一种激光-电弧复合焊接的过程控制方法、系统及装置与流程

1.本发明属于焊接技术领域，更具体地，涉及一种激光-电弧复合焊接的过程控制方法、系统及装置。


背景技术：

2.目前，大型构件的焊接主要以手工电弧焊为主，存在热输入大、微观组织粗大、裂纹/气孔缺陷多发、热变形大、生产效率低等问题，难以满足高质高效的制造需求。激光-电弧复合焊接技术将激光与电弧两种热源复合，相互作用、相互加强形成一种新型高效热源，达到“1 1＞2”的协同效应，具有熔深大、桥接性好、焊接速度快等优点，被广泛使用于汽车、航空航天等领域。
3.但是，目前激光-电弧复合焊接在进行长时间焊接时，由于焊接热输入量堆积，会出现焊缝熔深过大甚至出现焊穿的风险。目前的做法是由工艺人员将一条长焊缝分割为多个短焊缝，并在每个短焊缝上赋予一个焊接参数包，通过不同短焊缝-焊接参数包的拼接以实现长焊缝的焊接。然而，这种做法一方面依赖于工艺人员的实际经验，并需要大量的参数摸索和实践；另一方面，其焊接过程也无法实时控制，焊缝的熔深容易出现忽大忽小的情况，影响焊接稳定性和焊接质量。
4.因此，亟需一种激光-电弧复合焊接的过程控制方法，以实现激光-电弧复合焊接过程中焊缝熔深的实时控制。


技术实现要素：

5.针对现有技术的以上缺陷或改进需求，本发明提供了一种激光-电弧复合焊接的过程控制方法、系统及装置，其目的在于，实现激光-电弧复合焊接过程中焊缝熔深的实时控制，提高焊接稳定性和焊接质量。
6.为实现上述目的，按照本发明的第一方面，提出了一种激光-电弧复合焊接的过程控制方法，包括如下步骤：
7.s1、获取当前熔丝点的当前温度曲线，根据当前温度曲线获取当前熔丝点的实际熔深；
8.s2、获取预设的第一范围和第二范围；所述第一范围指熔深的标准取值范围；所述第二范围指熔深的极限取值范围，其包括熔深的上极限值与下极限值，所述第二范围囊括所述第一范围；
9.s3、将所述实际熔深与所述第一范围和第二范围进行对比，获取对比结果；
10.s4、基于所述对比结果进行激光-电弧复合焊接的过程控制，包括：
11.当所述实际熔深在所述第一范围内时，保持激光照射位置与熔丝点位置之间的距离，并进行激光照射功率的微调；
12.当所述实际熔深不在所述第一范围但在所述第二范围内时，基于所述对比结果调控激光照射位置与熔丝点位置之间的位置关系；
13.当所述实际熔深不在所述第二范围内时，基于所述对比结果进行熔池线能量密度调控。
14.作为进一步优选的，步骤s4中，进行激光功率的微调，包括如下步骤：
15.(1)确定所述实际熔深与第一范围中间值的第一差值；
16.(2)基于所述第一差值确定激光功率的调整值。
17.作为进一步优选的，步骤s4中，基于所述对比结果调控激光照射位置与熔丝点位置之间的位置关系，包括如下步骤：
18.(1)获取所述实际熔深与所述上极限值或所述下极限值的第二差值，基于所述第二差值确定激光照射点远离当前熔丝点的第一偏移量；
19.(2)获取当前熔丝点焊接前的若干个熔丝点对应的实际熔深，并生成熔深波动曲线，基于所述熔深波动曲线确定第二偏移量；
20.(3)基于所述第一偏移量和所述第二偏移量的加权和确定激光照射点与当前熔丝点的位移向量，以调整激光照射位置与熔丝点位置之间的位置关系。
21.作为进一步优选的，基于所述熔深波动曲线与所述上极限值或所述下极限值之间围成的面积确定第二偏移量。
22.作为进一步优选的，步骤s4中，基于所述对比结果进行熔池线能量密度调控，包括如下步骤：
23.(1)获取所述实际熔深与所述上极限值或下极限值的偏差值；
24.(2)基于所述偏差值确定熔池线能量密度调整值；其中，所述熔池线能量密度由电弧工艺参数和激光工艺参数决定，所述电弧工艺参数包括电流或电压或焊接速度参数或送丝速度中的至少一个；所述激光工艺参数包括光斑直径或离焦量或激光功率中的至少一个。
25.作为进一步优选的，步骤s1中，根据当前温度曲线和熔深预测模型获取当前熔丝点的实际熔深，具体包括如下步骤：
26.(1)获取所述当前熔丝点对应的最高温度以及高温停留时间，所述高温停留时间是金属融化温度以上的停留时间；
27.(2)获取预设好的第一样本集合，所述第一样本集合包括多条温度曲线样本以及对应的熔深标定值；
28.(3)基于所述当前熔丝点对应的最高温度以及高温停留时间，从所述第一样本集合中筛选出候选集合，所述候选集合中包括多条温度曲线样本，且其中的每条温度曲线样本对应的最高温度以及高温停留时间与所述当前熔丝点对应的最高温度以及高温停留时间的差异小于第一设定阈值；
29.(4)基于熔深预测模型将候选集合中的每一个温度曲线样本与当前熔丝点对应的温度曲线进行匹配，得到对应的相似程度，基于所述相似程度确定当前熔丝点的实际熔深。
30.作为进一步优选的，基于所述相似程度确定当前熔丝点的实际熔深，包括如下步骤：
31.(1)确定筛选阈值，获取相似程度大于筛选阈值的温度曲线样本；
32.(2)当筛选出的温度曲线样本有且仅有一条时，将该温度曲线样本对应的熔深标定值确定为当前熔丝点的实际熔深；
