基于声音传感与电流控制的K-TIG焊熔透监控系统与方法与流程

本发明涉及焊接质量闭环控制技术领域，尤其涉及一种基于声音传感与电流控制的k-tig焊熔透监控系统与方法。

背景技术：

k-tig焊是通过大电流(300-1000a)形成小孔而实现深熔焊的一种新型焊接方法。它可对3-16mm的母材一次单面焊透双面成形，具有高效率、高质量和低成本优势。可用于压力容器、船舶、输油管道等需要中厚板焊接的领域。

传统的焊接工艺参数实时调整主要依赖于人工的经验，但由于热累积效应、加工及装配误差等原因，在实际焊接环境中很难保证焊缝所有位置都有良好的熔透。而接头的熔透状态一直被作为实现焊接质量控制的最重要特征信息之一。因此，通过分析焊接过程参量，实时监控焊接过程中工件熔透状态，才能更好保障接头质量，进而提高焊接自动化、智能化的水平。

为实时监控接头熔透状态，首要任务就是实时获取表征熔透状态的参量。由于k-tig焊使用的大电流带来强弧光、强电磁干扰，传统利用视觉传感获取熔透状态参量的方式易受干扰、极不稳定且对安装要求高，对准确建模以及实际控制都带来误差。因此，本发明引入声音传感获取k-tig焊接头熔透状态信息。电弧声信号包含大量焊接过程信息，对焊接过程中焊接缺陷有明显的反映效果，不易受电磁干扰和工件形变的影响，实时性好，尤其适合k-tig焊过程监控。有经验的焊工即可借助电弧声信号与个人经验判断熔透状态并作出决策。因此，模拟此信息接收与决策过程可实现熔透状态监控。

国内外从80年代就关注焊接过程声音信号的研究，但目前的研究结果证实：基本实现了激光焊、等离子弧焊等接头熔透状态的在线监控，却很少有文献资料证明实现氩弧焊、熔化极气体保护焊等接头熔透状态的在线监控。对于氩弧焊、熔化极气体保护焊等，大部分研究集中于电弧声信号的特征提取及熔透状态建模，而未能实现闭环控制。主要是因为有效电弧声信号特征获取困难，熔透状态与电弧声信号的关系呈现高度非线性，以及响应速度无法满足工业应用要求等。

技术实现要素：

为解决上述技术问题，本发明的目的是提供一种基于声音传感与电流控制的k-tig焊熔透监控系统与方法。

本发明的目的通过以下的技术方案来实现：

基于声音传感与电流控制的k-tig焊熔透监控系统，包括：

声传感系统，用于实时采集k-tig焊电弧声信号；

控制系统，由工控机、plc与电磁继电器组成，用于控制声音信号的采集，并对采集到的k-tig焊电弧声信号进行特征提取，选择一定维度的特征子集表征熔透状态，识别熔透状态及反馈控制焊接电流；

焊接系统，由深熔弧焊机、焊枪、水箱和气瓶组成，用于初始设置焊接参数和实时响应电流变化；

机器人系统，用于控制焊枪按预设路径行进。

基于声音传感与电流控制的k-tig焊熔透监控方法，包括：

a改变焊接电流，采集k-tig焊电弧声信号；

b将采集到的k-tig焊电弧声信号进行特征提取，并选取一定维度的特征子集表征熔透状态；

c根据特征子集建立支持向量机svm模型，设计粒子群算法pso优化模型参数，进行模型训练，得到熔透识别模型；

d实时提取焊接电弧声信号特征子集，识别熔透状态；

e以熔透状态量作为输入，采用模糊控制律，进行焊接电流调整，使每个位置k-tig焊接接头完全熔透。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

对k-tig焊的研究，引入声音传感，构建低成本的熔透控制系统，对8-12mm的304不锈钢进行接头熔透状态实时监控；

基于特征选择理论，选择出有效特征子集表征声音信号与熔透状态的关系,使得熔透识别稳定性好且速度快；

利用工控机+plc的控制架构，采用模糊控制律，模拟焊工焊接经验实时调整焊接电流，响应速度快。

附图说明

图1是基于声音传感与电流控制的k-tig焊熔透监控系统结构图；

图2是基于声音传感与电流控制的k-tig焊熔透监控方法流程图；

图3是预处理后的k-tig焊电弧声信号；

图4是k-tig焊电弧声信号特征提取与选择流程图；

图5是电流闭环控制原理图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

如图1所示，是基于声音传感与电流控制的k-tig焊熔透监控系统结构，包括：

声传感系统，用于实时采集k-tig焊电弧声信号；传声器采用全向电容式mp201麦克风，量程为20-20khz，与工件背面焊缝中心的距离为100mm，与工件水平面的夹角为80°，采集频率为42khz，与nc1004信号调理器、ni6221采集卡配合使用。

