1 引言

电弧增材技术具有低成本、高效率、高致密性等优点,在汽车、船舶、航空航天、**等领域得到了广泛应用^[1]。电弧增材技术是一种以电弧为热源,焊丝为原材料,将焊丝快速熔化成高温液态金属,并以熔滴过渡的方式层状堆积成形的技术^[2-4]。针对堆积过程中的热积累、散热条件差、熔池过热等问题,研究者在电弧增材过程中引入主动冷却技术来减少堆积层的热积累,提高堆积层的成形质量和效率^[5]。为研究不同焊接参数对多层单道薄壁件表面粗糙度的影响,设计研究方案,量化电弧增材制造的表面粗糙度^[6],对多层多道焊缝的成形过程进行数学建模,通过控制堆积层的成形尺寸获得最佳成形效果下的焊接参数^[7]。

利用视觉传感技术可检测焊接状态及焊缝成形质量^[8],而激光视觉传感技术是通过激光条纹的变形来获取焊缝形态信息的^[9],可有效保证接头质量^[10],实现焊接自动化。在电弧增材技术的发展过程中,研究者利用激光视觉传感技术,提出一种基于遗传算法的平面焊缝特征提取方法,该方法能够迭代地剔除噪声,快速获取激光条纹的准确位置和焊缝特征点坐标^[11]。针对坡口及焊缝表面提出一种基于激光视觉传感的三维轮廓测量方法,该方法可实现坡口及焊缝表面三维轮廓的实时测量,准确率较高^[12]。采用基于激光视觉传感的三维重建技术对焊缝熔高和角变形等信息进行提取和质量评估,可实现对焊缝形状特征的定量(深度图和等高线图)和定性评价^[13]。

研究者大多利用图像处理技术提取焊缝堆积层的表面特征,或者使用激光视觉传感系统对焊缝进行三维重建,较少对提取后的三维点云进行相关数据处理。本文使用激光视觉传感系统对电弧增材制造堆积层的侧表面进行三维重建,重点研究堆积层侧表面三维形状的特征提取和表面粗糙度的量化方法。相较于焊缝轮廓的二维分析方法,三维点云处理方法能够更加直观、具体地对焊缝表面进行描述,为电弧增材制造表面成形检测和量化分析提供新方法。

2 电弧增材实验及成形测量

2.1 电弧增材实验

实验中采用熔化极气体保护焊接,装置如图1所示。实验材料为Q235板,尺寸为300 mm×100 mm×5 mm,焊丝采用直径为0.8 mm的ER50-6碳钢类焊丝,保护气体采用体积分数为98%的CO₂气体,气体流速为10 L/min。焊接实验参数如表1所示,电弧增材过程中焊接电流和电压、送丝速度以及焊接速度保持不变,Z_as为每堆积一层后Z轴方向焊丝末端到板材的距离,通过改变Z_as的大小调节电弧增材过程中的电流稳定性,从而改变堆积层侧表面的成形情况。

图 1. 平板堆焊实验装置示意图

Fig. 1. Experimental device diagram of flat welding

下载图片 查看所有图片

2.2 堆积层侧表面成形测量

堆积层侧表面成形检测装置如图2所示,测量装置主要由三自由度运动平台、激光视觉传感器、运动控制柜以及工控机组成。激光视觉传感装置如图3所示,主要由线激光发射器和以互补金属氧化物半导体(CMOS)为感光元件的相机组成,相机分辨率1024 pixel×768 pixel,采用焦距为8 mm的镜头,镜头外加波长为625~665 nm的窄带滤光片,线激光器发射波长为650 nm,最小线宽为0.8 mm。将工件侧放并固定于运动平台上,激光视觉传感器固定在工件上方,相机垂直于待测工件表面,通过工控机(IPC)控制运动平台沿Y轴方向扫描堆积层侧表面,同时激光视觉传感器采集扫描过程中的激光条纹图像并传递给工控机,通过图像处理算法获得侧表面轮廓的图像坐标,利用坐标转换公式得到堆积层的三维点云坐标。

图 2. 堆积层侧表面成形检测装置示意图

Fig. 2. Diagram of surface forming measurement device on the side of deposition layer

