高強鋼激光焊接凝固裂紋特征識別技術(shù)研究

付玉鵬，柳春恕

1.海翔機械廠 河北邯鄲 057150

2.唐山開元自動焊接裝備有限公司 河北唐山 063000

1 序言

在高強鋼焊接熔池凝固過程中，受各種條件影響，會不可避免地產(chǎn)生不同層次的凝固裂紋[1]。為了保證焊接鋼體結(jié)構(gòu)的穩(wěn)定性，就必須識別出凝固裂紋，但是凝固裂紋出現(xiàn)在焊接熔池的尾端，相比其他區(qū)域，該處狹窄細(xì)小，極大地增加了裂紋識別難度。由于高強鋼的焊接過程極具復(fù)雜性，所以檢測識別凝固裂紋的技術(shù)要求也相當(dāng)高，然而當(dāng)前的凝固裂紋識別多采用傳統(tǒng)方法。傳統(tǒng)的識別技術(shù)雖然能夠識別出一些較大的凝固裂紋，卻難以做到檢測完全，與此同時，傳統(tǒng)的方法還存在很多局限。例如，相關(guān)文獻[2]利用響應(yīng)面優(yōu)化法建立了裂紋率與影響因子關(guān)系的相應(yīng)模型，獲得了關(guān)鍵參量，利用光學(xué)顯微鏡和掃描電子顯微鏡對凝固裂紋特征進行識別。但是，該方法并不能識別到細(xì)小裂紋的存在，嚴(yán)重地限制了高強鋼激光焊接結(jié)構(gòu)的整體穩(wěn)定性能，降低了其使用壽命。

為此，本文提出高強鋼激光焊接凝固裂紋特征識別技術(shù)研究。本文通過3個方面，設(shè)計了高強鋼激光焊接凝固裂紋特征識別技術(shù)，在使用磁光成像技術(shù)的基礎(chǔ)上，得到清晰的高強鋼激光焊接凝固裂紋圖像，并對所得的圖像進行分段處理，轉(zhuǎn)化為8位灰度圖像。在此基礎(chǔ)上，對得到的灰度圖像進行讀取，提取其中相應(yīng)的凝固裂紋特征參數(shù)，將參數(shù)數(shù)據(jù)進行整合，建立AI學(xué)習(xí)知識庫，同時使用相應(yīng)的特征選擇算法排除模糊數(shù)據(jù)，在建立深度學(xué)習(xí)知識庫的同時以推理機輔助，AI自主進行凝固裂紋特征判斷，實現(xiàn)了高強鋼激光焊接凝固裂紋特征識別。通過試驗論證分析的方式，確定本文設(shè)計的高強鋼激光焊接凝固裂紋特征識別技術(shù)，能夠?qū)崿F(xiàn)對焊縫進行凝固裂紋檢測與自動識別，利用這種技術(shù)得到的裂紋數(shù)據(jù)參數(shù)更加具體，能夠做到對焊縫凝固裂紋的全面識別，維護了焊接高強鋼的結(jié)構(gòu)穩(wěn)定性。

2 高強鋼激光焊接凝固裂紋特征識別技術(shù)

2.1 高強鋼激光焊接凝固裂紋局部分段成像

在識別高強鋼激光焊接凝固裂紋特征前，首先使用磁光成像技術(shù)，獲得區(qū)別于傳統(tǒng)圖像的、分辨力更高的高強鋼激光焊接凝固裂紋圖像。本文使用的磁光成像技術(shù)是建立在法拉第旋光效應(yīng)的基礎(chǔ)上，根據(jù)其原理設(shè)計的成像方法。

這種方法的具體方式為：使用照相檢測系統(tǒng)對高強鋼激光焊接凝固裂紋進行圖像獲取，當(dāng)出現(xiàn)線性偏振光時，可以沿著光線的平行方向，另外布置一個磁場進行干擾，其感應(yīng)強度假設(shè)為V，那么在V的干擾下，偏振光就會出現(xiàn)偏振角旋轉(zhuǎn)變化情況，可以將這一偏振角表示為

式中α——旋轉(zhuǎn)角（°）；

C——比例系數(shù)；

V——感應(yīng)強度（T）；

L——偏振光的有效長度數(shù)值（cm）。

偏角后就會改變反射光的強度，那么反射前的光線強度表示為

式中l(wèi)——反射前的光線強度（Lux）；

l0——射入光線強度（Lux）；

ω——原本的偏振角（°）。

放入電磁鐵結(jié)構(gòu)以后，在磁場影響下的光線強度會發(fā)生變化，引入旋轉(zhuǎn)角α，使得相應(yīng)的光線強度也發(fā)生變化。其公式表示為

