动焊接监控的视觉传感系统。开发了一套基于部件树的管板熔池识别算法，定义了管板焊接熔池特征信息——熔长和熔宽，开发的图像处理算法能够有效识别管板脉冲钨极氩弧焊的熔池宽度和长度几何尺寸，进一步为后续管板自动焊的自动监控和质量控制提供视觉信息支撑。

图3 基于part-tree算法的熔池图像识别

图4 图像处理验证结果

图5 管板脉冲钨极氩弧焊图像处理结果

[1]王振民，张栋，李晋，等.换热器管板的全位置自动化焊接工艺[J].华南理工大学学报（自然科学版），2010，38（5）：100-104.

[2]栾辉宝，陶文铨，朱国庆，等.全焊接板式换热器发展综述[J].中国科学：技术科学，2013（9）：1020-1033.

[3]李超胜，朱瑞锋.换热器管板自动焊技术总结[J].石化技术，2016（5）：66-69.

[4]陈华斌，孔萌，吕娜，等.视觉传感技术在机器人智能化焊接中的研究现状[J].电焊机，2017，47（3）：1-16.

[5]Fergus R.Object class recognition by unsupervised scaleinvariant learning.IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2003（2）：264.

Inspection of GTAW pool and processing method for tube-to-tubesheet based on passive vision

CHEN Yunxia1，LI Rongbin2，WU Yanzhong2，SUN Qin2
（1.Shanghai Dianji University，Shanghai 201306，China；2.Shanghai Electrical Automation D&R Institute Co.，Ltd.，Shanghai 200203，China）

According to the characteristic of the automotive welding for tube-to-tubesheet in heat exchangers，developed a visual sensor system with suitable filters.It can obtain the liquid welding pool image of tube-to-tubesheet online.We can develop welding pool image processing algorithm based on part-tree method，and obtain the liquid pool edge for GTAW.It can get the entire weld pool profile and geometry through curve fitting method.The results further realize the remote monitoring for tube-to-tubesheet automate welding.

tube-to-tubesheet；vision monitoring；weld pool；image processing

TG409

A

1001－2303（2017）11－0064-03

10.7512/j.issn.1001-2303.2017.11.13

本文参考文献引用格式：陈云霞，李荣斌，邬雁忠，等.基于被动视觉的管子-管板GTAW熔池检测及处理[J].电焊机，2017，47（11）：64-66.

2017-05-22；

2017-07-16

上海市经济和信息化委员会专项资金（JJ-YJCX-01-15-5718）

陈云霞（1978—），女，副教授，博士，主要从事高能电子束焊工艺及视觉检测的研究。E-mail：cyx1978@yeah.net。