冷軋帶鋼激光拼焊的焊縫在線檢測研究

盛利民，唐霞輝*，彭 浩，潘吉興，裴 云，朱海云

(1.華中科技大學光學與電子信息學院激光加工國家工程研究中心，武漢430074;2.武漢鋼鐵股份有限公司，武漢430074)

引 言

激光焊接設備是冷軋薄板生產線必不可少的拼焊設備。帶鋼在線行走不僅距離長，而且還要經過多次“S”型彎曲變形，并承受一定的運行張力，因此，對焊縫的性能和質量提出了較高的要求。激光焊接設備拼焊的焊縫質量如何，由焊縫質量檢測系統進行判斷。

德國Miebach公司聯合Falldorf公司推出了激光焊接質量檢測系統(quality control date system，QCDS)［1］。加拿大 Servo-Robot公司推出了具有焊縫跟蹤、焊接質量檢測以及激光焊接過控制功能的DIGILAS產品［2］。de GRAAF編寫了可以滿足激光自動焊接精度要求的實時焊縫追蹤算法，該算法需要一個傳感器計算激光焦點，由于計算與焊接同步進行，算法速率快［3］。

天津大學的學者研究了用于機器視覺的焊縫圖像獲取及圖像處理，以及基于TOTA-400Ⅱ型CCD攝像機、OK-C20采集卡、640nm～660nm帶通濾波片等的試驗條件［4］。上海交通大學的學者研究了針對CMOS圖像傳感器的高效采集卡，用于管道焊縫X射線無損實時檢測系統［5］。目前國內對激光焊接焊縫質量檢測的研究多數為離線檢測，即焊接后對焊縫質量進行檢測，這類系統無法預計焊縫質量，并無法在焊接前調整帶鋼間隙以避免焊接錯誤。

本文中針對武鋼冷軋總廠使用的德國Miebach公司生產的激光拼焊設備，其焊接厚度在0.3mm～8mm之間，最大焊縫長度可達2m(根據生產線配置)，焊接速率為1m/min～8m/min［6］。激光拼焊由于激光束的光斑直徑較小，如果板材之間的加工間隙過大，激光束將從間隙中漏過，無法形成焊縫，因此板邊的預加工質量非常重要，特別是對于薄板而言，剪切質量、對縫精度、焊接工藝三要素是保證焊縫質量的前提條件。

1 檢測系統結構

1．1 整體結構

圖1為冷軋帶鋼拼焊設備整機圖，其中圖1a為焊機結構示意圖，激光焊機主要包括激光器、焊接小車、機械底架、雙切剪、激光焊接頭、診斷及操作設備等幾部分。診斷及操作設備包含生產模塊、輸出模塊、監測模塊以及維護模塊［7］。焊接整體過程為準備工作，如圖1b所示的送料圖，前卷帶鋼末端到達精剪位置，鋼板對中之后由大壓板壓緊帶鋼，后卷帶鋼頭端抵達精剪位置，同樣對中控制之后由大壓板壓緊后帶鋼，同時剪切前后兩鋼帶端部。高精剪退出，小壓板及支撐系統進入工作位置，驅動小壓板分別壓住兩鋼帶，驅動后鋼帶夾緊機構前進，完成對縫。圖1c為焊接系統工作圖，同時電阻加熱滾輪使未拼縫移動進行退火處理(根據需要)。退出激光頭，同時沖工藝孔，松開夾緊機構。抬起入口、出口托輥以使得鋼帶向前運動，鋼帶定位，月牙剪剪邊。高精剪及焊接系統退回原位［8］。

Fig.1 Cold-rolled strip welding equipmenta—equipment structure diagram b—picture of feeding c—picture of operation

1．2 檢測結構

如圖2所示，激光拼焊焊縫質量檢測系統主要由傳感器、模數轉換模塊、信號處理模塊、控制模塊、計算機組成。其中圖2a為檢測系統元器件連接示意圖。傳感器有間隙傳感器、穿透傳感器以及焊縫傳感器，其主要作用是采集圖像信號。拼焊系統在線檢測流程如圖2b所示。焊接速率、激光焦距、激光功率、帶鋼材質以及前后帶鋼厚度偏差都會影響拼焊檢測系統的判定。因此，在系統開啟后要進行系統參量設定。本文中基于Miebach激光焊機焊接條件要求，前后帶鋼厚度應滿足條件:0.8mm，其中 D1和 D2為前后帶鋼厚度［1，6，9］。