磁場強度公式表示為

式中G——磁場強度（A/m）；

Gmax——磁場的最大強度（A/m）；

k——磁場的交變頻率參數(shù)。

通過式（4）可以計算出施加的磁場強度。本文設(shè)計的成像結(jié)構(gòu)具體工作原理如圖1所示。

圖1 成像結(jié)構(gòu)具體工作原理

由圖1可知，成像結(jié)構(gòu)所需的硬件基礎(chǔ)為：CCD數(shù)字專用照相機（分辨力為1600dpi×1200dpi）、光源射線發(fā)射器（電壓控制在200V以內(nèi)）、偏振器及檢偏器。同時將相機與計算機相連，傳輸速度可以達(dá)到1024mb/s，便于及時傳輸所采集的圖像。通過上述成像步驟，就可以得到原始的高強鋼激光焊接凝固裂紋圖像[3]。

本文為保證成像結(jié)果的全面性，還使用了局部成像的方法進行細(xì)節(jié)操作。傳統(tǒng)的一體成像方法雖然能夠獲得較清晰的高強鋼激光焊接凝固裂紋圖像，但是對細(xì)小部分處理不夠準(zhǔn)確[4]，為了保障凝固裂紋特征提取的完全性，本文將相機的拍攝頻率進行設(shè)定，然后將成像區(qū)域進行設(shè)定，如將兩塊規(guī)格為5cm×5cm×0.2cm的高強鋼板進行焊接，假設(shè)焊縫的尺寸為5cm×0.2cm，那么就可以將5cm×0.2cm的區(qū)域劃分為5個1cm×0.2cm的分段區(qū)進行拍攝成像，保證焊縫的每一個細(xì)節(jié)都能完全掌握，從而能夠獲得詳細(xì)的凝固裂紋特征數(shù)據(jù)。

此外，本文為保證所得的圖像存儲時的保真率，避免使用jpeg格式保存，這種格式會在計算機中被壓縮，從而使成圖質(zhì)量降低，導(dǎo)致細(xì)節(jié)不能完全展示，甚至出現(xiàn)細(xì)節(jié)丟失的問題，影響后期的裂紋特征提取[5]。因此，本文在保存成圖時，采用的是bmp格式，這樣可以保證成圖的質(zhì)量穩(wěn)定。

2.2 凝固裂紋特征提取

根據(jù)前文的成像技術(shù)，在獲得高強鋼激光焊接凝固裂紋的局部分段成像后，就可以對凝固裂紋的特征進行提取。首先，將焊縫圖像進行預(yù)處理，由于原圖像的色彩繁雜，對辨別焊縫凝固裂紋的影響比較大，因此，本文是先將圖片轉(zhuǎn)換為8位灰度圖像，使得圖像中的像素差異通過亮度的變化表現(xiàn)，相應(yīng)的計算公式為式中O——灰度值；

E——灰度值為（255，0，0）；

F——灰度值為（0，255，0）；

V——灰度值為（0，0，255）。

然后，進一步處理圖像，可以使用相應(yīng)的計算公式將圖像轉(zhuǎn)換成只有黑白兩種灰度值的圖像，其公式為

式中dr（u，h）——在圖像中位置為（u，h）像素 點的灰度值；

t0——灰度值為0（黑色）；

t1——灰度值為255（白色）；

r——分割閾值的替代表示。

通過上述算法就可以得到相應(yīng)的灰度圖像。

此外，對轉(zhuǎn)換后的圖片進行去噪及增強處理，這樣就能夠清晰地確定焊縫的形狀細(xì)節(jié)，改善所得到的圖像數(shù)據(jù)，以方便后期更清楚地識別凝固裂紋。在裂紋特征提取過程中，注意要區(qū)分其他缺陷，比如氣孔、雜質(zhì)及焊點未熔合等，避免將其他缺陷計入凝固裂紋的特征中，對結(jié)果造成影響。在圖像預(yù)處理后，使用Beamlet算法對局部分段成像圖進行凝固裂紋特征提取。

具體步驟如下：假設(shè)得到的鋼體焊縫整體圖像為Q，并且其規(guī)格為wr×hr，假設(shè)分段處理的任意一個局部分段圖為Qe，其規(guī)格為m×n，該局部分段圖的最小灰度值使用Hmin表示，最大灰度值使用Hmax表示，并且還需要滿足Hmax≥Hmin≥0。首先，需要使用冪函數(shù)將分段圖Qe的數(shù)值進行變換，多數(shù)情況下，冪函數(shù)的參數(shù)為γ=1/3，在變換操作后，可以得到標(biāo)準(zhǔn)的數(shù)值參數(shù)；隨后可將參數(shù)進行數(shù)值反轉(zhuǎn)操作，那么這一情況下可以獲得圖像Qe'，在此圖的基礎(chǔ)上，可以進行二進剖析操作，將圖像Qe'均勻拆分為細(xì)節(jié)圖塊，假設(shè)這些細(xì)節(jié)圖塊的規(guī)格尺寸為l×l，那么接下來就可以使用Beamlet算法將其進行計算分析，得到各分段的對應(yīng)線積分值，并將其進行Beamlet局部鏈接，使用自適應(yīng)方法，把幾個Beamlet進行鏈接，在局部全連的情況下，搜尋并提取出更多的、更好的、更接近非二進的Beamlet集合，在多次膨脹及細(xì)化處理之后，可以得到整體的焊接凝固裂紋特征結(jié)果。

