从数据信息中对焊接的再认识

彭亚萍

成都融合电气有限公司，四川 成都 610051

0 前言

20世纪60年代，数据信息分析技术开始应用于焊接领域。其中德国莱布尼茨大学D.Rehfeldt教授开创的“汉诺威分析仪”在国内外焊接界负有盛名[1]，在焊接材料、焊接工艺以及焊接电源等数据信息的分析方法、特征量提取与理解等方面都进行了大量实践，为进一步加强数据信息对焊接制造的指导作用提供了发展方向[2]。

近年来，自动化和机器人技术在焊接制造领域的应用越来越广泛，在很大程度上改善了焊接过程信息获取环境，不仅提高了信息的可重复、可追溯性，而且促进了从焊接材料、焊接工艺到包括焊接电源在内的焊接生产各个环节信息链接的逐步形成，有力地推动了传统焊接制造从经验向数据的深刻转变[3]。

弧焊在焊接制造中占有重要的地位，对弧焊过程信息的获取与关键信息提取、分析和认知正日益得到深化，其发展集中表现在两个方面：一是对弧焊过程宏观统计数据分析的规范化，其中包括对数据的结构，即其散度、偏度、非正态、多事件耦合等分布属性的探究，对以往的经验数据、参数检测方法及其粗放表达方式提出了“重构”的思路[4]，从而在提高数据统计分析的科学性和有效性基础上，建立焊接制造一体化的“信息链”；二是对焊接过程偶发性、随机性等细观信息的数据分析，其中包括由于焊丝成分、表面状态以及工艺性、焊接装备等影响因素，力图改变和解决以往焊接过程数据分析中存在的难以解读和对比、数据信息的有效性、可互用等问题。

本文主要介绍当前弧焊过程信息分析的研究与应用的进展，借助“弧焊信息分析平台”的功能（见图1）开展三个方面的讨论：（1）如何用数据找问题，以及在数据中发现和获得新认知；（2）如何根据数据对问题定位，发现数据信息中的“盲点”；（3）实现图像与数据之间的信息“可视化”映射，为数据的深度学习与图像智能识别提供基础。

图1 “弧焊信息分析平台”主要功能示意Fig.1 Main functions of "arc welding information analysis platform"

1 用数据找问题

“用数据找问题”已成为当前数据信息技术应用的一个特点。这里通过一个数字化焊接生产车间的案例来说明。在机器人生产线的相同焊接工况下，发现1#、2#生产线的焊缝成形与焊缝表面存在差异，其中2#生产线时常出现焊缝金属向中心线凸起、焊缝表面呈氧化色彩等问题。经检测后的数据分析与对比结果如图2所示。出现问题的根源为：所配置的不同焊接电源其动态性能的差异影响了电弧过程的稳定性，对焊缝表面保护和焊缝成形出现随机干扰，而这在车间宏观数据统计值的监控设备上无法得到反映。这一“差异”会使局部焊缝内的氮[N]、氧[O]等气体含量增加，降低焊接接头局部位置冲击韧性。此时小概率数据说明了两者在电弧过程稳定性上的差异。

图2 不同配置的焊接电源在同一焊接参数条件下的不同数据分布（时长30 s）Fig.2 Different data distribution of welding power sources with differ‐ent configurations under the same welding parameters（duration：30 s）

由图2可知，1#生产线的焊机和2#生产线的焊机的电流均值分别是324 A和325 A（四舍五入到个位），电弧电压均值分别是30.7 V和30.0 V（取小数点后1位）。然而，在焊接电流数据的概率密度分布（PDD）中（见图2a），2#焊机在190～280 A以及400～500 A之间出现的小概率数据分布信息表征了焊接过程对电流调控的失稳，电弧电压PDD中低电压（7～11 V）数据分布（见图2b）说明焊接过程出现了频繁的瞬间短路而导致电弧的不稳定。焊接过程的功率密度分布曲线如图3所示，进一步验证了1#焊机能量输出的集中程度优于2#焊机。

图3 焊接过程电弧能量的功率密度分布曲线Fig.3 Power density distribution curve of arc energy in welding process