33.当筛选出的温度曲线样本至少包括两条时，获取相似程度最大的若干条温度曲线样本及其对应的熔深标定值，基于筛选出的若干个熔深标定值采用插值法确定当前熔丝点的实际熔深。
34.作为进一步优选的，所述熔深预测模型是一个训练好的卷积神经网络，该熔深预测模型的训练过程包括如下步骤：
35.(1)获取熔深预测初始模型；
36.(2)获取第一训练集，所述第一训练集中包括多个曲线图像对，其中每个曲线图像对中包含两条曲线以及反映两条曲线相似程度的标签值；
37.(3)基于所述第一训练集，通过多轮迭代来训练所述熔深预测初始模型，完成训练后，得到熔深预测模型。
38.按照本发明的第二方面，提供了一种激光-电弧复合焊接的过程控制系统，包括当前温度曲线获取模块、实际熔深确定模块、熔深范围获取模块、对比结果确定模块和过程控制模块，其中：
39.所述当前温度曲线获取模块，用于获取当前熔丝点的当前温度曲线；
40.所述实际熔深确定模块，用于根据当前温度曲线获取当前熔丝点的实际熔深；
41.所述熔深范围获取模块，用于获取预设好的第一范围和第二范围；所述第一范围指熔深的标准取值范围；所述第二范围指熔深的极限取值范围，其包括熔深的上极限值与下极限值，所述第二范围囊括所述第一范围；
42.所述对比结果确定模块，用于将所述实际熔深与所述第一范围和第二范围进行对比，获取对比结果；
43.所述过程控制模块，用于基于所述对比结果进行激光-电弧复合焊接的过程控制，包括：当所述实际熔深在所述第一范围内时，保持激光照射位置与熔丝点位置之间的距离，并进行激光照射功率的微调；当所述实际熔深不在所述第一范围但在所述第二范围内时，基于所述对比结果调控激光照射位置与熔丝点位置之间的位置关系；当所述实际熔深不在所述第二范围内时，基于所述对比结果进行熔池线能量密度调控。
44.按照本发明的第三方面，提供了一种激光-电弧复合焊接的过程控制装置，包括激光器、弧焊枪、送丝机构、第一运动机构、第二运动机构、熔池温度检测机构、至少一个存储介质和至少一个处理器，其中：
45.所述激光器和所述弧焊枪分别用于发生激光和电弧；所述送丝机构安装在所述弧焊枪上，用于送给焊丝；所述第一运动机构与所述激光器相连，用于控制激光照射位置；所述第二运动机构与所述弧焊枪相连，用于控制焊接时熔丝点的移动；所述熔池温度检测机构用于获取当前熔丝点的当前温度曲线；
46.所述存储介质用于存储计算机指令；所述处理器用于读取所述熔池温度检测机构采集到的当前温度曲线，并控制所述激光器、所述弧焊枪、所述送丝机构、所述第一运动机构、所述第二运动机构进行协同以执行所述存储介质中存储的计算机指令，以实现上述过程控制方法。
47.总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
48.1.本发明通过实时检测当前熔丝点的实际熔深与第一范围、第二范围的关系，采
取不同的措施实现对当前熔深的反馈控制，实现激光-电弧复合焊接过程中焊缝熔深的实时控制，保证了焊缝熔深的一致性，提高了焊接稳定性和焊接质量。
49.2.本发明使用焊接温度曲线中的最高温度以及高温停留时间这两个参量进行温度曲线与温度样本曲线拟合前的预处理，有效地降低了后续曲线拟合的计算量。
50.3.本发明通过机器学习模型的方法基于温度曲线获得焊缝的当前熔丝点的实际熔深，提高了获取焊缝熔深的获取精度。
附图说明
51.图1是根据本说明书一些实施例所示的一个示例性的激光-电弧复合焊接的过程控制系统的应用场景示意图；
52.图2是根据本说明书一些实施例所示的一个示例性的激光-电弧复合焊接的过程控制系统的系统框图；
53.图3是根据本说明书一些实施例所示的激光-电弧复合焊接的过程控制方法的示意性流程图；
54.图4是根据本说明书一些实施例所示的激光照射位置与熔丝点位置之间的位置关系调整方法的示意性流程；
55.图5是根据本说明书一些实施例所示的基于温度曲线获取当前熔丝点的实际熔深的示意性流程图；
56.图6是根据本说明书一些实施例所示的温度曲线示意图；
57.图7是根据本说明书一些实施例所示的熔深波动曲线示意图。
58.在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：100-过程控制装置，110-处理设备，120-存储设备，130-网络，140-激光器，150-送丝机构，160-弧焊枪，170-熔池温度检测机构，200-过程控制系统，210-当前温度曲线获取模块，220-实际熔深确定模块，230-熔深范围获取模块，240-对比结果确定模块，250-过程控制模块。
具体实施方式
59.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
60.图1是根据本说明书一些实施例所示的一个示例性的激光-电弧复合焊接的过程控制装置的应用场景示意图。
61.如图1所示，激光-电弧复合焊接的过程控制装置100可以包括处理设备110、存储设备120、网络130、激光器140、送丝机构150、弧焊枪160、熔池温度检测机构170以及第一运动机构(图中未示出)、第二运动机构(图中未示出)。其中，激光器140用于发生激光，弧焊枪160用于发生电弧，送丝机构150用于送给焊丝，这三个单元构成了激光-电弧复合焊接的基本焊接单元。