通過得到的凝固裂紋特征參數(shù)，分析出凝固裂紋的長度、圓度、寬度及深度特征，總的來說可以分為以下3類：縱向類凝固裂紋、橫向類凝固裂紋、放射類凝固裂紋。本文使用的圖像處理及Beamlet分析提取的焊接凝固裂紋的結(jié)果，雖然并不能做到與裂紋原構(gòu)造一模一樣，但也已經(jīng)是對原焊接裂紋的最接近結(jié)果，能夠很好地反饋凝固裂紋的形狀、延伸方向等特點，并不影響后期的自動識別效果。

2.3 裂紋特征自動識別

由于裂紋多以條狀表現(xiàn)，因此需要一個正確的識別條狀裂紋的算法，方便后期AI進行凝固裂紋的自動識別。本文采用了二值化算法，這種算法能夠有效地提取裂紋特征，同時還可以實現(xiàn)在確定的搜索范圍閾值內(nèi)，對凝固裂紋進行識別。基于上述的圖像整合，可以得到整體圖像連通后的裂紋合并圖像，從而計算整體的裂紋長度，方便AI對其進行判斷識別。

本文利用A I進行深度學(xué)習(xí)，使其學(xué)習(xí)各種圖片處理后的裂紋特征提取參數(shù)，建立了相對應(yīng)的關(guān)聯(lián)知識庫，這個過程中就需要獲取及處理大量的焊縫圖像，因此前期做了大量的圖像儲備。本文采用互聯(lián)網(wǎng)信息數(shù)據(jù)庫建立前期的知識儲備，讓AI通過谷歌數(shù)據(jù)庫進行深度學(xué)習(xí)，包括高強鋼激光焊接技術(shù)、鋼體焊接焊縫缺陷、凝固裂紋特征以及其他相關(guān)知識。

在深度學(xué)習(xí)的同時，還安排A I學(xué)會進行特征的選擇，并不是所有凝固裂紋特征都是最有效的，一些不完全特征容易造成概念模糊，影響后期的識別效果。讓AI進行特征選擇，對獲得的知識庫信息進行預(yù)處理，去掉不相關(guān)的參數(shù)信息，降低后期的推理難度。為此，本文為AI添加特征選擇的相關(guān)算法，在處理各個焊縫局部圖片裂紋信息時，AI能夠進行分類選擇，在總的焊接數(shù)據(jù)集合中，選擇最適合的一個或者多個子集，剔除綴余的無用子集。

在AI進行選擇前，本文制定了合適子集選擇的標(biāo)準(zhǔn)，本文采用線性鑒別分析方法作為確定子集的方法，也就是LDA法。LDA能在準(zhǔn)則函數(shù)的基礎(chǔ)上，對合集的最優(yōu)投影方向進行尋找，同時輔助以最小均方誤差準(zhǔn)則，即MSE準(zhǔn)則，在確定最優(yōu)方向的基礎(chǔ)上，提高凝固裂紋特征選擇的精準(zhǔn)度。首先可以假設(shè)存在規(guī)則E，其推理條件為V1V2V3…Vn（n＞1），E的置信度使用e表示，其條件的置信度相應(yīng)設(shè)置為D1D2D3…Dn（n＞1），那么就可以得出該規(guī)則的最終置信度，其公式表示為

式中Emin——上述條件中最小的置信度表示；

QE——最終置信度的表示方式。

通過上式，能夠計算焊縫裂紋參數(shù)的可信度，進而進行選擇。

另外，還可以為建立的知識庫添加SQL語言管理模型，能夠在AI自主學(xué)習(xí)之外，進行人工輸入專業(yè)的焊縫特征提取結(jié)果，這些知識經(jīng)驗?zāi)軌蚴沟闷涓玫剡M行識別作業(yè)。