下载图片 查看所有图片

图 3. 激光视觉传感装置实物图

Fig. 3. Physical diagram of laser vision sensing system

下载图片 查看所有图片

2.3 测量系统标定实验

为实现堆积层侧表面的三维重建,必须对激光视觉传感器进行标定,建立图像坐标与世界坐标的转换关系,即图像像素偏差与实际空间位置偏差之间的关系。激光视觉传感器扫描过程中相机始终垂直于待测轮廓表面,在保证标定精度符合三维测量精度要求的前提下可以采用锯齿靶标线性标定法^[14]。如图4所示,锯齿间距为10 mm,齿高为5 mm,锯齿靶标整体长45 mm,宽60 mm。以O点为世界坐标系O-X_WY_WZ_W的原点。相机采集过程中图像的分辨率为w×h,即在图像坐标系中u方向的像素个数为w,世界坐标系中X_W方向的实际采集范围为l。若不考虑相机畸变,理论上X_W方向的单位像素当量ρ_X=l/w,单位为mm/pixel。Y_W方向的进给当量与相机采集频率f、扫描速度s有关,即ρ_Y=s/f,单位为mm/(frame·s^-1)。为了确定X_W、Z_W方向单位像素当量ρ_X、ρ_Z,采用标准锯齿靶标进行标定。

图 4. 锯齿靶标示意图

Fig. 4. Diagram of sawtooth target

下载图片 查看所有图片

将锯齿靶标固定于运动平台上,X、Y方向固定不动,逐步调整Z轴的高度,已知特征点(A~G)的世界坐标,利用激光视觉传感系统采集并提取特征点的图像坐标。以特征起点A和终点G作为标定参考点,已知A点的世界坐标为Z_W,A,两点间的实际距离为d,采用图像处理的方法计算出图像坐标系下A的像素坐标(u_A, v_A)以及A、G两个特征点的像素距离Δ_u,则ρ_X=Δ_u/d。Z_W,A与v_A、ρ_X与Z_W,A满足的关系如图5所示,其相应的表达式为

ZW,A=-0.0003613vA2-0.145vA+56.88,(1)

ρX=-0.0006437ZW,A+0.1314。(2)

图 5. 多项式拟合曲线。(a) Z_W,A与v_A二次拟合曲线;(b) ρ_X与Z_W,A线性拟合曲线

Fig. 5. Polynomial fitting curves. (a) Quadratic fitting curve of Z_W,Aand v_A (b) linear fitting curve of ρ_Z and Z_W,A

下载图片 查看所有图片

由于相机出现畸变,ρ_X随着高度增加呈近似线性变化。假设激光视觉传感器采集的图像帧数序列为n,世界坐标系O-X_WY_WZ_W与图像坐标系o-uv的转换关系为

XWYWZW=ρX×uρY×n-0.0003613v2-0.145v+56.88。(3)

为获得激光视觉传感系统的测量精度,对扫描后的标准锯齿靶标进行三维重建,结果如图6所示。从锯齿靶标三维点云数据中随机抽取5组轮廓数据,锯齿高和靶标宽度见表2。锯齿高4.85 mm,平均误差为0.15 mm。靶标宽59.92 mm,平均误差为0.08 mm。此时锯齿靶标Y_W方向的进给当量ρ_Y为0.0307 mm/(frame·s^-1),共采集锯齿靶标轮廓1460 frame,所以锯齿长为0.0307×1460=44.82 mm,误差为0.18 mm。三维重建的整体误差在0.2 mm以内,能够满足堆积层侧表面三维测量精度的要求。

图 6. 锯齿靶标三维重建图

Fig. 6. 3D reconstruction of sawtooth target

下载图片 查看所有图片

3 图像及三维数据处理

3.1 激光条纹图像像素坐标提取

激光条纹图像像素提取流程如图7所示。相机采集过程中的堆积层侧表面激光条纹图像如图7(a)所示,对采集后的图像进行灰度化和高斯滤波处理后,图像仍然保留底板和堆积层的部分信息;从图7(c)可以看出,激光条纹与底板、堆积层的灰度值差异明显;使用阈值分割方法提取激光条纹,结果如图7(d)所示。此时提取的激光条纹图像每一列包含多个像素坐标,为了精确定位激光条纹像素坐标,使用基于极大值的灰度重心法提取激光条纹线的像素坐标。

图 7. 像素坐标提取流程图。(a)原始图像;(b)灰度图;(c)高斯滤波;(d)阈值分割;(e)像素坐标提取

Fig. 7. Flow chart of pixel coordinate extraction. (a) Original image; (b) grayscale image; (c) Gaussian filter; (d) threshold segmentation; (e) pixel coordinate extraction

