厚板T形接頭焊接位置自主決策貝葉斯網(wǎng)絡(luò)的實(shí)現(xiàn)

余卓驊, 方瑤, 蔣吳曦, 曾洋 ， 何銀水

(1.南昌交通學(xué)院，南昌 330100；2.南昌大學(xué)，南昌 330031)

0 前言

厚板多層多道電弧焊接中，由于不同的焊接位置會(huì)產(chǎn)生不同的焊接效果[1-2]，因此有效的焊接位置決策方法不僅能影響焊接質(zhì)量，也能提高焊接效率。由于焊接位置的有效決策需要依據(jù)相關(guān)焊接知識(shí)[3]、實(shí)時(shí)填充狀態(tài)等，所以研究與之相關(guān)的技術(shù)、算法流程等實(shí)施焊接位置自主決策過(guò)程具有很大的挑戰(zhàn)。當(dāng)前相關(guān)研究多停留在焊接位置檢測(cè)[4]、基于仿真環(huán)境的焊縫規(guī)劃[5]、基于視覺(jué)傳感的焊縫初步規(guī)劃與在線(xiàn)修正[6]等。國(guó)外成熟產(chǎn)品，如賽榮視覺(jué)傳感與焊接專(zhuān)家系統(tǒng)[7]仍需從識(shí)別的焊縫輪廓特征點(diǎn)中，根據(jù)特征點(diǎn)序號(hào)指定焊接位置才能實(shí)施焊縫跟蹤。對(duì)于多道焊接中焊接位置的實(shí)時(shí)決策研究，尚無(wú)報(bào)道。

眾所周知，焊接專(zhuān)家利用專(zhuān)業(yè)知識(shí)結(jié)合現(xiàn)場(chǎng)觀察情況，可以有效選擇焊接位置滿(mǎn)足厚板焊接需要。模仿焊接專(zhuān)家的這一活動(dòng)，建立相關(guān)推理模型是關(guān)鍵。焊縫視覺(jué)特征的實(shí)時(shí)獲取[8]與智能信息處理技術(shù)為模仿這一決策過(guò)程提供了可能。由于能利用試驗(yàn)與經(jīng)驗(yàn)數(shù)據(jù)建立多變量之間的因果關(guān)系，并基于貝葉斯理論的推理算法獲得考察變量的后驗(yàn)概率，近年來(lái)貝葉斯網(wǎng)絡(luò)(Bayesian networks, BNs)作為人工智能的重要分支，被廣泛應(yīng)用于焊接領(lǐng)域，如焊縫缺陷分類(lèi)[9]、焊接制造過(guò)程的性能評(píng)估[10]、超聲焊接的質(zhì)量評(píng)判[11]等。對(duì)于綜合考慮焊接狀態(tài)、接頭要求與候選焊接位置等因素的焊接位置決策問(wèn)題，貝葉斯網(wǎng)絡(luò)能借助焊接經(jīng)驗(yàn)與試驗(yàn)結(jié)果實(shí)施有效決策。

在厚板T形接頭熔化極氣體保護(hù)多道焊接中，首先利用激光視覺(jué)傳感檢測(cè)待填充區(qū)域縫隙輪廓特征點(diǎn)(已有焊縫的邊界點(diǎn))，然后將焊腳要求、焊接狀態(tài)和焊件完成情況轉(zhuǎn)換為視覺(jué)描述特征，實(shí)現(xiàn)實(shí)時(shí)焊接狀態(tài)的判定，并利用焊縫輪廓及其特征信息、焊接知識(shí)與判定狀態(tài)建立貝葉斯網(wǎng)絡(luò)模型，在不考慮成形精準(zhǔn)控制的情況下，利用該模型實(shí)現(xiàn)多道焊接不同時(shí)段焊接位置的實(shí)時(shí)自主決策，在滿(mǎn)足焊件焊接質(zhì)量的同時(shí)，提高焊接效率。為降低研究難度，只選焊縫輪廓特征點(diǎn)為候選決策位置。為驗(yàn)證文中方法的有效性，研究中引入層次分析法進(jìn)行研究對(duì)比。這一研究為提高厚板電弧焊的自動(dòng)化水平提供了新的切入點(diǎn)。

1 焊接狀態(tài)的判定

圖1 T形接頭焊腳尺寸的視覺(jué)特征表達(dá)

2 貝葉斯網(wǎng)絡(luò)模型

貝葉斯網(wǎng)絡(luò)是一種表示因果系統(tǒng)的概率圖形模型，可用離散變量組成的聯(lián)合概率分布的圖形表示。各變量在網(wǎng)絡(luò)圖形中以節(jié)點(diǎn)形式存在,節(jié)點(diǎn)之間存在關(guān)聯(lián)時(shí)采用弧連接。利用具有代表性的數(shù)據(jù)集和經(jīng)驗(yàn)，對(duì)描述系統(tǒng)的變量之間的相互作用進(jìn)行建模[13]。借助相關(guān)推理算法，該網(wǎng)絡(luò)能獲得所需決策依據(jù)的后驗(yàn)概率。這一過(guò)程中確定各節(jié)點(diǎn)的先驗(yàn)概率是關(guān)鍵。

圖2 貝葉斯網(wǎng)絡(luò)模型的結(jié)構(gòu)(以4個(gè)焊縫特征點(diǎn)為例)

(1)

(2)

(3)