对本案例的分析说明了两点：一是在目前常规的检测条件下，尽管对焊接生产工况及参数已调控到相当高的宏观精度，但仍然未能发现由于焊机输出特性的不同而对焊缝产生可直接观察到的差异以及对焊接产品质量的潜在影响；二是由于这类“差异现象”的发生具有一定的随机性，尤其易出现在电弧摆动时弧长变化的某些瞬间（例如坡口边缘），焊机的动特性直接影响了该瞬间的电弧稳定性。由此，本案例的分析亦提出了对焊接生产过程中数据信息的获取是否具备了监控焊接质量的作用，以及焊接车间信息化与数据监管标准的实施等实际工程应用问题。

2 从数据中发现和获得新认知

在熔化极脉冲气保焊的焊接过程中，由于熔滴过渡在不同电流工况下有自身的变化规律，对脉冲电弧过程进行数据分析，有助于理解熔滴过渡状态并成为焊接工艺优化的依据。图4是一个对中厚铝合金板件多层焊的工艺设计实例。图4a是打底焊缝，将熔滴脱离焊丝末端的时刻调控在电流脉冲峰值时段，此时熔滴尺寸较小且速度较快，有利于打底层的背透，同时有利于铝合金打底焊缝对气孔等缺欠的抑制；图4b是盖面焊缝，熔滴过渡调控在脉冲峰值电流下降沿的中段，此时熔滴尺寸较大且速度较慢，有利于控制打底层的重熔深度，同时有利于控制熔池结晶和焊接接头组织的均匀性。

图4 多层焊的脉冲MIG焊工艺设计示意Fig.4 Schematic diagram of the pulsed MIG welding process design for multi-layer welding

图4中包括焊接电弧与熔滴过渡之间物理过程相关性的细节。一是电压波形反映的熔滴脱离焊丝末端的时刻，图4a的电压尖峰位于脉冲电流的峰值时段（参见虚线圈内）；图4b的电压尖峰出现在脉冲电流的下降沿，是焊丝末端的熔滴尺寸和速度等不同的原因。二是揭示了熔滴过渡的时刻与电弧弧长之间的相关性（见图4的右侧），直观反映了脉冲电弧的弧长、导电嘴到工件的阻抗等演变规律。

图5是一脉多滴的特征图，即在脉冲电流峰值时段的电压尖峰有一熔滴脱离焊丝，但由于脉冲电弧能量在峰值时段仍在持续作用，在脉冲的下降沿又形成尺寸较小的熔滴过渡（见图5a），即同时具有在脉冲电流峰值时刻和脉冲电流的下降沿熔滴过渡的特征（见图5b）。

图5 一脉多滴的特征图Fig.5 Characteristic diagram of multiple drops per pulse

对本案例的分析表明，即使数据本身并未提供焊接过程明确的物理特征，但将几个数据特征量组合在一起或者进行整合之后，就会有新的发现。通过对数据信息的组合分析能获得脉冲电流焊接中熔滴过渡时刻以及是否出现多个熔滴过渡等工艺细节，及时为电弧能量的分配和工艺效果的优化提供调整方向。

3 寻找数据信息中的盲点

很多时候，欠缺的不是解决问题的方式，而是定位问题的能力。数据信息中的“盲点”分为两类：一是信息的物理盲点；二是信息的逻辑盲点。所谓信息的物理盲点，是指用户需要收集却没有收集到的数据。这一类盲点的产生通常是数据获取与分析策略出了问题，多数情况下需要增加硬件。而信息的逻辑盲点是指有数据，但没有被很好地发掘出来成为“特征量”。

众所周知，铝合金焊丝的存放环境、剩余焊丝的保管方式等会影响焊丝的表面状态（如氧化、油污等）。由于Al2O3的熔点远高于铝，一方面焊丝表面的氧化层在电弧高温下“破碎”并在熔滴形成中起“质点”成核的作用，另一方面焊丝表面氧化有时是间断的或局部的，导致焊丝表面张力的不均衡而产生熔滴在焊丝末端的“震荡”现象，如图6所示。在宏观上表现为电弧不稳定、飞溅增加、熔滴尺寸不均匀；对于焊缝金属，则出现夹杂物、气孔等缺陷的增多。该现象提取出能够揭示其物理意义的特征量，对于生产现场的焊接质量监控具有实际意义。

图6 焊接参数波形所表现的焊丝表面氧化导致熔滴在焊丝末端的“震荡”现象Fig.6 "Oscillation" phenomenon of droplet at the end of welding wire caused by surface oxidation of welding wire shown by welding parameter waveform

