摘要

焊缝熔透的识别与控制对提高快频脉冲TIG焊(Fast-frequency Pulsed Tungsten Inert Gas welding,FFP-TIG welding)的焊接质量和自动化水平具有重要意义。熔池图像可以作为卷积神经网络(Convolution Neural Network,CNN)的输入来识别熔透状态,但模型往往较为复杂,难以部署于工业边缘设备中,同时缺乏基于识别结果的熔透状态控制方法。针对该问题,搭建视觉传感系统来构建304不锈钢FFP-TIG焊熔池图像数据集,包括未熔透、适度熔透和过度熔透三种标签;开发基于知识蒸馏(Knowledge Distillation,KD)的熔透识别模型,利用MobileNetV2作为教师模型,用于训练自定义的学生模型ResNet-KD;基于ResNet-KD的softmax层输出向量设计模糊控制器,实时调整快频基值电流,实现熔透状态的闭环控制。结果表明,ResNet-KD在验证集上的准确率达到了97.60%,在预设电流、变散热及热量积累的工况下,模糊控制器均有良好的性能。

全文