Fig.2 Detection systema—diagram of components connection b—flow chart of on-line detection system

2 拼縫及激光焊接過程檢測機理

激光拼焊檢測機理主要是圖像采集、信息提取、數據反饋及閾值判斷。其中圖像采集方式以及信息提取對判斷結果有重要的影響。系統采用視覺檢測對焊接過程進行監控。視覺檢測技術是建立在計算機視覺研究的基礎上。利用圖像檢測器件采集圖像，通過計算機從圖像或圖像序列中獲取信息。

2．1 圖像采集

圖像采集由傳感器實現，傳感器采用CCD攝像頭。3個傳感器相應位置如圖3所示，帶鋼上面的兩個傳感器分別檢測焊接前焊縫的寬度和焊接后焊縫的表面缺陷，而帶鋼下面的攝像機用來檢測激光焊接時的熔池狀態，通過檢測信號強度來判斷焊縫是否焊透［1-2］。

Fig.3 Diagram of laser welding inspection system

圖4 為采集焊縫圖像的裝置示意圖。焊縫傳感器通過對焊縫圖像處理獲得焊縫填充性以及焊縫錯邊量等焊縫形態信息。考慮到在焊接過程中，大量的飛濺，弧光干擾采集到的圖像，不利于特征量的提取，但是在(602～697)nm區域內弧光特征較少。且基本是強度較弱的連續譜，裝置如圖采用波長為650nm激光二極管，并在傳感器窗口加上可透過波長為(640～660)nm光的窄帶濾波片［10］。

Fig.4 Acquisition of weld seam image

2．2 焊接信號提取

對采集到的圖像信號進行處理，從中獲得所需數據。首先對圖像進行加窗以減少運算量。然后對圖像進行二值化，獲取邊緣，計算中心線，查找特征值，計算相關量。本文中運用MATLAB進行圖像處理。

運用大津法閾值原理將圖像二值化［11］。運用查找的方法獲得閾值使背景與目標的類間方差最大，對m×n圖像I(i，j)，分割閾值T，設背景像素數(I(i，j)＜T)為n0，占整幅圖比例為 ω0，灰度均值 μ0，目標像素數(I(i，j)＞ T)為 n1，占整幅圖比例為 ω1，灰度均值μ1。整幅圖像灰度均值μ，類間方差σ。則可得關系式:

運用MATLAB通過查找的方法提取光條紋邊緣信息。分別查找二值圖像光條紋上下邊緣，為了避免噪點對查找邊緣影響，將當前邊緣值與前一列邊緣值對比，若行坐標變化過大，則在保留變化趨勢的前提下減小當前邊緣行坐標值變化量［10］。記錄每列上下邊緣行坐標x1，x2，計算光條紋中心線有關系式:

若要獲得焊縫的各項數據，還需要查找光條紋特征點。由于獲得的光條紋中心線不是嚴格直線段，因此不能用求斜率的方法找特征點。本文中根據光條紋照在焊縫上，條紋形變灰階值發生變化的特點，求灰度變化最快的點，再對比光條紋邊緣形狀判斷特征點，進而計算相應量［10，12］。運用數值微分公式計算灰度變化最快的點［13］。對圖 I(i，j)在點(i，j)處灰度值變化程度K有:

傳感器采集的2維平面圖像失去了一些3維信息，因此從2維圖像中獲取信息如拼縫寬度、焊縫錯邊量、焊縫寬度等需經過一系列計算。采用投影幾何的原理從平面2維圖像獲得焊縫3維信息。

圖5所示為圖像信息及坐標標定［12，14］。其中圖5a為像坐標到空間坐標轉換原理圖，如圖空間一點M投射到像平面上m點。在像平面R建立正交坐標系，中心為 c;相機坐標(x，y，z)，中心為 C。其中 x，y與像坐標方向一致，z坐標平行于光軸。像平面R與C點的距離為焦距。設焦距作為單位長度，并相應地改變像平面坐標。M坐標(x，y，z)T與m坐標(u，v)之間的關系由泰利斯定理可得:

Fig.5 Welded image information＆coordinates calibrationa—coordinate conversion b—sensor adjustment c—image information acquisition