本文使用推理機，協(xié)同數(shù)據(jù)庫的知識儲備，讓AI通過算法計算圖像中缺陷的寬度、深度及長度參數(shù)，利用數(shù)據(jù)庫信息與當(dāng)前條件匹配并進行推理，判斷是否為凝固裂紋。這種推理方法采用的是正向推理法，也就是在知識庫數(shù)據(jù)參數(shù)的基礎(chǔ)上，針對當(dāng)前數(shù)據(jù)，計算機AI進行數(shù)據(jù)庫匹配，匹配成功就能實現(xiàn)推理，并且能夠做到將當(dāng)前匹配的數(shù)據(jù)進行保存，可拓寬知識庫儲備面。

為保證整體運行的統(tǒng)一性，本文整合了上述3個模型，即凝固裂紋自動識別技術(shù)模型，大體為：在磁光成像的基礎(chǔ)上，連接計算機AI，使用8位灰度圖像進行轉(zhuǎn)化后，提取凝固裂紋特征，與知識庫匹配進行推理，最終判斷是否為凝固裂紋，實現(xiàn)凝固裂紋的識別。

3 試驗論證分析

為保證本文提出的凝固裂紋特征識別技術(shù)的有效性，特進行試驗論證，試驗分別采用傳統(tǒng)識別方法與本文設(shè)計方法進行凝固裂紋特征識別。

3.1 試驗準(zhǔn)備

本次試驗采用相同焊接方法，選用Q460鋼作為試驗?zāi)覆模叽鐬?0cm×10cm×2cm，采用德制6kW光纖激光加工系統(tǒng)通過單面單點的形式進行焊接，保證焊接時的溫度穩(wěn)定以及環(huán)境密閉，避免其他條件影響焊縫質(zhì)量。在焊接冷卻時控制焊縫明確存在1條凝固裂紋，其他詳細(xì)裂紋未知。通過高精度電子微型攝像頭拍攝，人工經(jīng)驗判定焊縫周圍存在并列的2條裂紋，分別使用傳統(tǒng)凝固裂紋特征識別技術(shù)和本文設(shè)計技術(shù)進行凝固裂紋特征的識別，根據(jù)計算機統(tǒng)計數(shù)據(jù)，得出試驗結(jié)果。

3.2 試驗結(jié)果

為保證試驗的嚴(yán)格性，本文對10cm長的焊縫進行兩種方法的識別操作，統(tǒng)計識別結(jié)果見表1。

表1 焊縫凝固裂紋識別參數(shù)

表1結(jié)果顯示了兩種方法下凝固裂紋的識別參數(shù)。通過分析其具體結(jié)果可得出，本文提出的識別技術(shù)與傳統(tǒng)方法相比具有很大的優(yōu)勢。首先從總體識別量來講，本文的方法將3個凝固裂紋全部識別出來，而傳統(tǒng)方法僅識別出大裂紋的存在，卻不能把細(xì)小的裂紋識別出來。

采用本文方法和傳統(tǒng)方法對高強鋼激光焊接凝固裂紋特征識別精度進行對比分析，結(jié)果見表2。

表2 高強鋼激光焊接凝固裂紋特征識別精度對比結(jié)果

根據(jù)表2中的數(shù)據(jù)可知，采用本文方法進行高強鋼激光焊接凝固裂紋特征識別的精度最高可達(dá)98.6%，傳統(tǒng)方法進行高強鋼激光焊接凝固裂紋特征識別的精度最高只有87.5%，因此本文方法進行高強鋼激光焊接凝固裂紋特征識別的精度最高。

為了進一步驗證本文方法的有效性，對本文方法和傳統(tǒng)方法的高強鋼激光焊接凝固裂紋特征識別靈敏度進行對比分析，結(jié)果如圖2所示。

圖2 裂紋特征識別靈敏度對比結(jié)果

由圖2可知，本文方法的高強鋼激光焊接凝固裂紋特征識別靈敏度最高可達(dá)98%，識別效果最好。

通過上述試驗結(jié)果分析表明，本文設(shè)計的方法能夠有效識別出高強鋼激光焊接凝固裂紋的存在，且識別精度和識別靈敏度高，識別數(shù)量全面、識別參數(shù)誤差小，無限逼近真實的裂紋情況，幾乎可以視為零誤差，對凝固裂紋的識別具有實際意義。

4 結(jié)束語

本文設(shè)計了高強鋼激光焊接凝固裂紋特征識別技術(shù)，在使用磁光成像技術(shù)的基礎(chǔ)上，提取其中相應(yīng)的凝固裂紋特征參數(shù)，將參數(shù)數(shù)據(jù)進行整合，建立AI學(xué)習(xí)知識庫，使得 AI自動進行凝固裂紋特征判斷，實現(xiàn)了高強鋼激光焊接凝固裂紋特征識別。希望本文的研究能夠提高焊接質(zhì)量，為抑制高強鋼激光焊接過程中的凝固裂紋產(chǎn)生提供理論依據(jù)。