62.第一运动机构可以用于与激光器140相连，以控制激光照射位置。在一些实施例中，第一运动机构可以是任意的运动结构。示例性地，第一运动机构可以是一个6轴机器人。
63.第二运动机构可以用于与弧焊枪160相连，以控制焊接时电弧的移动。在一些实施例中，第二运动机构可以是任意的运动结构。示例性地，第二运动机构也可以是一个6轴机器人。
64.需要说明的是，第一运动机构和第二运动机构可以是本领域技术人员所熟知的其他可执行运动/转动的机构。例如，第一运动机构和第二运动机构可以是3轴、4轴、5轴、6轴、7轴机器臂。又例如，第一运动机构和第二运动机构可以是如龙门结构、桁架结构等可运动的机构。在一些实施例中，第一运动机构和第二运动机构可以是相同的结构，也可以是不同的结构。诸如此类的变化，仍然在本说明书的保护范围之内。
65.熔池温度检测机构170可以是任意的可以获取当前熔丝点的当前温度曲线的仪器或设备。例如，熔池温度检测机构170可以是如红外线测温仪、红外摄像头等非接触性温度检测装置。又例如，熔池温度检测机构170可以是如热电偶测温仪、电阻丝测温仪等接触性温度检测装置。在一些实施例中，熔池温度检测机构170可以将获取到的当前熔丝点的当前温度曲线通过网络130发送给处理设备110或者是存储设备120。
66.在一些实施例中，处理设备110可以处理从存储设备120、熔池温度检测机构170处获取数据和/或信息。例如，处理设备110可以获取熔池温度检测机构170采集的当前温度曲线。又例如，处理设备110可以基于训练好的熔深预测模型以及当前温度曲线获取当前熔丝点的实际熔深。再例如，处理设备110可以将实际熔深与第一范围和第二范围进行对比，获取对比结果。还例如，处理设备110可以基于对比结果进行激光-电弧复合焊接的过程调控。
67.在一些实施例中，处理设备110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如：处理设备110可以是分布系统)。在一些实施例中，处理设备110可以是本地的或者远程的。例如，处理设备110可通过网络130访问存储于熔池温度检测机构170、存储设备120中的数据/信息。在一些实施例中，处理设备110可直接与熔池温度检测机构170、存储设备120连接以访问存储于其中的数据/信息。在一些实施例中，处理设备110可在云平台上执行。例如，该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
68.在一些实施例中，处理设备110可以通过网络130与第一运动机构(图中未示出)和第二运动机构(图中未示出)相连。在一些实施例中，当实际熔深不在第一范围但在第二范围内，处理设备110可以控制第一运动机构和第二运动机构调整激光照射位置与当前熔丝点之间的距离。
69.在一些实施例中，处理设备110还可以通过网络130与激光器140、送丝机构150、弧焊枪160相连。在一些实施例中，当实际熔深不在第二范围内时，处理设备110可以控制激光器140、送丝机构150、弧焊枪160进行电弧工艺参数调控和激光工艺参数调控；其中，电弧工艺参数控包括但不限于焊接电流、焊接电压、焊接速度以及送丝速度中的一种及多种；激光工艺参数包括但不限于光斑直径、离焦量、激光功率中的一种及多种。
70.在一些实施例中，处理设备110可以包含一个或多个子处理设备(如：单核处理器或多核处理器)。仅仅作为范例，处理设备110可包含中央处理器(cpu)、专用集成电路(asic)、专用指令处理器(asip)、图形处理器(gpu)、物理处理器(ppu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编辑逻辑电路(pld)、控制器、微控制器单元、精简指令集电脑(risc)、微处理器等或以上任意组合。处理设备110可以是设置在现场的多个计算设
备终端，如plc、工控机、工业计算机、移动设备等。
71.存储设备120可以存储数据和/或指令。在一些实施例中，存储设备120可以存储熔池温度检测机构170获取的数据/信息。在一些实施例中，存储设备120可以存储操作指示信息。在一些实施例中，存储设备120还可以存储温度检测装置170采集的历史数据(如历史时刻对应的熔丝点温度曲线)。在一些实施例中，存储设备120可以存储处理设备110用于执行或使用来完成本说明书中描述的示例性方法的数据和/或指令。例如，存储设备120可以存储训练好的熔深预测模型，训练好的熔深预测模型可以基于当前温度曲线获取当前熔丝点的实际熔深。
