摘要

激光-熔化极惰性气体(Melt inert gas, MIG)复合焊过程中容易出现根部驼峰缺陷,为了实现焊接过程根部驼峰缺陷的同步预测,研究根部驼峰缺陷预测的算法并对其预测结果进行分析。采用高速摄像机进行复合焊接过程的实时视觉传感采集,提取焊接过程的正面熔池和匙孔的时序特征信息,并对这些特征信号进行小波包分解(Wavelet packet decomposition, WPD)与重构。应用激光扫描仪获得背部焊缝余高,以此作为驼峰状态标记的依据。再通过长短期记忆(Long short-term memory, LSTM)神经网络对焊接过程中根部驼峰状态进行预测。结果表明,WPD-LSTM算法对根部驼峰预测的准确率达到97.85%。相比其它算法,基于焊接过程正面视觉传感时序特征信息的WPD-LSTM算法预测准确率更高,且预测结果具有较高的连续性,有利于实现对焊接过程根部驼峰缺陷的同步检测与控制。