基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法及系统

摘要: 本技术涉及激光电弧复合焊过程监测及机器学习,尤其涉及一种基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法及系统。背景技术:1、激光电弧复合焊将激光深熔...
基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法及系统

本技术涉及激光电弧复合焊过程监测及机器学习,尤其涉及一种基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法及系统。

背景技术:

1、激光电弧复合焊将激光深熔焊的高能量密度与电弧焊的填充能力、桥接能力和工艺适应性结合,适用于中厚板、高强钢、铝合金、船舶结构、轨道交通结构和大型装备构件的高效连接。与单一激光焊或单一电弧焊相比,激光电弧复合焊过程中同时存在激光诱导匙孔、电弧等离子体、金属蒸气羽流、焊丝熔滴过渡、熔池流动和凝固成形等多种耦合过程。

2、在上述耦合过程中,熔滴过渡既影响填充金属的传输路径,也影响电弧稳定性、熔池表面形态、匙孔开口状态和焊缝成形质量。当熔滴过渡不稳定时,可能出现短路过渡频次异常或粗大滴状过渡、熔滴落点偏移或未有效进入熔池、飞溅增强、熔滴冲击匙孔后壁导致匙孔扰动增强、熔深波动、气孔、咬边、驼峰和根部成形不连续等问题。对于厚板坡口或窄间隙复合焊而言,熔滴是否有效进入熔池或匙孔作用区,往往比熔滴是否已经脱落更能决定焊接过程的稳定性。

3、常规电弧焊中,熔滴颈缩、熔滴脱落以及短路过渡结束时的液桥断裂通常会引起电流、电压波形突变,因此利用电信号判断熔滴过渡模式具有一定基础。但在激光电弧复合焊中,电信号还会受到激光匙孔、金属蒸气羽流、激光等离子体与电弧等离子体相互作用、光丝间距变化以及熔池形貌变化的影响。单纯依赖电流、电压信号,难以区分熔滴脱落异常、熔滴落点偏移、飞溅增强和匙孔扰动等不同物理状态。

4、视觉识别方法能够直接观察熔滴、熔池和匙孔附近区域,但激光电弧复合焊现场弧光强烈,金属蒸气羽流和飞溅遮挡明显,高速图像采集需要滤光片、辅助光源、标定系统和较大的安装空间。在机器人焊接、厚板坡口焊接或狭窄现场环境中,视觉图像可能出现目标重叠、亮度过曝或视场受限,导致在线识别鲁棒性不足。

5、焊接声学信号来源于电弧燃烧、熔滴脱落、熔滴撞击熔池、飞溅、匙孔振荡、局部爆裂和金属蒸气羽流扰动等事件。声学信号不受强弧光直接影响,能够补充视觉和电信号信息。然而,焊接现场存在稳定弧声、保护气噪声、设备振动和环境噪声,如果在全时域内盲目搜索声学响应事件,不仅容易将环境噪声误检为有效撞击,还会大幅增加计算负荷,难以满足闭环控制的实时性要求。本技术以电信号事件作为门控触发点,仅在具有物理因果关系的候选时间窗口内检索声学冲击事件,从而减少无关噪声对模型判断的干扰。

6、现有技术中,已有利用电流/电压判断电弧焊熔滴过渡模式的方法,也有利用声学、视觉或多传感信号识别焊接缺陷或熔透状态的方法。但上述方法通常没有将电信号识别的熔滴脱落事件和声学识别的实际撞击响应事件之间的校正时延作为关键特征,也没有利用该时延、事件匹配度和声学响应事件缺失惩罚判断熔滴是否有效进入熔池或匙孔作用区。因此,亟需一种能够不依赖清晰视觉图像、以电事件门控声学候选窗口、以声-电校正时延和事件匹配度判断落点区间并执行闭环调节的激光电弧复合焊熔滴过渡控制方法。

技术实现思路

1、针对现有技术存在的问题,本技术提出一种基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法及系统,利用焊接电信号承担熔滴过渡模式定位功能,利用声学信号验证电信号事件之后是否产生有效撞击响应,并通过声-电校正时延、事件匹配度和声学响应事件缺失惩罚判断熔滴是否有效进入熔池或匙孔作用区,能够降低强弧光、金属蒸气羽流、飞溅、烟尘和目标重叠对在线识别的影响,适用于激光电弧复合焊熔滴过渡稳定性判别和闭环调节。

2、第一方面,本技术提供一种基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法,包括:

3、在激光电弧复合焊过程中,同步采集焊接电信号与焊接区域的声学信号;

4、对焊接电信号进行预处理,提取表征熔滴过渡模式的电信号特征参数,并构建电信号特征向量;

5、将所述电信号特征向量输入至预先构建的电信号事件识别模型中,确定所述电信号特征向量对应的电信号事件及其发生时刻;

6、以所述电信号事件的发生时刻为门控触发点,在所述声学信号中划定声学候选事件窗口;对声学候选事件窗口内的声学信号进行预处理,提取表征焊接状态的声学信号特征参数,并构建声学信号特征向量;