(4)

式中:λ≥3與φ∈(0,1)，取值不唯一。試驗(yàn)驗(yàn)證λ=5，φ=0.7滿(mǎn)足決策要求。在蓋面焊階段：

(5)

(6)

基于貝葉斯網(wǎng)絡(luò)實(shí)施焊接位置決策的算法流程為：確定各父節(jié)點(diǎn)相關(guān)狀態(tài)的先驗(yàn)概率→確定各子節(jié)點(diǎn)的條件概率分布表(由實(shí)時(shí)提取的焊縫輪廓特征點(diǎn)計(jì)算)→獲取實(shí)時(shí)證據(jù)(實(shí)時(shí)判定的焊接狀態(tài))→利用(AIS)(Adaptive importance sampling )推理算法獲得各目標(biāo)節(jié)點(diǎn)(焊縫輪廓特征點(diǎn))的后驗(yàn)概率→基于最大后驗(yàn)概率準(zhǔn)則選擇相應(yīng)特征點(diǎn)作為該次采樣的焊接位置。

3 焊接位置決策試驗(yàn)驗(yàn)證

為驗(yàn)證算法的有效性，引入層次分析法[14](三層結(jié)構(gòu)，第1層為焊接位置決策目標(biāo)層，第2層為其他特征點(diǎn)與最右側(cè)特征點(diǎn)之間的水平、垂直距離的判定關(guān)系層，第3層為特征點(diǎn)方案層)實(shí)現(xiàn)焊接位置決策效果對(duì)比。層次分析法中的決策權(quán)重被視為概率。首先選擇腹板厚度為40 mm的T形接頭為試驗(yàn)對(duì)象。如圖3所示，為節(jié)省篇幅，填充階段接頭正面施焊的1次焊接為試驗(yàn)一，焊接中采集的焊縫輪廓形貌如圖3a所示。根據(jù)獲得的焊縫輪廓及特征點(diǎn)信息(圖3b)，當(dāng)前焊接狀態(tài)判定為填充焊，焊腳要求尚未滿(mǎn)足。文中提出的貝葉斯網(wǎng)絡(luò)與層次分析法均選擇特征點(diǎn)2為焊接位置，但決策依據(jù)不同圖3c左側(cè)部分，焊接結(jié)果如圖3d所示。

如圖4所示，蓋面焊接階段中接頭背面的1次施焊為試驗(yàn)二。圖4a、圖4b為焊前焊縫及其特征信息，當(dāng)前焊接狀態(tài)判定為蓋面焊，焊腳要求得到滿(mǎn)足但焊接過(guò)程尚未完成，2種方法為焊前焊接位置的決策結(jié)果為特征點(diǎn)2，圖3e為決策依據(jù)，焊接結(jié)果如圖4c所示。2種情況下層次分析法的一致性比率分別為0.012和0.018，滿(mǎn)足一致性要求。

圖3 T形接頭正面多道焊接中焊接位置決策示例

圖4 T形接頭背面多道焊接中焊接位置決策示例

為進(jìn)一步驗(yàn)證文中提出的貝葉斯網(wǎng)絡(luò)模型的有效性，選擇腹板厚度為60 mm的T形接頭為試驗(yàn)對(duì)象二，仍然分別在填充焊和蓋面焊階段選擇一次焊接為測(cè)試對(duì)象，如圖5、圖6所示，文中提出的貝葉斯網(wǎng)絡(luò)模型的決策結(jié)果，特征點(diǎn)1為決策結(jié)果，該結(jié)果符合焊接要求。

圖5 腹板厚度60 mm的接頭填充焊階段焊接位置決策試驗(yàn)

圖6 腹板厚度60 mm的接頭蓋面焊階段焊接位置決策試驗(yàn)

腹板厚度為40 mm和60 mm的T形接頭不同焊接階段的焊接位置決策試驗(yàn)結(jié)果顯示，文中提出的貝葉斯網(wǎng)絡(luò)決策模型能滿(mǎn)足腹板厚度60 mm以下的T形接頭多層多道焊接位置的實(shí)時(shí)自主決策，與層次分析法相比，決策的穩(wěn)定性更高(不同焊接位置的選擇概率的差異更大)。對(duì)于更大板厚的T形接頭多道焊焊接位置自主決策問(wèn)題，未來(lái)將進(jìn)一步探索有效的方法。另外，利用層次分析法在焊縫輪廓特征點(diǎn)數(shù)目已知情況下，也能有效實(shí)施焊接位置決策，但挑戰(zhàn)在于尚無(wú)有效的自動(dòng)構(gòu)造判斷矩陣的方法，難以自動(dòng)適應(yīng)焊縫輪廓特征點(diǎn)數(shù)目的變化。

4 結(jié)論

(1)基于視覺(jué)處理技術(shù)建立了厚板T形接頭焊腳要求、多道焊焊接階段以及焊件是否完成的自動(dòng)判定方法，可為完善自動(dòng)化、智能化焊接提供技術(shù)支持。

(2)提出了厚板T形接頭多道焊焊接位置決策的貝葉斯網(wǎng)絡(luò)模型，并利用腹板厚40 mm和60 mm的T形接頭焊接過(guò)程驗(yàn)證了該模型實(shí)施焊接位置自主決策的有效性，正確率達(dá)到95%，為提高厚板焊接生產(chǎn)效率提供了借鑒。