由(4)式可知，任意比例(λx，λy，λz)T代表一條光線。光線上的任意一點都會落在像平面m上。為確定點M空間位置，需要對傳感器進行標定，標定即確定傳感器相對于焊縫的位置，如圖5b所示，對傳感器進行調整，調整過程中記錄高度以及角度信息。通過圖像處理可以獲得如圖5c所示的信息，直線1為帶鋼左邊緣，直線2為帶鋼右邊緣，P和Q為特征點。通過計算可得焊縫寬度等在圖像坐標下的值，通過傳感器標定，進而獲取空間坐標值［1，14］。

3 實驗分析

3．1 焊前拼縫信號檢測

間隙傳感器獲得拼縫的位置以及間隙寬度等信號如圖6所示。其中圖6a為間隙傳感器所獲取圖像信息，對其進行圖像處理，通過標定得到拼縫寬度信息。圖6b是開啟背景照明使得間隙處亮度增大。同樣通過灰度分析即可獲得間隙寬度信息和間隙位置［1，12］。

Fig.6 Gap detectiona—gap width b—gap position

3．2 焊接過程檢測

Fig.7 Penetration detectiona—sensor position b—penetration image

穿透傳感器檢測焊接過程中焊機是否將帶鋼下表面完全熔化，如圖7所示。帶鋼焊透與否影響焊縫內部受力分布，因此焊接過程中的熔透信號采集是評定焊縫質量的關鍵。為避免光束下方焊渣污染傳感器窗口，穿透傳感器位置如圖7a所示在激光束的斜下方。圖7b為傳感器獲得的圖像信號，對圖像信號進行灰階分析，得到直方圖，并對其進行均衡化。這樣可以獲得較精確的灰度統計信息。將計算結果與所設置的閾值作對比，超出(低于或高于)閾值范圍的取樣均不合格。穿透傳感器所得的穿透值是以200Hz為取樣頻率的平均值［1］。

3．3 焊后質量檢測

圖8為焊縫傳感器獲得的不同焊縫形態圖像及圖像處理信息。其中圖8a為焊縫傳感器采集焊縫試樣1、試樣2、試樣3、試樣4的原圖像。由圖中可以粗略的看到光條紋發生不同程度的形變，通過分析光條紋形變情況判斷焊縫形態。圖8b為焊縫圖像加窗。加窗后圖片像素大小為500×200。圖8c運用大津法確定閾值，對加窗后的圖像進行二值化。對圖8c進一步處理，通過查找法獲得邊緣圖像如圖8d所示。提取邊緣后的焊縫圖片可以更清晰看到光條紋的變形，為了得到量化的形變量，需要對邊緣提取中心線。

Fig.8 Image process of welding samplesa—original image b—windowed image c—image binaryzation d—extraction of seam edge

圖9 為焊縫試樣圖像信息提取。通過前面處理后的圖像中獲取焊縫信息，首先提取光條紋中心線及特征點。然后查找特征點，本文中查找了6個特征點(P1，P2，…，P6)，按坐標排序。計算兩列坐標差值即可得到焊縫寬度信息。計算行坐標差值可以獲得焊縫錯邊量。在計算行坐標前，需要先對特征點P1之前中心線行坐標求平均值，特征點P6之后的值進行同樣處理。這樣獲得更加精確的焊縫錯邊量。圖9中以試樣2為例計算焊縫數據。由圖中可以看出，焊縫試樣2的錯邊及增強高量比較大。從特征點P1與特征點P5的列坐標之差可以獲得焊縫寬度信息，特征點P1與特征點P6的行坐標之差可得焊縫錯邊量信息。通過傳感器標定，標定系數與像素點數相乘即可獲得實際數值。

Fig.9 Extraction of welded image information of sample 2

本實驗中通過標定獲得水平方向及豎直方向標定系數均為0.018mm/pixel。從而得到4種焊縫試樣的焊縫寬度、焊縫錯邊量以及焊縫增強高量，見表1。由于錯邊量相對較小，實驗條件無法測出實際錯邊量。經過計算得到實驗測量焊縫寬度相對于手工測量值誤差均值為4.42%。誤差原因有幾種情況:在特征點提取時，由于一些噪點，有的特征點并未準確位于焊縫端點處，造成計算誤差;由于個人原因，手工測量值較真實值存在一定誤差;傳感器標定后，出現抖動等都會影響最終測量值［10］。

