基于BP神经网络补偿卡尔曼滤波的激光-MIG复合焊缝熔宽在线检测

作     者：刘秀航 黄宇辉 张艳喜 高向东 Liu Xiuhang;Huang Yuhui;Zhang Yanxi;Gao Xiangdong

作者机构：广东工业大学广东省焊接工程技术研究中心中国广州510006 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2022年第49卷第16期

页      面：100-106页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 0702[理学-物理学] 

基　　金：广州市科技计划(202002020068 202002030147)。 

主　　题：激光技术 神经网络 激光-MIG复合焊接 熔宽预测 强噪声 卡尔曼滤波 

摘      要：焊缝熔宽是评估焊接质量和焊接稳定性的重要指标。针对强噪声环境下的激光-MIG复合焊接过程,本文研究了基于反向传播(BP)神经网络补偿色噪声卡尔曼滤波算法的熔宽检测方法。首先建立激光-MIG复合焊缝熔宽检测系统的状态方程和测量方程,通过视觉传感和色噪声卡尔曼滤波算法对焊缝熔宽进行估计;然后采用高精度激光扫描仪对焊缝的三维轮廓进行扫描,根据二阶差分法获得焊缝轮廓宽度,并将其作为熔宽的真实值;接着将卡尔曼滤波增益、新息值和预测值与卡尔曼滤波最优估计之差作为输入,利用BP神经网络对熔宽的卡尔曼滤波最优估计进行补偿。结果表明:BP神经网络补偿测量色噪声卡尔曼滤波算法能够有效降低焊缝熔宽检测的误差。与单独使用卡尔曼滤波算法相比,BP神经网络补偿卡尔曼滤波算法具有更好的非线性映射能力,可以提高卡尔曼滤波焊缝熔宽检测的准确度。