针对自适应性低的焊缝跟踪系统在实际焊接环境中易受噪声干扰的问题, 结合深度卷积神经网络强大的特征表达能力和自学习功能, 研究了基于深度分层特征的焊缝检测和跟踪系统, 该系统可精确地从噪声污染的时序图像中确定焊缝位置。为彻底解决焊枪依循计算轨迹运动所出现的抖振问题, 设计了模糊免疫自适应的智能跟踪控制算法。实验结果显示, 在强烈弧光和飞溅的干扰下, 传感器测量频率达20 Hz, 焊缝跟踪精度约为0.2060 mm,且焊接过程中焊枪末端运行平稳。该系统能实现焊缝平滑的实时跟踪, 抗干扰能力强, 焊缝轨迹跟踪准确, 能满足焊接应用要求。

针对自动焊接过程中焊缝特征点的检测问题, 提出了一套由工业相机和三线激光发生器组成的焊缝实时跟踪传感器设计方案。基于三角测量原理, 设计传感器的机械结构, 推导得出由激光条纹特征点像素坐标计算出焊缝特征点三维坐标的数学模型, 为有效抵抗在焊接过程中存在的弧光和飞溅的干扰, 采用高斯核相关(KCF)目标跟踪算法, 实时跟踪计算出图像中焊缝特征点的位置。实验结果表明, 采用最大焊接电流350 A的MIG焊, 在有强烈弧光和飞溅的工况下, 该装置能实现焊缝实时准确跟踪, 激光条纹与焊接熔池的最小距离可达20 mm, 传感器采样频率最高可达20 Hz, 跟踪误差小于0.42 mm, 能满足在实际焊接过程的使用要求。