控制系统，由工控机、plc与电磁继电器组成，用于控制声音信号的采集，并对采集到的k-tig焊电弧声信号进行特征提取，选择一定维度的特征子集表征熔透状态，识别熔透状态及反馈控制焊接电流；

焊接系统，由深熔弧焊机、焊枪、水箱和气瓶组成，用于初始设置焊接参数和实时响应电流变化；

机器人系统，用于控制焊枪按预设路径行进。

本实施例采用未开坡口对接焊接，焊缝间隙为1mm，声音信号在多组不同焊接电流条件下得到，电流范围为500-580a，背面熔宽由焊缝检验尺测得。依焊件背面熔宽w将熔透状态分为三类，即未熔透、完全熔透与过熔透，分别对应于w＜1mm、1≤w＜2.5mm、w≥2.5mm。

如图2所示，本实施例还提供了一种基于声音传感与电流控制的k-tig焊熔透监控方法，包括

步骤10改变焊接电流，采集k-tig焊电弧声信号；

步骤20将采集到的k-tig焊电弧声信号进行特征提取，并选取一定维度的特征子集表征熔透状态；

步骤30根据特征子集建立支持向量机svm模型，设计粒子群算法pso优化模型参数，进行模型训练，得到熔透识别模型；

步骤40实时提取焊接电弧声信号特征子集，识别熔透状态；

步骤50以熔透状态量作为输入，采用模糊控制律，进行电流调整，使每个位置k-tig焊接接头完全熔透。

上述步骤20具体包括：

对采集到的k-tig焊电弧声信号，进行分帧、去直流及滤波处理；

提取多维时域、频域相关特征；

根据多维相关特征，提出基于加权打分准则与svm的特征选择方法，所述加权打分准则与svm的特征选择方法包括将所有特征按得分高低排序并组合成子集，子集维数累加1后依次送入svm模型中，最终选择测试集最高识别准确率对应的特征子集表征熔透状态。

上述步骤30中采用pso优化svm的模型参数，并结合十折交叉验证法，在所选的最优特征子集和测试集上，得到熔透识别模型。

上述步骤40中提取焊接电弧声信号特征子集包括时域和频域特征提取分两个线程进行。

上述步骤50具体包括：

根据经验总结出电流控制的模糊控制率；

将上一时刻和当前时刻的熔透状态量作为输入，按照模糊化、结合实验经验和焊工焊接经验进行模糊推理和解模糊得到电流控制量；

由工控将电流控制量通过串口rs232发送给plc；

plc根据电流控制量控制电磁继电器触发相应的开关进行电流调整，使每个位置k-tig焊接接头完全熔透。

如图3所示，由于声音信号为非平稳随机信号，将声音信号序列的每3000个采样点记为一帧。同时，选用低通滤波与1×5矩形窗口的滑动中值滤波相结合的方法滤除噪声。如图4所示，提取28维时域和频域相关的特征，克服特征提取的主观性与盲目性。

提取声音特征后，本实施例提出基于加权打分准则与svm的特征选择方法，既提高识别稳定性又加快处理速度。计算28维特征的归一化fisher距离与最大信息系数，分配对应权值为0.8和0.2，得出加权得分并按得分由高到低排序。基于svm模型，进而得到不同特征子集与识别准确率的对应关系，当特征维数为7-14时，均可获得85％以上的识别准确率，本发明最终选取7维特征子集。

将7维特征归一化处理后送入svm模型中进行训练，且svm模型参经pso优化，结合10折交叉验证，得到最优识别模型。

电流控制过程如图5所示。对于一次k-tig焊接过程，实时获取电弧声信号，提取7维特征，送入训练好的熔透识别模型中，得到焊接接头的熔透状态量。依据焊工的焊接经验和平时实验得到的经验，总结出以上一时刻熔透状态量s(t-1)和当前时刻熔透状态量s(t)作为输入，电流控制量δi(t)作为输出的模糊控制率，模糊规则表如表1所示。

表1

将输入s(t)、s(t-1)取值范围设为[-1,1],划分为3个模糊集，分别为负大(nb)、零(zo)、正大(pb)。将控制量i(t)取值范围设为[-14,14],划分为5个模糊集，分别为负大(nb)、负小(ns)、零(zo)、正小(ps)、正大(pb)。对s(t-1)、s(t)进行模糊化，隶属度函数采用高斯隶属函数。根据模糊化后的熔透状态隶属度向量s(t-1)、s(t)进行模糊推理，得到电流的隶属度向量i(t)。对电流隶属度向量i(t)进行解模糊得到电流控制量δi(t)，解模糊方法采用最大隶属度法。

工控机将δi(t)通过串口rs232发送到plc。电流控制是通过触发开关实现的，通过触发不同开关使电流进行相应大小的变化，电流控制步长有：±100a，±10a，±1a。plc将电流控制量解析成不同控制开关的触发次数，并控制电磁继电器连续触发相应的开关。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。