Table 1 Experimental data

Fig.10 Welded sample test

圖10 中檢驗了拼焊試樣的焊縫質量。焊接完成后對拼焊鋼板進行焊縫沖壓實驗以檢驗焊接質量，沖壓試驗中通過觀察拼焊板是否開裂判斷焊縫合格與否。沖壓試驗中，若拼焊板完好，則焊縫合格;若拼焊板在除焊縫外的其它位置開裂，則焊縫合格;若拼焊板在焊縫處開裂且開裂方向與焊縫方向相同，則焊縫不合格。

4 結論

本文中對激光拼焊機焊縫質量檢測系統進行了細致研究，探究了其工作原理，并通過焊接實驗試樣，對幾種焊接缺陷進行了分析。

(1)采用3個傳感器分別采集焊接前拼縫圖像信息，焊接過程中帶鋼熔透信息，焊后焊縫形態圖片信息。用投影矩陣的方法對傳感器進行標定可以有效從2維圖像上提取準確的信息。

(2)通過大律法計算圖像閾值，將采集圖像二值化，采用逐列搜索的方法找到邊緣位置，求條紋中心線，通過最小二乘法得到帶鋼母材位置。求出焊縫寬度，錯邊量等與閾值進行比較，判斷焊縫是否合格。

(3)本文中以4個焊接試樣為例，計算得焊縫寬度相對誤差為4.42%。并得到4個試樣的錯邊量。實驗證明，焊縫檢測系統可以有效地預測故障，對焊接過程以及焊縫特性進行分析、判斷，并通過統計給出拼焊是否合格的信息。

［1］ FALLDORF SENSOR GMBH.Device for regulating the seam position during laser welding of butt joints carries out the regulation depending onthe detected misalignmentofmolten bath to joint:DE 200810047140［P］.2010-03-25.

［2］ GAO S Y，WU R M，CHEN W D，et al．Development status of laser welding process monitor and seam quality detection［J］.World Iron ＆Steel，2010，10(3):51-54(in Chinese).

［3］ de GRAAF M，AARTS R，JONKER B，et al.Real-time seam tracking for robotic laser welding using trajectory-based control［J］.Control Engineering Practice，2010，18(8):944-953.

［4］ LIU Y，WANG G，WANG G D，et al.For machine vision image ac-quisition and image processing of weld［J］.Computer Engineering and Applications，2014，50(3):135-140(in Chinese).

［5］ HUO D，LU C X.X-ray imaging system for pipeline girth weld inspection based on CMOS video capture card［J］.Instrument Technique and Sensor，2013(12):160-162(in Chinese).

［6］ HUGO MIEBACH GMBH.Laser beam welding of sheet，comprises arranging butt joint edges of sheet to be welded，which are adjacent to each other，in impact distance，and fusing by focused laser beam，which produces uniform weld seam withoutheightoffset:DE 201110002023［P］.2012-10-18.

［7］ THYSSENKRUPP STEEL AG. Laser beam welding EAD:CA2638007A［P］.2010-06-22.

［8］ SUN H X，MA Z H，CHEN H Y，et al.High-precision centering control system design of laser welder［J］.Electric Welding Machine，2013，43(6):16-21(in Chinese).

［9］ VELARDE G，BINROTH C.Advances in data mining［M］.Berlin，Germany:Springer，2010:350-361.

［10］ ZHANG W J，XU M.Research on structured light visual inspection system for weld of tailored blanks laser welding［J］.Machinery Design ＆ Manufacture，2011，241(3):156-158(in Chinese).

［11］ WU B，QIN Z Y.New approaches for the automatic selection of the optimal threshold in image binarization［J］.Journal of Institute of Surveying and Mapping，2001，18(4):283-286(in Chinese).

［12］ GRAAF M W.Sensor-guided robotic laser welding［M］.Amersfoort，Netherlands:University of Twente，2007:11-95.

［13］ GAUTSCHI W.Numerical analysis［M］.New York，USA:Springer，2011:159-232.

［14］ FAUGERAS O，LUONG Q T.The geometry of multiple images:the laws that govern the formation of multiple images of a scene and some of their applications［M］.Cambridge MA，USA:MIT Press，2004:1-61.