为此，本案例对铝合金焊丝表面有无氧化的不同状态作了分析对比。在设置电流为260 A、直流反接MIG焊接的工况下，对焊接过程的采样和分析时长均为30 s。由图7a可以看出，出现表面氧化的焊丝，在MIG电弧的电阻（由导电嘴的接触电阻、固态焊丝电阻、焊丝末端液态熔滴的电阻以及电弧弧柱等构成）与电弧电压的动态对应关系图上出现了一个电弧电压“对应”两个电阻值的分布现象。从图7a中的虚线圈内可以看出，25 V的电弧电压对应于动态电阻变化范围的平均值分别是100 mΩ和130 mΩ；由图7b可知，表面未产生氧化的铝合金焊丝在25 V电弧电压对应于阻抗的平均值是95 mΩ。较低的平均电阻反映了正常铝合金焊丝在导电嘴与工件之间各电阻的变化特点；而较高的平均电阻则是因焊丝表面氧化所致，即焊丝表面氧化的特征。

图7 铝合金焊丝不同的表面状态对应的焊接过程动态电阻与电弧电压的相关性Fig.7 Correlation between dynamic resistance and arc voltage in welding process corresponding to different surface states of aluminum alloy welding wire

从本案例的分析中可以得出，铝合金表面状态（包括光洁度、清洁度等）一是与导电嘴的接触电阻相关，二是与熔滴过渡均匀性和飞溅相关，两者都直接影响电弧过程的稳定性。用电阻-电压动态图法或可为铝合金焊丝表面状态的检测提供一个简易有效的工程现场实时评价途径。

由于检测的数据源于导电嘴到工件之间的动态压降，其中包括焊丝与导电嘴之间接触电阻的波动信息及其对电弧压降的影响，因此，本案例的分析方法亦为焊接过程电弧稳定性提供了一个新的分析途径。

4 数据的可视化

借助于高速摄影或摄像技术观测弧焊过程已有相当长的历史[5]，从中可获得对电弧形态、熔滴过渡的类型、熔池现象以及气体保护成分与效果影响等大量的基本概念和机理的认识。在当前焊接新材料和新工艺迅速发展的形势下，高速图像与焊接参数数据的同步播放和分析仍然是一种先进的手段。例如，在实心焊丝的图像与焊接电流与电弧电压的对应关系中，获得了飞溅产生的机理并指导波控技术的发展[6]。对药芯焊丝的金属与熔渣过渡形式的相关性观测与分析，有助于深化对该类焊丝成分原位复合均匀性的认识。图8是焊接过程图像与波形同步播放界面的实例，该界面的主要特点是：（1）对图像的显示尺寸可任意调整和居中，可选择任意位置的图像作为同步播放的起始点；（2）具有对自动播放的速度、波形显示时长的实时调整功能；（3）具有手动的逐帧进退、快速翻页以及在任意设置循环同步播放等功能。

图8 药芯焊丝的同步分析实例Fig.8 Example of simultaneous analysis of flux cored wire

图8a、8b是药芯焊丝的一个典型的短路过渡过程，开始出现短路时，熔渣中有熔滴接触熔池，电弧电压逐渐降低；而当短路过渡结束瞬间，还有熔渣与熔池相连，但电弧电压已与燃弧时相当。图8c是药芯焊丝典型的渣柱过渡形式，焊丝末端的渣柱与熔池“搭桥”，但电弧电压仍与燃弧时相当。

在时间分辨率方面，如高速图像是每秒10 000帧，用100 kHz并行采样频率获得了每帧图像具有10组焊接电流与电弧电压数据信息的“图-数环境”，即有10组焊接数据构建了焊接电量与图像变化这两个相关物理过程之间的信息联系，并且其中有一组数据与该瞬间的图像严格同步，提供了每一图像的瞬间能量状态及其前后变化的条件。这一功能为熔化极弧焊过程的图像与电量之间的精细、定量分析以及进一步的人工智能识别打下了基础。

5 结论

焊接制造从“经验信息”转变为“数据信息”的根本区别主要表现在两个方面：一是各个环节信息不断趋于完整，构成一种“系统化”的认知，从而避免以往“碎片化”个别经验的局限性，使焊接生产的信息可对比、可移植；二是对数据信息中特征量的提取和分析，成为改善和优化焊接工艺的导向，并能发现焊接生产中的异常现象及其来源，从而实现在数据中发现问题并又通过数据来验证是否解决了问题。本文以此作为目标，力图促进对弧焊过程的数据信息分析和认知，在各环节特征量之间建立起信息链接，并为数据的深度学习和人工智能在焊接制造中的应用打下基础。