72.在一些实施例中，存储设备120可以是处理设备110或熔池温度检测机构170的一部分。在一些实施例中，存储设备120可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等或其任意组合。示例性的大容量储存器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性的挥发性只读存储器可以包括随机存取存储器(ram)。示例性的ram可包括动态ram(dram)、双倍速率同步动态ram(ddrsdram)、静态ram(sram)、闸流体ram(t-ram)和零电容ram(z-ram)等。示例性的rom可以包括掩模rom(mrom)、可编程rom(prom)、可擦除可编程rom(eprom)、电子可擦除可编程rom(eeprom)、光盘rom(cd-rom)和数字通用磁盘rom等。在一些实施例中，存储设备120可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
73.在一些实施例中，存储设备120可以连接到网络130以与过程控制装置100中的一个或以上组件(例如，处理设备110、激光器140、送丝机构150、弧焊枪160、熔池温度检测机构170以及第一运动机构、第二运动机构)通信。过程控制装置100中的一个或以上组件可以通过网络130访问存储设备120中存储的数据或指令。在一些实施例中，存储设备120可以是处理设备110的一部分。
74.网络130可以促进信息和/或数据的交换。在一些实施例中，过程控制装置100中的一个或以上组件(例如，处理设备110、存储设备120和熔池温度检测机构170)可以通过网络130向/从过程控制装置100中的其他组件发送和/或接收信息和/或数据。在一些实施例中，网络130可以为任意形式的有线或无线网络或其任意组合。仅作为示例，网络130可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网(lan)、广域网(wan)、无线局域网(wlan)、城域网(man)、广域网(wan)、公共交换电话网络(pstn)、蓝牙网络、紫蜂网络、近场通讯(nfc)网络、全球移动通讯系统(gsm)网络、码分多址(cdma)网络、时分多址(tdma)网络、通用分组无线服务(gprs)网络、增强数据速率gsm演进(edge)网络、宽带码分多址接入(wcdma)网络、高速下行分组接入(hsdpa)网络、长期演进(lte)网络、用户数据报协议(udp)网络、传输控制协议/互联网协议(tcp/ip)网络、短讯息服务(sms)网络、无线应用协议(wap)网络、超宽带(uwb)网络、移动通信(1g、2g、3g、4g、5g)网络、wi-fi、li-fi、窄带物联网(nb-iot)等或其任意组合。
75.图2是根据本说明书一些实施例所示的一个示例性的激光-电弧复合焊接的过程控制系统的系统框图。在一些实施例中，过程控制系统200具体地可以设置在处理设备110上。
76.如图2所示，激光-电弧复合焊接的过程控制系统200可以包括：当前温度曲线获取
模块210，实际熔深确定模块220，熔深范围获取模块230，对比结果确定模块240，过程控制模块250。在一些实施例中，过程控制系统200可以设置在处理设备110上，其中：
77.当前温度曲线获取模块210，用于获取当前熔丝点的温度曲线；
78.实际熔深确定模块220，用于基于训练好的熔深预测模型以及温度曲线获取当前熔丝点的实际熔深；
79.熔深范围获取模块230，用于获取预设好的熔深第一范围和第二范围；
80.对比结果确定模块240，用于将实际熔深与第一范围和第二范围进行对比，获取对比结果；
81.过程控制模块250，用于基于对比结果进行复合焊接的过程控制，包括：当实际熔深在第一范围内时，保持激光照射位置与熔丝点位置之间的距离，并进行激光照射功率的微调；当实际熔深不在第一范围但在第二范围内时，基于对比结果调控激光照射位置与熔丝点位置之间的位置关系；当实际熔深不在第二范围内时，基于对比结果进行熔池线能量密度调控。
82.在一些实施例中，过程控制模块250还用于，获取第一范围的中间值；确定实际熔深与第一范围中间值的第一差值；基于第一差值确定激光功率的调整值。
83.在一些实施例中，过程控制模块250还用于，获取实际熔深与上极限值或下极限值的第二差值；基于第二差值确定激光照射点远离当前熔丝点的第一偏移量；获取当前熔丝点焊接前的若干个熔丝点对应的实际熔深，并生成熔深波动曲线；基于第二差值确定第二偏移量；
84.基于第一偏移量和第二偏移量的加权和确定激光照射点与当前熔丝点的位移向量，以调整激光照射位置与熔丝点位置之间的位置关系。在一些实施例中，基于熔深波动曲线与上极限值或下极限值之间围成的面积确定第二偏移量。
85.在一些实施例中，过程控制模块250还用于，获取实际熔深与上极限值或下极限值的偏差值；基于偏差值确定熔池线能量密度调整值；其中，熔池线能量密度由电弧工艺参数和激光工艺参数决定，电弧工艺参数包括电流或电压或焊接速度参数或送丝速度中的至少一个；激光工艺参数包括光斑直径或离焦量或激光功率中的至少一个。
