基于異構(gòu)計(jì)算的電弧增材制造熔池尺寸在線檢測(cè)算法

周天生, 董博倫, 林三寶, 蔡笑宇, 范成磊

摘要： 電弧增材制造過程中的熔池形態(tài)影響沉積態(tài)金屬的成形，為了得到良好的增材產(chǎn)品，首先需要實(shí)現(xiàn)對(duì)增材過程的在線監(jiān)測(cè)，以獲取熔池形態(tài)尺寸等數(shù)據(jù)，為進(jìn)一步反饋控制提供前提條件。在線監(jiān)測(cè)的重點(diǎn)之一在于計(jì)算機(jī)的圖像處理速度，而圖形處理器GPU作為強(qiáng)大的圖形處理設(shè)備，比CPU更適合做大量圖像相關(guān)的計(jì)算。為此，文中采用CPU/GPU異構(gòu)協(xié)同并行計(jì)算方法，試圖通過調(diào)用GPU設(shè)備加速圖像處理過程，以實(shí)時(shí)獲取電弧增材制造過程中的熔池形態(tài)尺寸信息。試驗(yàn)結(jié)果表明，無論GPU調(diào)用與否，同一處理程序?qū)ν灰曨l處理所得到的熔池寬度結(jié)果基本相同，而當(dāng)調(diào)用GPU后，每幀圖像的處理時(shí)間大幅降低，處理效率得到很大程度的提高。因此，異構(gòu)計(jì)算為電弧增材制造熔池尺寸在線監(jiān)測(cè)提供了可能。

關(guān)鍵詞： 異構(gòu)計(jì)算； 在線檢測(cè)； 增材制造； 電弧

中圖分類號(hào)：? TG 444

An online detection algorithm of wire arc additive manufacturing

molten pool dimension based on heterogeneous computing

Zhou Tiansheng， Dong Bolun， Lin Sanbao， Cai Xiaoyu， Fan Chenglei

（Harbin Institute of Technology， Harbin 150001， Heilongjiang， China）

Abstract： Morphology of molten pool affects formation of deposited metal during wire arc additive manufacturing. In order to obtain good additive products， it is necessary to realize online detection of additive process first， so as to obtain shape and size of molten pool and other data， and provide prerequisite for further feedback control. One of the key points of online detection is image processing speed of computer. As a powerful graphics processing equipment， graphics processing unit （GPU） is more suitable for doing a large number of imagerelated calculations than CPU. Therefore， CPU/GPU heterogeneous collaborative parallel computing method was adopted in this paper to accelerate image processing process by calling GPU devices， so as to obtain information of shape and size of molten pool in the process of arc additive manufacturing in real time. The results showed that whether GPU was called or not， results of weld pool width obtained by the same video processing program were basically same. When GPU was called， handling time for a single frame was reduced significantly， and efficiency of algorism was highly improved. Therefore， heterogeneous computing provided a possibility for online detection of size of molten pool by arc additive manufacturing.

Key words：? heterogeneous computing; online detection; additive manufacturing; arc0前言

電弧增材制造（Wire and arc additive manufacturing， WAAM）是一個(gè)伴隨著強(qiáng)光、強(qiáng)熱等物理現(xiàn)象，且發(fā)生多次熱循環(huán)和金屬熔覆的復(fù)雜動(dòng)態(tài)三維成形過程。在成形過程中，多種不穩(wěn)定因素影響著增材過程的穩(wěn)定性和可靠性，如熔池溫度、熔池凝固速率、焊接電流與電弧電壓、行走軌跡、焊槍高度等，不恰當(dāng)?shù)膮?shù)可能導(dǎo)致氣孔、未熔合、軌跡偏移、熔覆層形貌不規(guī)則等缺陷，進(jìn)而影響后續(xù)增材制造過程，甚至影響最終產(chǎn)品質(zhì)量[1-3]。因此，基于以上種種問題，有必要引入熔池尺寸在線檢測(cè)這一手段。