下载图片 查看所有图片

1) 对预处理后的图像进行逐列扫描,寻找每一列中灰度值最大的像素点坐标,并将其设为(x,y),其灰度值为p(x,y),第i个相邻像素坐标为(x,y+i)。

2) 利用灰度重心公式求得激光条纹中心线第x列的像素坐标(u,v)为

[u,v]=x,∑i=-33p(x,y+i)×(y+i)∑i=-33p(x,y+i)。(4)

3) 逐列扫描时,使用最近邻插值修复条纹断点,最终的提取结果如图7(e)所示。

3.2 堆积层侧表面三维信息处理

以Z_as=6 mm为例,使用激光视觉传感系统对采集的堆积层侧表面图像进行像素坐标提取以及坐标转换,得到三维点云视图,如图8(a)所示。使用PCL(Point Cloud Library)点云库处理得到三维点云信息,原始点云数据为“PointXYZ”格式,此格式不含有深度颜色信息。使用Cloud Compare^[15]软件对三维点云进行可视化处理。为了突出焊缝侧表面熔积层的成形特征,对原始点云视图进行深度渲染,结果如图8(b)所示,生成具有颜色信息的“PointXYZRGB”格式的点云数据。

RANSAC(Random Sample Consensus)点云分割算法可以有效分割出三维点云中的平面^[16],其基本思想是针对具体问题设计出一个判断准则(此处为平面模型),通过选取合适的距离阈值迭代剔除与平面模型参数不一致的点云。使用C++开发语言并结合PCL算法库,从原始的堆积层三维点云中分割底部平面。设置距离阈值为5 mm,最大迭代次数为10000次,剔除无效的点云信息。迭代完成后提取出的点云平面如图8(c)所示,图8(d)所示为分离平面后得到的堆积层侧表面点云数据。采用点云分割算法得到的焊缝侧表面周围仍然存在一些稀疏的离群点,利用KNN(K-Nearest Neighbors)算法计算出每个点的K领域均值,然后估计整个点云数据的均值和标准差,平均距离在标准范围(由全局距离和方差定义)之外的点被认为是从数据集中过滤掉的离群点。经KNN算法过滤后得到侧表面三维点云视图,如图8(e)所示。最后提取Y_W为50 mm处的轮廓曲线,得到此处堆积层侧表面的二维层间分布情况。

图 8. Z_as=6 mm时焊缝侧表面三维数据处理流程图。(a)原始点云;(b)深度渲染;(c)点云分割平面;(d)未去噪堆积层侧表面;(e) KNN滤波;(f) Y_w=50 mm处的横截面轮廓

Fig. 8. Flow chart of 3D data processing of weld side surface when Z_as= 6 mm. (a) Original point data; (b) deep rendering; (c) point cloud segmentation plane; (d) side surface of deposition layer with noise; (e) KNN filtering; (f) cross-sectional profile when Y_w=50 mm

下载图片 查看所有图片

不同Z_as焊接条件下对应的堆积层侧表面实物如图9所示,堆积层侧表面三维信息的深度图及层间分布如图10所示。在堆积过程中,Z_as越大,电流变化的稳定性越差,金属飞溅和异常的熔滴过渡形式越明显,从而带走更多的热量,导致堆积层的层间温度降低,影响堆积层表面的成形情况。通过定性分析电弧增材堆积层侧表面层间分布情况,可以判断堆积层侧表面的成形质量。

图 9. 不同焊接参数下堆积层侧表面实物图。 (a) Z_as=3 mm;(b) Z_as=4 mm;(c) Z_as=5 mm;(d) Z_as=6 mm;(e) Z_as=7 mm;(f) Z_as=8 mm

Fig. 9. Side surface physical maps of the deposition layers under different welding parameters. (a) Z_as=3 mm; (b) Z_as =4 mm; (c) Z_as=5 mm; (d) Z_as=6 mm; (e) Z_as=7 mm; (f) Z_as=8 mm

下载图片 查看所有图片

图 10. 不同焊接参数下堆积层侧表面深度图。(a) Z_as=3 mm;(b) Z_as=4 mm;(c) Z_as=5 mm;(d) Z_as=6 mm;(e) Z_as=7 mm;(f) Z_as=8 mm