86.在一些实施例中，训练好的熔深预测模型是一个训练好的卷积神经网络，实际熔深确定模块220用于：获取当前熔丝点对应的最高温度以及高温停留时间，高温停留时间是金属融化温度以上的停留时间；获取预设好的第一样本集合，第一样本集合包括多条温度曲线样本以及对应的熔深标定值；基于当前熔丝点对应的最高温度以及高温停留时间从第一样本集合中筛选出候选集合，候选集合中包括多条温度曲线样本且其中的每条温度曲线样本对应的最高温度以及高温停留时间与当前熔丝点对应的最高温度以及高温停留时间差异小于第一设定阈值；基于训练好的熔深预测模型将候选集合中的每一个温度曲线样本与当前熔丝点对应的温度曲线进行匹配，得到对应的相似程度；基于相似程度确定当前熔丝点的实际熔深。
87.在一些实施例中，实际熔深确定模块220还用于：确定筛选阈值，获取相似程度大于筛选阈值的温度曲线样本；当筛选出的温度曲线样本有且仅有一条时，将温度曲线样本对应的熔深标定值确定为当前熔丝点的实际熔深；当筛选出的温度曲线样本至少包括两条时，获取相似程度最大的若干条温度曲线样本及其对应的熔深标定值，基于筛选出的若干
个熔深标定值采用插值法确定当前熔丝点的实际熔深。
88.应当理解，本说明书一个或多个实施中的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
89.需要注意的是，以上对于处理设备及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。
90.图3是根据本说明书一些实施例所示的激光-电弧复合焊接的过程控制方法的示意性流程图。在一些实施例中，方法300可以由处理设备110执行。在一些实施例中，方法300可以进一步由过程控制系统200执行。
91.步骤310，获取当前熔丝点的当前温度曲线。在一些实施例中，步骤310可以由当前温度曲线获取模块210执行。
92.在一些实施例中，当前温度曲线获取模块210可以从如图1所示的熔池温度检测机构170处获取当前熔丝点的当前温度曲线。在一些实施例中，当前温度曲线获取模块210也可以从如图1所示的存储设备120处获取当前熔丝点的当前温度曲线。图6是根据本说明书一些实施例所示的温度曲线示意图，有关温度曲线的具体描述可参见图5中步骤510所述，在此不在赘述。
93.步骤320，基于训练好的熔深预测模型以及当前温度曲线获取当前熔丝点的实际熔深。在一些实施例中，步骤320可以由实际熔深确定模块220执行。
94.在一些实施例中，实际熔深确定模块220可以基于训练好的熔深预测模型获取当前熔丝点对应的最高温度以及高温停留时间，高温停留时间是金属融化温度以上的停留时间。
95.具体地，基于训练好的熔深预测模型以及当前温度曲线获取当前熔丝点的实际熔深包括以下步骤：获取预设好的第一样本集合，第一样本集合包括多条温度曲线样本以及对应的熔深标定值；基于当前熔丝点对应的最高温度以及高温停留时间从所述第一样本集合中筛选出候选集合，候选集合中包括多条温度曲线样本且其中的每条温度曲线样本对应的最高温度以及高温停留时间与当前熔丝点对应的最高温度以及高温停留时间差异小于第一设定阈值；基于训练好的熔深预测模型将候选集合中的每一个温度曲线样本与当前熔丝点对应的温度曲线进行匹配，得到对应的相似程度；基于相似程度确定当前熔丝点的实际熔深。有关基于训练好的熔深预测模型以及当前温度曲线获取当前熔丝点的实际熔深的更多说明可参见图5的相应描述，在此不在赘述。
96.步骤330，获取预设好的熔深第一范围和第二范围。在一些实施例中，步骤330可以由熔深范围获取模块230执行。
97.熔深范围获取模块230可以基于焊接材料的种类、母材的种类以及母材的厚度和坡口类型的不同从预先设置好的熔深数据库中调取对应的熔深第一范围和熔深第二范围。第一范围是指熔深的标准取值范围；第二范围是指熔深极限取值范围，包括熔深的上极限值与下极限值，分别代表熔深可达极限的最大和最小值。第二范围显而易见地大于第一范围。具体地，以双面坡口的20mm的铝合金焊接为例进行示例性说明，2mm的铝合金板材焊接的第二范围(熔深极限取值)可以为2.1mm～3.5mm之间，而2mm的铝合金焊接的第一范围可以为2.7mm～3.2mm之间。
98.在一些实施例中，熔深的第一范围和第二范围可以通过相应的实验获得。承上例，可以分别测量2mm的铝合金不同熔深下焊缝的力学性能，并将力学性能最优的焊缝对应的熔深的范围确定为2mm铝合金的第一范围。而第二范围可以是2mm铝合金熔深的极限值，超出第二范围，母材被焊透或者未焊穿，
99.在一些实施例中，第一范围和第二范围也可以基于工艺人员的经验进行标定。
100.可以理解，由于不同种类、厚度、坡口类型的母材对焊接热过程的容忍程度不同、力学性能要求也不同，不同种类、厚度、坡口类型的母材可以具有不同的熔深第一范围和第二范围。而预先设置好的熔深数据库中包括多种材料、不同厚度、不同坡口类型的母材对应于不同的熔深第一范围和熔深第二范围，可以在需要时被调用。
101.步骤340，将实际熔深与第一范围和第二范围进行对比，获取对比结果。在一些实施例中，步骤340可以由对比结果确定模块240执行。
102.进一步地，可以基于对比结果进行激光-电弧复合焊接的过程调控，在一些实施例中，方法300中步骤350～370的一步及数步操作均可以由过程控制模块250执行。