所謂熔池尺寸在線檢測(cè)，即由監(jiān)測(cè)系統(tǒng)實(shí)時(shí)輸出熔池的尺寸參數(shù)，并根據(jù)增材要求調(diào)整相應(yīng)參數(shù)，保證增材制造的穩(wěn)定性和可靠性。目前，熔池尺寸在線檢測(cè)技術(shù)大致可分為被動(dòng)視覺檢測(cè)和主動(dòng)視覺檢測(cè)兩類。被動(dòng)視覺檢測(cè)是利用CCD攝像機(jī)直接對(duì)熔池進(jìn)行取像，而主動(dòng)視覺檢測(cè)是將線結(jié)構(gòu)光照射在熔池前沿的焊道表面以獲取輪廓尺寸信息[4-5]。無論是主動(dòng)檢測(cè)還是被動(dòng)檢測(cè)，在獲取圖像信息后均要對(duì)其進(jìn)行處理，但是由于焊接過程存在的強(qiáng)烈弧光、焊接飛濺等干擾，檢測(cè)系統(tǒng)對(duì)圖像處理的計(jì)算量較大、耗時(shí)較長(zhǎng)，對(duì)增材制造過程的控制具有滯后性，難以保證控制的實(shí)時(shí)性。用Visual C++ 6.0編程實(shí)現(xiàn)，在Windows XP操作系統(tǒng)下，CPU為主頻2.4 GHz，內(nèi)存為256 M，對(duì)圖像大小為498×18像素進(jìn)行處理，圖像預(yù)處理平均時(shí)間約為63 ms[6]，與交流電弧頻率50 Hz相比，圖像處理耗時(shí)過長(zhǎng)，若用滯后的信息進(jìn)行控制，增材過程會(huì)逐漸偏離穩(wěn)定，無法糾正。

要保證增材過程控制的實(shí)時(shí)性，可以從減少計(jì)算機(jī)計(jì)算量和提高計(jì)算機(jī)的圖像處理速度兩方面考慮。采用感興趣區(qū)域（Region of interest， ROI）提取技術(shù)，可以選擇優(yōu)先處理熔池邊緣等位置，降低圖像處理的計(jì)算量，從而提高處理效率。但目前ROI自動(dòng)提取技術(shù)的準(zhǔn)確率不是很高[7-8]，若獲得了錯(cuò)誤的處理信息，增材制造過程的穩(wěn)定性很可能被破壞。中央處理器（Central processing unit， CPU）多線程圖像處理（CPU多線程）和異構(gòu)圖像處理（CPU+GPU多線程）都可以加速圖像處理速度，但圖形處理器（Graphic processing unit， GPU）是完全專用于圖形輸出流水線的處理和加速，并發(fā)展出基于GPU的通用計(jì)算（Generalpurpose graphics processing unit， GPGPU）來實(shí)現(xiàn)高強(qiáng)度計(jì)算，而CPU是被設(shè)計(jì)用來優(yōu)化串行代碼，注重控制和緩存等非計(jì)算功能，其圖形計(jì)算能力遠(yuǎn)不如GPU。因此，CPU/GPU異構(gòu)協(xié)同并行計(jì)算可以最大程度上發(fā)揮各自優(yōu)點(diǎn)，進(jìn)一步加速圖像處理效率[9-10]。

采用基于異構(gòu)計(jì)算的圖像處理技術(shù)，以期顯著加速圖像處理過程，實(shí)現(xiàn)熔池尺寸的實(shí)時(shí)在線檢測(cè)，為進(jìn)一步實(shí)現(xiàn)增材過程中熔池尺寸的反饋控制，最終實(shí)現(xiàn)產(chǎn)品質(zhì)量控制提供前提。