Fig. 10. Side surface depth maps of deposition layers under different welding parameters. (a) Z_as=3 mm;(b) Z_as=4 mm; (c) Z_as=5 mm; (d) Z_as=6 mm; (e) Z_as=7 mm; (f) Z_as=8 mm

下载图片 查看所有图片

当Z_as=3 mm时,堆积层侧表面层间分布不均匀,层与层之间没有明显的界限,熔池流动导致熔覆层之间相互覆盖,层间温度较高引起熔覆层之间连接紧密,间隙较小。当Z_as=4 mm时,堆积层侧表面层间分布依然不均匀,堆积层之间相互覆盖的情况有所减少,损失热量增加,导致层间温度下降。当Z_as=5 mm时,堆积层侧表面开始出现分层,层间覆盖现象消失,堆积层表面开始出现少量的金属飞溅,金属飞溅和熔滴过渡带走了一部分热量,导致层间温度进一步降低。当Z_as=6 mm时,堆积表面层的层间隙开始增大,层间分布变得更加明显,堆积层表面同时出现了金属飞溅,焊接电流的不稳定程度加剧。当Z_as=7 mm时,堆积层的层间隙进一步增加,侧表面也出现了金属飞溅。当Z_as=8 mm时,层间分布呈现高低起伏的情况,此时焊接状态极不稳定,导致热量流失严重,熔覆效果较差。综上所述,当Z_as<5 mm时,熔覆层之间粘附在一起,成形质量较差;当Z_as>5 mm时,熔覆层的层间距较大,导致熔覆效果较差,成形质量不佳;当Z_as=5 mm时,堆积层的层间分布没有出现上述的两种情况,成形质量较好。

3.3 堆积层侧表面粗糙度测量

堆积层侧表面的粗糙度可在一定程度上反映堆积层的表面成形质量,为堆积层质量评价提供了量化标准^[6]。粗糙度测量原理如图11所示,对提取后的堆积层三维点云使用随机抽样一致性算法拟合平面(平面方程ax+by+cz+d=0,其中a²+b²+c²=1 ),假设三维坐标点的数量为N,堆积层侧表面上的点p_j(X_Wj,Y_Wj,Z_Wj)到拟合平面的距离为d_j,表面粗糙度R的定义为

R=∑djN,(5)

∑dj=∑j=1Na×XWj+b×YWj+c×ZWj+da2+b2+c2=∑j=1Na×XWj+b×YWj+c×ZWj+d。(6)

图 11. 堆积层侧表面粗糙度测量原理图

Fig. 11. Measurement schematic of side surface roughness of deposition layer

下载图片 查看所有图片

由于起弧和收弧时,电弧电流稳定性不是受Z_as大小的单一影响,因此分析堆积层侧表面粗糙度与Z_as大小的关系时,需去除两端的点云数据。表3为不同Z_as条件对应的三维点云数量以及平面拟合方程,通过(5)式和(6)式求出相应的粗糙度大小,粗糙度变化曲线如图12所示。结合堆积层侧表面深度图可知:当Z_as<5 mm时,焊接电流相对稳定,堆积层侧表面的层间温度较高,从而导致层间分布不均匀,表面粗糙度增大,成形效果不佳;当Z_as=5 mm时,因电流不稳定而损失的热量恰好使得堆积层分布均匀,粗糙度减小,成形质量较好;但当Z_as>5 mm时,因电流不稳定程度加剧,大量的热被金属飞溅和异常的熔滴过渡带走,层间温度过低,不足以维持堆积层之间的紧密连接,导致堆积层间隙逐渐增大,表面粗糙度反而越来越大,成形质量越来越差。

图 12. 堆积层侧表面粗糙度变化曲线

Fig. 12. Roughness curve of deposition layer side surface

下载图片 查看所有图片

4 结论

通过激光视觉传感系统对电弧增材侧表面进行三维重建,使用锯齿靶标的线性标定方法将三维重建误差控制在0.2 mm以内,采用基于统计概率思维的三维点云处理算法提取并分析堆积层侧表面的三维特征,通过堆积层侧表面的三维点云视图以及表面粗糙度定性和定量分析电弧增材侧表面的三维成形情况。改变焊丝末端与板材间距会引起电弧增材侧表面的三维成形及粗糙度变化,距离过大或者过小都会引起层间分布不均匀,表面粗糙度增加。