103.具体地，若实际熔深在第一范围内，过程控制模块250则执行步骤350,保持激光照射位置与熔丝点位置之间的距离；若实际熔深不在第一范围但在第二范围内，过程控制模块250则执行步骤360，调整激光照射位置与熔丝点位置之间的距离。在一些实施例中，若实际熔深超出第二范围时，过程控制模块250还可以执行步骤370,进行电弧工艺参数调控和激光工艺参数调控。
104.步骤350，保持激光照射位置与熔丝点位置之间的距离，并进行激光照射功率的微调。
105.在一些实施例中，当当前熔丝点的实际熔深在第一范围内时，说明熔丝点的电弧工艺参数和激光工艺参数等维持在一个较好的范围，此时，可以保持激光照射位置与熔丝点之间的位置关系。
106.在一些实施例中，当实际熔深在第一范围内时，在保持激光照射位置与熔丝点位置之间距的同时，过程控制模块250还可以对激光功率进行微调，以使得实际熔深可以尽可能地向第一范围的中间值(即熔深最优值)靠近。过程控制模块250具体执行如下过程：获取第一范围的中间值；确定实际熔深与第一范围中间值的第一差值；基于第一差值确定激光功率的调整值。示例性地，如假设当前激光功率为p，当前熔丝点实际熔深为b，第一范围中间值为a，激光功率调整值
△
p可以示例性地如式(1)所示：
[0107][0108]
步骤360，调控激光照射位置与熔丝点位置之间的位置关系。
[0109]
在一些实施例中，当当前熔丝点的实际熔深超出第一范围但在第二范围内时，说明电弧工艺参数和激光工艺参数等超出了熔深优选的范围，此时，过程控制模块250可以调整激光照射位置与熔丝点之间的位置关系以改善熔丝点处熔池中的温度场，进而调整焊缝的熔深。可以理解，当激光照射位置与熔丝点位置重合时，激光会对熔池产生搅拌作用，使得熔池的熔深增加；当激光布置在远离熔丝点的前端时，会对焊接过程产生预热作用，在相同的电弧参数作用下，预热温度越大，熔深越深。因此，激光照射位置与熔丝点位置之间的位置关系会影响激光-电弧复合焊接的熔深。
[0110]
具体地，过程控制模块250可以执行如下步骤：获取实际熔深与上极限值或下极限值的第一差值；基于第一差值确定激光照射点远离当前熔丝点的第一偏移量；获取当前熔丝点之前的若干个熔丝点对应的实际熔深；基于若干个熔丝点对应的实际熔深确定熔深波动曲线；基于熔深波动曲线与上极限值或下极限值之间的差异确定第二偏移量；基于第一偏移量和第二偏移量的加权和确定激光照射点与当前熔丝点的位移向量；基于位移向量调控激光照射位置与熔丝点位置之间的位置关系。有关调整激光照射位置与熔丝点位置之间的位置关系的更多说明可参见图4的相应描述，在此不在赘述。
[0111]
步骤370，基于对比结果进行熔池线能量密度调控。
[0112]
在一些实施例中，当实际熔深不在第二范围内时，说明实际熔深已经超出了熔深极限范围。此时，仅靠调整激光照射位置与熔丝点位置之间的位置关系，过程控制模块250也难以将当前熔丝点的熔深快速地纠正回熔深优选的第一范围内。此时，过程控制模块250可以调整整个熔丝过程的熔池线能量密度，从而快速纠正焊缝的熔深。具体地，熔池的线能量密度调控包括对电弧工艺参数和激光工艺参数进行调控。其中，电弧工艺参数调控包括电流或电压或焊接速度参数或送丝速度调控；激光工艺参数调控包括光斑直径或离焦量或激光功率调控。
[0113]
假设当前熔丝点实际熔深为b，第二范围的下极限值为d，实际熔深与下极限值的偏差值为(b-d)，当前的线能量为p
l
，线能量衰减值为
△
p
l
，示例性地，线能量衰减值为
△
p
l
可以如式(2)所示进行示例性地计算：
[0114]
△
p
l
＝(1-e-(b-d)β
)/(1-e-dβ
)
ꢀꢀꢀꢀ
(2)
[0115]
其中，β为与材料相关的常数。
[0116]
需要说明的是，以上公式仅作为示例，并不能作为对本说明书涉及方法的限制。
[0117]
进一步地，当确定了线能量衰减值
△
p
l
后，可以基于衰减后的熔池线能量密度匹配合适的电流和电压参数以及激光的光斑直径或离焦量或激光功率调控，改善熔丝点处的温度场，达到快速修正熔深的目的。
[0118]
由于电弧-激光复合焊接的方式温度输入主要来源于电弧的能量，在一些替代性实施例中，以上提及的熔池线能量密度调控也可以仅针对电弧的相关工艺参数进行调控。
[0119]
图4是根据本说明书一些实施例所示的激光照射位置与熔丝点位置之间的位置关系调整方法的示意性流程图。在一些实施例中，方法400可以由处理设备110执行。在一些实施例中，方法400可以进一步由过程控制系统200执行。在一些实施例中，方法400可以更进
一步地由过程控制模块250执行。
[0120]
步骤410，获取当前熔丝点实际熔深与上极限值或下极限值的第二差值。
[0121]
在步骤410～470中，以当前熔丝点的实际熔深与下极限值构建的第二差值为例进行示例性说明，实际熔深与上极限值构建第二差值可以按步骤410～470进行类似的操作，在此不在赘述。
[0122]