1圖像處理方法

利用CCD攝像機(jī)拍攝一段雙脈沖MIG焊接過程，在Halcon軟件中處理所得到的視頻。首先，為了減少焊接環(huán)境對(duì)圖像處理的影響，選擇電弧及熔池前沿周圍一定大小圓形區(qū)域?yàn)镽OI，如圖1所示。接下來，對(duì)ROI內(nèi)的圖像進(jìn)行灰度轉(zhuǎn)換、中值濾波、輪廓分割等操作，獲得電弧下熔池及一些焊接飛濺的輪廓，再按面積篩選出熔池輪廓，如圖2所示。最后，通過將熔池輪廓擬合為圓，如圖3所示，讀取其半徑，則半徑的二倍即為電弧下熔池寬度的近似值。Halcon軟件對(duì)視頻文件逐幀處理，得到焊接過程中連續(xù)的熔池寬度數(shù)據(jù)，并自動(dòng)記錄。同時(shí)，在Halcon中建立對(duì)GPU設(shè)備調(diào)用的程序，在GPU關(guān)閉和開啟兩種情況下，分別對(duì)同一視頻文件做相同的處理，對(duì)比分析二者獲得熔池寬度數(shù)據(jù)的相似性和處理效率。

2CPU/GPU異構(gòu)協(xié)同并行計(jì)算方式

在CPU/GPU異構(gòu)協(xié)同并行計(jì)算方式中，CPU扮演領(lǐng)導(dǎo)角色，控制主要流程，進(jìn)行決策，并將需要大量并行處理的計(jì)算密集型工作分配給GPU來完成，充分發(fā)揮二者的優(yōu)勢(shì)[11-14]。這種計(jì)算方式的實(shí)例之一為信號(hào)處理[15]，在信噪比較高，采樣點(diǎn)數(shù)較多的情況下，該算法對(duì)單一頻率信號(hào)可以得到較高的測(cè)頻精度。算法步驟為：①對(duì)N點(diǎn)實(shí)信號(hào)序列x（n）做離散傅里葉變換（DFT）得到X（k）；②將X（k）做變換得到：

X′（k）=X（k），k=0

2X（k），1≤k≤N2－1

0，N2≤k≤N－1（1）

③對(duì)X′（k）做離散傅里葉逆變換（IDFT），得到x（n）的解析信號(hào)s（n）；④求s（n）的瞬時(shí)自相關(guān)序列r（n，τ）= s（n）*（n-τ），τ為采樣間隔；⑤將r（n，τ）實(shí)部與模的比值求反余弦可得到瞬時(shí)頻率f（n）；⑥將序列f（n）加權(quán)平均即得到信號(hào)的平均頻率f。

3試驗(yàn)結(jié)果

3.1熔池寬度

在GPU待機(jī)和調(diào)用的情況下，利用Halcon分別對(duì)同一段雙脈沖MIG焊接視頻進(jìn)行相同處理，得到熔池寬度如圖4和圖5所示。試驗(yàn)所用CPU型號(hào)為Intel i79750H 2.60GHz，GPU型號(hào)為AMD Radeon Pro 5500M。通過對(duì)比分析可知，無論GPU調(diào)用與否，同一處理方法對(duì)同一視頻處理所得到的熔池寬度結(jié)果基本相同。

3.2處理效率

在GPU待機(jī)和調(diào)用的情況下，利用Halcon處理同一視頻的每一幀圖像所用時(shí)間如圖6所示。通過分析可知，在未啟用GPU時(shí)，每幀圖像的處理時(shí)間大于100 ms，而在啟用GPU后，在異構(gòu)計(jì)算方式下，每幀圖像的處理時(shí)間不高于20 ms。GPU對(duì)圖像處理的提速至少為5倍，最高可達(dá)30倍以上，提速效果十分明顯。

4結(jié)論

（1）CPU/GPU異構(gòu)協(xié)同并行計(jì)算相比CPU計(jì)算，二者得到的熔池寬度結(jié)果基本相同。

（2）異構(gòu)計(jì)算對(duì)圖像處理加速效果十分明顯，其每幀圖像處理時(shí)間低于20 ms，提速效果至少可達(dá)5倍，最多可達(dá)30倍以上。

（3）異構(gòu)計(jì)算適應(yīng)電弧增材制造熔池尺寸在線檢測(cè)的可能性很大。

參考文獻(xiàn)

[1]田舒平， 解瑞東， 李滌塵， 等. 激光金屬成形缺陷在線檢測(cè)方法及熱場(chǎng)仿真[J]. 西安理工大學(xué)學(xué)報(bào)， 2019， 35（2）： 212-218.

