第38卷第1期 2017年1月
焊接学报
TRANSACTIONSOFTHECHINAWELDINGINSTITUTION
Vol.38
No.1
January
微间隙焊缝磁光成像NN-KF跟踪算法
高向东，张驰，周晓虎
（广东工业大学广东省计算机集成制造重点实验室，广州510006）
2017
摘要：针对紧密对接微间隙焊缝，分析基于磁光成像的神经网络补偿卡尔曼滤波（kalmanfilteringcompensaledby neuralnetwork，NN-KF)跟踪算法，建立焊缝位置测量模型并运用卡尔曼滤波对焊缝位置偏差进行最优预测.卡尔曼滤波进行最优估计需建立准确的系统模型和观测模型，面在焊缝跟踪过程中，系统噪声具有非先验性，对于针对测量模型误差、过程噪声和测量噪声对卡尔曼滤波结果的影响，运用反向传播（backpropagation，BP）神经网络对卡尔曼滤波结果进行修正，补偿模型误差及噪声统计不确定性造成的滤波误差.结果表明，BP神经网络补偿卡尔曼
滤波算法能有效抑制滤波发散，减小噪声干扰影响，提高焊缝跟踪精度、关键词：磁光成像；焊缝跟踪；卡尔曼滤波；神经网络
中图分类号：TG409 0序言
文献标识码：A
文章编号：0253360X(2017)01000904
络的学习能力，提高焊缝跟踪的准确性、
在激光等厚对接焊过程中，精确控制激光束对中焊缝是保证激光焊接质量的前提"]，传统焊缝跟踪方法主要为结构光视觉法，将可见光谱段的结构光横跨于焊缝位置，在焊缝处形成结构光的突变特征，通过视觉传感器并经过图像处理识别焊缝位置[2]，然而当焊缝间隙小于0.1mm时，结构光在焊缝处的变形极小，难以对焊缝进行识别与跟踪，以法拉第磁光效应为理论基础的磁光成像技术，是种可以获取紧密对接、肉眼难以分辨的微间隙焊缝的新方法[3]，针对焊接过程中存在较多干扰因素，可以应用卡尔曼滤波算法减小噪声影响，提高焊缝跟踪精度
卡尔曼滤波是一种最小方差状态估计算法，广泛应用于信息和跟踪系统领域(4,5)，卡尔曼滤波器在理论上是渐近稳定的，但并不能保证滤波器算法在实际应用中都具有收敛性。这是因为在实际应用中如焊接系统通常无法得到精确的系统模型和噪声模型，导致卡尔曼滤波递推算法过程中出现计算误差，为了抑制滤波器发散，分析一种利用神经网络补偿卡尔曼滤波的方法，用神经网络修正卡尔曼滤波误差，融合卡尔曼滤波的最优估计能力和神经网
收稿日期：2015-05-27
基金项目：国家自然科学基金资助项目（51675104)；广东省科技发
展专项资金资助项目（2016A010102015）；广州市科技计划资助项目（201510010089）；广东省计算机集成制造重点实验室开放基金资助项目（CIMS0F2016008）
方方数据
1.1
磁光检测焊缝试验试验系统及焊缝检测原理
试验系统包括激光YAG焊接机、三轴运动工作
台（含夹具）、磁光传感器、磁场发生器等，如图1所示.试验材料选用厚度为1.84mm的低碳钢板，试件运动由工作台的精密伺服电动机驱动，磁光传感器连接于激光焊接头上，在跟踪过程中摄取焊缝磁光图像，
工控机国
激光头激光束
磁光传感器、
保护气体喷嘴焊件一磁感器
图1试验系统示意图
Schematic diagram of experimental system
Fig.1
磁光传感器基于法拉第磁旋光效应原理，线偏振光经磁光介质时，其振动面会由于焊缝磁场的存在转过角度9,并主要与外磁场强度、光在介质中经过的路程有关，利用磁场测量仪测量偏离焊缝4mm