假设第二范围的上极限值为e1，下极限值为e2。当前熔丝点的实际熔深为b，则获得第二差值k＝|b-e2|。
[0123]
步骤420，基于第二差值确定激光照射点远离当前熔丝点的第一偏移量。
[0124]
进一步地，构建第一偏移量δ1与第二差值k之间的关系。示例性地，第一偏移量δ1可以基于公式(3)进行计算：
[0125]
δ1＝α*k2 γ*k θ
ꢀꢀꢀ
(3)
[0126]
其中，α、γ、θ均为常量。
[0127]
可以理解，存在最优化的第二差值k以得到最优化的第一偏差量δ1。
[0128]
步骤430，获取当前熔丝点之前的若干个熔丝点对应的实际熔深，并生成熔深波动曲线。
[0129]
如图7所示即为根据本说明书一些实施例所示的示例性的熔深波动曲线示意图。图中，m1、m2、
…
、m14这14个点即为当前熔丝点之前的14个熔丝点对应的实际熔深，这14个点的实际熔深可以基于步骤320以及图5的方式得到，在此不在赘述。在一些实施例中，这些实际熔深被作为历史数据存储在如图1所示的存储设备120中，在需要时被调用。
[0130]
进一步地，可以基于以上得到的若干熔丝点对应实际熔深的值，采用最小二乘法、曲线拟合法等方式进行拟合，以得到熔深波动曲线。示例性地，如图7中所示的熔深波动曲线l即为基于m1、m2、
…
、m14这14个点进行拟合得到的熔深波动曲线，熔深波动曲线的纵坐标为熔深m，横坐标为焊接时间t，熔深波动曲线即为熔深m与焊接时间t之间的关系，示例性地表示为m＝l(t)。
[0131]
步骤440，基于熔深波动曲线与第二范围下极限之间的差异确定第二偏移量。
[0132]
在一些实施例中，可以基于熔深波动曲线与第二范围下极限之间围成的面积确定第二偏移量δ2。可以理解，熔深波动曲线与第二范围下极限之间围成的面积可以反映这一段时间内熔深波动曲线与第二范围下极限之间的差异。
[0133]
示例性地，如图7阴影区域所示，可以基于式(4)进行第二偏移量δ2的计算。
[0134][0135]
其中，t1和t2分别代表熔深波动曲线第一个点和最后一个点对应的时间，s1和s2分别代表常系数。
[0136]
步骤450，基于第一偏移量和第二偏移量的加权和确定激光照射点与当前熔丝点的位移向量。
[0137]
示例性地，位移向量δ＝w1*δ1 w2*δ2；带入以上各式，得到式(5)：
[0138][0139]
其中，权重w1和权重w2表示权重系数，其取值在0～1之间。在一些实施例中，权重w1和权重w2可以由人为设定。在一些实施例中，权重w2比权重w1更大，通过这样的设置，可
以使得第二偏移量δ2的权重更大。由于熔深波动曲线能够更加显著地反映熔深波动的趋势，因此其权重应该更大。在一些实施例中，权重w1和权重w2也可以由贝叶斯搜索、网格搜索、暴力搜索算法进行自动计算得到。
[0140]
进一步地，可以基于位移向量控制激光照射点与当前熔丝点的位置关系。
[0141]
图5是根据本说明书一些实施例所示的基于温度曲线获取当前熔丝点的实际熔深的示意性流程图。在一些实施例中，方法500可以由处理设备110执行。在一些实施例中，方法500可以进一步由过程控制系统200执行。在一些实施例中，方法500可以更进一步地由实际熔深确定模块220执行。
[0142]
步骤510，获取当前熔丝点对应的最高温度以及高温停留时间。
[0143]
温度曲线示例性地如图6所示，图中，tm表示最高温度，th表示金属融化温度，th表示高温停留时间。
[0144]
可以从当前熔丝点对应的温度曲线中获取到当前熔丝点实际熔深对应的最高温度(用表示)以及高温停留时间(用表示)。在本说明书的一个及多个实施例中，不妨以表示当前熔丝点的实际熔深。
[0145]
步骤520，获取预设好的第一样本集合。
[0146]
第一样本集合是指已经预先标定好的样本集合，其中包括多条温度曲线样本，每个温度曲线样本均具有对应的熔深标定值。在一些实施例中，温度曲线样本的熔深标定值可以由实验后进行标定。在一些实施例中，温度曲线样本的熔深标定值可以由人工标注。
[0147]
在一些实施例中，还可以由相对应的机器学习模型对第一样本集合进行自动标注。例如，可以由训练好的熔深标注模型对熔深标定值进行标定。训练好的熔深标注模型可以建立温度曲线-熔深的映射关系，以进行熔深标定值的自动标注。
[0148]
在本说明书的一个及多个实施例中，不妨假设第一样本集合{l1,l2,l3，
…
li，
…
,lm}共计m个温度样本曲线；对应的熔深标定值{y1,y2,y3，
…
yi，
…
,ym}，其中，li可以表示l1到lm中的任意一个，yi可以表示y1到ym中的任意一个。
[0149]
步骤530，基于当前熔丝点对应的最高温度以及高温停留时间从第一样本集合中筛选出候选集合。
[0150]
具体地，可以获取第一样本集合中所有温度曲线样本对应的最高温度以及高温停留时间，示例性地，即获取第一样本集合{l1,l2,l3，
…
li，
…
,lm}对应的最高温度以及相对应的高温停留时间
[0151]