7、将所述声学信号特征向量输入至预先构建的声学分类器中,确定所述声学信号特征向量对应的声学响应事件及其发生时刻;

8、对电信号事件的发生时刻与声学响应事件的发生时刻进行时间对齐处理,确定声-电校正时延;

9、计算事件匹配度,并构建声-电融合特征向量;

10、将所述声-电融合特征向量输入至预先构建的状态识别融合模型中,确定所述声-电融合特征向量对应的熔滴事件及其熔滴落点区间和耦合状态;

11、基于所述熔滴落点区间和耦合状态,构建当前识别状态向量,获取当前识别状态向量与目标状态向量之间的状态偏差;对状态偏差进行类型识别与幅值量化,根据所述状态偏差的类型和幅值生成负反馈控制指令,并下发至执行机构以调节焊接工艺参数。

12、在第一方面的一种可能的实施方式中,所述电信号事件识别模型采用随机森林、支持向量机、梯度提升树、bp神经网络、一维卷积神经网络、卷积神经网络-长短期记忆混合网络或transformer中的一种或其组合构建;所述电信号事件识别模型的训练过程包括:

13、采集激光电弧复合焊过程中不同熔滴过渡模式下的焊接电信号,对采集到的焊接电信号进行预处理,并提取电信号特征参数以构成电信号特征向量;基于所述电信号特征向量构建样本数据集;

14、从所述样本数据集中划分得到训练集,以训练集中的电信号特征向量作为初始模型的输入,以对应的真实熔滴过渡模式作为训练标签,对选定的初始模型进行监督学习;

15、评估模型输出结果与对应的训练标签之间的偏差,并通过参数优化算法对模型参数进行迭代更新,以构建并拟合从电信号特征参数到熔滴过渡模式的映射函数,直至模型收敛,将收敛的模型作为电信号事件识别模型。

16、在第一方面的一种可能的实施方式中,所述对声学候选事件窗口内的声学信号进行预处理,包括:

17、在所述声学候选事件窗口内执行抗噪处理,或者以所述声学候选事件窗口为中心扩展预设缓冲区后执行抗噪处理;

18、所述抗噪处理包括带通滤波、谱减法、自适应噪声抵消、小波阈值降噪、小波包分解、经验模态分解、变分模态分解中的一种或其组合。

19、在第一方面的一种可能的实施方式中,所述对电信号事件的发生时刻与声学响应事件的发生时刻进行时间对齐处理,确定声-电校正时延,包括:

20、计算所述声学响应事件的发生时刻与所述电信号事件的发生时刻之间的原始时间差后,扣除信号延迟;

21、所述信号延迟包括声传播延迟、采集同步延迟以及滤波或算法处理延迟。

22、在第一方面的一种可能的实施方式中,所述声学分类器采用随机森林、支持向量机、梯度提升树、bp神经网络、一维卷积神经网络、卷积神经网络-长短期记忆混合网络或transformer中的一种或其组合构建;

23、所述声学分类器以声学冲击能量、实测频带能量比、声学峭度、声学谱质心、小波包归一化子频带能量和梅尔频率倒谱系数中的至少一种作为输入,输出有效熔池撞击、匙孔附近撞击、飞溅、匙孔扰动和无有效响应中的至少一种事件类别及其发生时刻和分类置信度。

24、在第一方面的一种可能的实施方式中,所述状态识别融合模型采用卷积神经网络-长短期记忆混合网络构建;所述卷积神经网络-长短期记忆混合网络包括依次连接的一维卷积层、长短期记忆网络层和全连接层;所述状态识别融合模型的训练过程包括:

25、在激光电弧复合焊过程中同步采集焊接电信号与焊接区域的声学信号,对采集到的焊接电信号、声学信号进行预处理,提取时间对齐的声-电融合特征序列,并构建声-电融合样本数据集;

26、从所述声-电融合样本数据集中划分得到训练集,以训练集中的声-电融合特征序列作为初始模型的输入,以对应的真实熔滴事件所属的落点区间标签和耦合状态标签作为训练标签,对选定的初始模型进行监督学习;

27、由所述初始模型输出对应的预测概率向量,并基于所述预测概率向量与对应的训练标签计算损失函数的值;

28、基于损失函数的值,通过反向传播算法对模型参数进行迭代更新,直至损失函数收敛,将收敛的模型作为状态识别融合模型;

29、其中,所述落点区间标签包括有效熔池区域标签、匙孔后壁附近区域标签、熔池边缘区域标签、未有效落入熔池区域标签和飞溅区域标签;所述耦合状态标签包括稳定耦合标签、弱耦合标签、撞击过强标签、落点偏移标签、飞溅增强标签和匙孔扰动增强标签。

30、在第一方面的一种可能的实施方式中,所述声-电融合特征序列由多个连续熔滴事件的声-电融合特征向量在时间轴上拼接构成。

31、在第一方面的一种可能的实施方式中,所述对状态偏差进行类型识别与幅值量化,根据所述状态偏差的类型和幅值生成负反馈控制指令,并下发至执行机构以调节焊接工艺参数,包括:

32、提取所述状态偏差的状态偏差特征;

33、根据提取的状态偏差特征,将所述状态偏差归类为预设的事件类型,所述事件类型包括异常事件和正常事件;

34、若所述状态偏差归类于异常事件,则根据异常事件的类型,调用对应的控制优先级;若所述状态偏差归类于正常事件,则调用正常焊接模式对应的控制优先级;

35、计算所述状态偏差的幅值,并基于所述幅值及预设的映射关系,计算焊接工艺参数调节的补偿量,并根据确定的控制优先级,对焊接工艺参数进行限幅调节。

36、在第一方面的一种可能的实施方式中,所述异常事件包括熔滴未有效进入熔池、落点偏移、飞溅增强、撞击过强、短路过渡频次异常、粗大滴状过渡、匙孔扰动增强。

37、第二方面,本技术提供一种用于执行所述基于声-电校正时延融合的激光电弧复合焊熔滴过渡闭环控制方法的系统,包括:

38、信号采集模块,用于同步采集焊接电信号与焊接区域的声学信号;

39、电信号事件识别模块,用于提取电信号特征参数,并构建电信号特征向量;调用预先构建的电信号事件识别模型,识别所述电信号特征向量对应的电信号事件及其发生时刻;

40、声学候选窗口生成单元,用于在所述声学信号中划定声学候选事件窗口,提取声学信号特征参数,并构建声学信号特征向量;

41、声学响应事件识别单元,通过调用预先构建的声学分类器,根据所述声学信号特征向量确定声学响应事件的类别及其发生时刻和分类置信度;

42、声-电校正时延融合单元,用于对电信号事件与声学响应事件的发生时刻进行时间对齐处理,确定声-电校正时延;计算事件匹配度,并构建声-电融合特征向量;

43、状态融合识别单元,通过调用预先构建的状态识别融合模型,识别所述声-电融合特征向量对应的熔滴事件及其熔滴落点区间和耦合状态;

44、负反馈控制单元,基于所述熔滴落点区间和耦合状态构建当前识别状态向量,获取当前识别状态向量与目标状态向量之间的状态偏差;对所述状态偏差进行类型识别与幅值量化,根据所述状态偏差的类型和幅值生成负反馈控制指令,并下发至执行机构以调节焊接工艺参数;

45、执行机构接口,用于连接焊机、送丝机、激光器、激光焦点调节机构、激光与电弧相对位置调节机构或焊接机器人控制器中的至少一种执行机构。

46、与现有方法相比,本技术具有以下有益效果:

47、1.本技术摒弃了对清晰视觉图像的依赖,创新性地采用电信号定位+声学信号验证的跨模态识别机制;基于电信号精准捕捉熔滴脱落等候选事件,并利用声学信号验证随后的实际撞击响应。这种机制有效克服了激光电弧复合焊现场强弧光、金属蒸气羽流、飞溅、烟尘以及目标重叠对传感器信号的干扰,解决了视觉识别在厚板坡口、窄间隙及机器人焊接等受限空间内安装困难、成像质量差的问题,显著提高了在线识别的鲁棒性。

48、2.本技术不仅仅是多源信号的简单叠加,其通过电事件门控声学候选窗口、声-电校正时延补偿、事件匹配度计算以及缺失事件惩罚机制,构建了具有明确焊接物理含义的数据融合模型。该方法有效避免了传统黑盒模型在复杂工况下误判率高的问题,能够精准区分熔滴脱落与熔滴有效进入熔池/匙孔作用区,从而准确判断熔滴是否真正参与了焊缝成形。

49、3.本技术能够根据识别结果对落点偏移、飞溅增强、匙孔扰动等异常类型进行精确分类,并据此调用不同的控制参数优先级生成负反馈指令。这种针对性的调节策略避免了多参数耦合调节的盲目性,实现了对熔滴过渡模式、落点区间和耦合状态的精细化控制,从而显著提高了焊接过程的稳定性,保证了焊缝成形的一致性。

50、4.本技术建立了一套从离线标注到现场部署的完整技术闭环。通过利用高速摄影、焊后成形检测、飞溅统计或人工复核对模型进行离线标注,形成了模型训练与现场部署之间的闭环验证机制。这使得机器学习识别过程具有可解释性和可验证性,模型在不同工况下具有良好的可迁移性,显著降低了模型在实际工业现场部署的难度和维护成本。

51、5.本技术广泛适用于激光前置-电弧后置、电弧前置-激光后置、旁轴复合、摆动激光复合焊、厚板坡口及窄间隙复合焊等多种场景。该方法无需在线获取清晰的熔池或匙孔图像,即使在弧光强、羽流明显或视觉空间受限的极端环境下,依然能保持稳定的监测与控制能力。通过对熔滴过渡全过程的连续识别与闭环控制,本技术有助于降低对操作人员经验的依赖,推动激光电弧复合焊技术在轨道交通、船舶制造、大型装备等领域的智能化升级。