[2]Gaja H， Liou F. Defects monitoring of laser metal deposition using acoustic emission sensor [J]. The International Journal of Advanced Manufacturing Technology， 2017， 90： 561-574.

[3]肖宇， 陳曦， 胡建南， 等. 基于紅外溫度場(chǎng)的電弧增材制造缺陷在線檢測(cè)方法[J]. 焊接， 2020（7）： 42-46， 54.

[4]韓慶璘， 李大用， 李鑫磊， 等. 基于分區(qū)減光的電弧增材制造熔敷道尺寸主被動(dòng)聯(lián)合視覺檢測(cè)[J]. 焊接學(xué)報(bào)， 2020， 41（9）： 28-32.

[5]Jin Zeshi， Li Haichao， Li Ran， et al. 3D reconstruction of GMAW pool surface using composite sensor technology [J]. Measurement， 2019， 133： 508-521.

[6]劉明友， 劉南生， 郭昌榮， 等. 基于結(jié)構(gòu)光視覺傳感的焊縫視覺信息檢測(cè)和識(shí)別研究[J]. 焊接， 2007（1）： 28-31.[7]馮競(jìng)舸. 靜止圖像的ROI區(qū)域自動(dòng)提取與編碼[D]. 南京：南京郵電大學(xué)碩士學(xué)位論文， 2013.

[8]Lin D T， Yan C R， Chen W T. Autonomous detection of pulmonary nodules on CT images with a neural networkbased fuzzy system [J]. Computerized Medical Imaging and Graphics， 2005， 29（6）： 447-458.

[9]盧風(fēng)順， 宋君強(qiáng)， 銀福康， 等. CPU/GPU協(xié)同并行計(jì)算研究綜述[J]. 計(jì)算機(jī)科學(xué)， 2011， 38（3）： 5-9， 46.

[10]吳恩華， 柳有權(quán). 基于圖形處理器（GPU）的通用計(jì)算[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)， 2004， 16（5）： 601-612.

[11]張彤， 劉釗， 歐陽寧. 基于GPU的圖像快速傅立葉變換研究[J]. 微計(jì)算機(jī)信息， 2009， 25（15）： 286-287， 232.

[12]方旭東. 面向大規(guī)模科學(xué)計(jì)算的CPU-GPU異構(gòu)并行技術(shù)研究[D]. 長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)碩士學(xué)位論文， 2009.

[13]白洪濤. 基于GPU的高性能并行算法研究[D]. 長(zhǎng)春：吉林大學(xué)博士學(xué)位論文， 2010.

[14]鐘聯(lián)波. GPU與CPU的比較分析[J]. 技術(shù)與市場(chǎng)， 2009， 16（9）： 13-14.

[15]張朝暉， 劉俊起， 徐勤建. GPU并行計(jì)算技術(shù)分析與應(yīng)用[J]. 信息技術(shù)， 2009（11）： 86-89.

收稿日期： 2022-03-25

周天生簡(jiǎn)介： 碩士研究生；主要從事電弧增材制造與焊接過程監(jiān)測(cè)方面的研究；gjyjcn@126.com。

林三寶簡(jiǎn)介：通信作者，博士，教授，博士生導(dǎo)師；主要從事高效電弧焊接技術(shù)及電弧增材制造方面的研究；已發(fā)表論文200余篇；sblin@hit.edu.cn。