进一步地，可以基于当前熔丝点对应的最高温度以及高温停留时间与第一样本集合中的上述最高温度和高温停留时间进行对比，进而筛选出候选集合，筛选后选出的候选集合中包括多条温度曲线样本且其中的每条温度曲线样本对应的最高温度以及高温停留时间与当前熔丝点对应的最高温度以及高温停留时间差异小于第一设定阈值。示例性地，第一设定阈值可以设定为最高温度偏差值
±
5％、高温停留时间偏差值
±
5％，进而从第一样本集合中筛选出对应的候选集合。需要说明的是，第一设定阈值可以根据需
要适应性地调整和设置(如
±
9％、
±
15％、
±
17％等)，本说明书在此不做限制。
[0152]
可以理解，最高温度和高温停留时间是对熔深产生影响的最大影响因素，因此可以先基于这两个参数对第一样本集合进行筛选，筛选出对应的候选集合，再基于候选集合进行后续步骤，从而减少后续步骤中的计算量。
[0153]
步骤540，将候选集合中的每一个温度曲线样本与当前熔丝点对应温度曲线进行匹配，得到对应的相似程度。
[0154]
在一些实施例中，可以将候选集合中的每一个温度曲线样本与当前熔丝点对应的温度曲线进行的对比，以确定相似程度。相似程度可以基于多种方式进行表征。例如，可以基于温度曲线样本与当前熔丝点对应温度曲线之间各坐标的偏差值以及坐标偏差值的统计的偏离数值(如坐标平均偏差、方差、离散值等数据)进行衡量。
[0155]
在一些实施例中，可以将温度曲线样本与当前熔丝点对应的温度曲线统一在同一坐标系后，计算两条曲线间两两相对应的点之间的距离，从而确定两条曲线的偏差。但是这种算法需要穷尽两条曲线数据间两两对应点之间的距离，因此该种计算方式计算量较大。
[0156]
在一些实施例中，为降低温度曲线样本与当前熔丝点对应温度曲线对比时的计算量，还可以抽样选择部分相同坐标点的偏差，以此来代替两条曲线之间的偏差。这种方式虽然降低了计算量，但导致计算结果的随机性较大。
[0157]
在一些实施例中，还可以将温度曲线样本与当前熔丝点对应温度曲线离散为若干点，采用网格划分的方式统计落入相同网格内相同点的数量。落入相同网格内的相同点的数量越多，则说明两曲线越接近。采用这种方式虽然减少了计算量，但牺牲了曲线对比的计算精度。
[0158]
在一些实施例中，还可以机器学习模型的方法判断温度曲线样本与当前熔丝点对应温度曲线的拟合程度。具体地，机器学习模型可以是卷积神经网络。在卷积神经网络中，输入的温度曲线样本与当前熔丝点对应温度曲线可以用图片矩阵来表示，输出可以是两曲线的相似程度。例如，图片矩阵的行可以对应曲线的纵坐标长度，图片矩阵的列可以对应曲线的横坐标长度，图片矩阵的元素可以对应轨迹行经的像素(或坐标值)。在本技术的一些实施例中，卷积神经网络的输入是两条曲线对应的图片矩阵，卷积神经网络的输出是温度曲线样本与当前熔丝点对应温度曲线之间的偏差度或者是相似程度。通过卷积神经网络可以构建两条曲线与相似程度之间的映射关系，得到更加准确的拟合结果。
[0159]
需要说明的是，以上对于预设算法的说明仅作为示例，本领域技术人员可以在本技术的基础上对本技术技术方案做出各种合理的变换。在一些实施例中，可以通过机器学习模型分别获取温度曲线样本与当前熔丝点对应温度曲线的特征向量，基于两特征向量之间的相似度获取两曲线的相似程度。例如，可以通过两曲线对应特征向量的向量距离判断两曲线的相似程度。又例如，可以通过两曲线对应特征向量的相似系数判断两曲线的相似程度。再例如，相似系数可以包括但不限于简单匹配相似系数、jaccard相似系数、余弦相似度、调整余弦相似度、皮尔森相关系数等。类似这样的变化，依然在本技术的保护范围内。
[0160]
步骤550，基于相似程度确定当前熔丝点的实际熔深。
[0161]
在步骤540获取到候选集合中的温度曲线样本对应的相似程度后，可以基于候选集合中温度曲线样本对应相似程度的最大值确定当前熔丝点的实际熔深。示例性地，假设相似程度最大的是温度曲线li，则可以将温度曲线样本li对应的熔深标定值yi作为当前熔
丝点的实际熔深。采用这种方式，可以快速地确定当前熔丝点的实际熔深。
[0162]
在一些实施例中，还可以确定筛选阈值。示例性地，如相似程度以两曲线对应特征向量的相似系数进行表征时，可以将筛选阈值设置为0.95(即曲线拟合程度大于95％时)，并获取达到筛选阈值的一条或者多条温度曲线样本。
[0163]
当筛选出的温度曲线样本有且仅有一条时，将温度曲线样本对应的熔深标定值确定为当前熔丝点的实际熔深。
[0164]
当筛选出的温度曲线样本有至少两条时，有以下两种实施方案获取当前熔丝点的实际熔深。
[0165]
方案1：选取相似程度最大的若干条温度曲线样本及其对应的若干个熔深标定值，采用插值法确定当前熔丝点的实际熔深。具体地，以温度曲线样本的采集时间为横轴，以熔深标定值为纵轴，构建插值曲线，进而基于插值曲线以及当前熔丝点对应的时间确定实际熔深。
[0166]
方案2：选取相似程度最大的若干温度曲线样本及其对应的熔深标定值，采用平均值或者加权平均值的方式获取当前熔丝点的实际熔深。
[0167]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。