APP下载

基于旋转电弧传感器的焊接电流波形研究*

2014-12-31叶艳辉

传感器与微系统 2014年6期
关键词:半波波谷焊枪

乐 健,张 华,叶艳辉

(南昌大学江西省机器人与焊接自动化重点实验室,江西南昌 330031)

0 引言

随着工业的发展,特别是船舶业、汽车行业的飞速发展,对焊接的质量和自动化提出了更高的要求[1]。再加上焊接环境的恶劣,有些地方焊接空间狭窄、密闭,不适合人工焊接,必须研制出新型的传感器,利用新型的全方位移动焊接机器人,实现焊接自动化,焊接机器人的产业化,推动工业的发展。

旋转电弧传感器不受弧光、噪声、磁场等干扰[2,3]。焊接点就是检测点,不存在超前和滞后误差,转动速度快并且稳定,一直受到国内外的重点研究。但是,由于短路过渡、焊接电源电压的波动、送丝速度不稳定等,旋转电弧传感器采集系统采集到的电流信号中仍然存在大量的噪声。如果单独采用一种滤波方法,无法将大部分噪声滤去;如果用含有噪声的焊接电流波形去进行偏差识别,将会得到错误的偏差,进而得不到正确的控制量,使焊接机器人不能准确的跟踪焊缝。因此,必须通过多种滤波技术,才能得到比较理想的焊接电流信号。

本文重点研究基于旋转电弧传感器的焊接电流波形,由于焊接过程中,焊枪会出现前倾、后倾,左偏和右偏的情况[4],必须通过焊接电流波形,对焊枪的姿态进行正确的识别,使焊接机器人能正确地跟踪焊缝,最终实现焊接的自动化。

1 旋转电弧传感器的工作原理

图1(a)为焊枪向右偏离焊缝,偏差为e。当t=0时,焊丝顺时针转到最右端,焊丝的旋转半径为r,焊丝转1圈,焊枪的高度经历了1个周期;焊枪偏左的情况也类似。

图1 旋转电弧传感器的工作原理Fig 1 Working principle of rotating arc sensor

图1(b)为焊枪对中焊缝,焊枪转1圈,焊枪高度经历了2个周期。由于焊接高度与焊接电流一一对应,分别对[0,T/4)和[T/4,T/2)内的焊接高度积分求和,然后相减,负值表明焊枪偏右,零值为对中,正值为偏左,同时也可以根据差值的大小求出偏差e的大小。

2 焊接电流的滤波

焊接电流的滤波过程如图2(a)所示。

首先采用空间均值滤波,为了减少计算量,可以采用一维纵向均值滤波和一维横向均值滤波代替。空间均值滤波平滑了采样电流的局部变化,降低了噪声。为了让焊接电流波形再平滑一点,采用大小为1×5,滤波器系数全为0.2的滤波器模板,详见图2(b)。经过上面2次滤波后,可能仍然存在较多的细节分量(此文指噪声),必须经过软阈值小波滤波。由于此处电流值是离散的,故采用离散小波变换(discrete wavelet transform,DWT)[5]。采用 Dau(4)小波,选择Dau(4)小波滤波器系数。进行尺度四分解,在每个尺度内选取一个阈值[6],将小于阈值的近似分量和细节分量置0,大于阈值的近似分量和细节分量减去阈值。再进行反向DWT[5];经过尺度分解,软阈值处理和小波重构后,焊接电流的波形更加平滑,去除了大部分的噪声。最后,利用大小为3×4的平滑滤波器,此平滑滤波器的模板见图2(c)所示,此种滤波方法是在空间和时间上对焊接电流进行处理,从而得到较理想的焊接电流波形。

图2 滤波流程图和滤波器模板Fig 2 Flow chart of filtering and filter templates

3 焊接电流滤波后的波形

3.1 实验前的说明

沿着焊接方向看去,焊枪上端落后于末端为后倾,焊枪上端超前于末端为前倾。当机器人静止时,焊丝末端的轨迹近似于圆。关于电弧长度的数学模型[6],分前倾、后倾和焊炬中心线垂直于焊缝3种情况。

图3(a)为焊接机器人在江西江洲造船厂焊接时的实物图,当完全对中时,焊缝所在直线与焊丝末端轨迹如图3(b)所示,其中r为旋转半径。

图3 机器人实物图和焊丝末端轨迹Fig 3 Physical map of robot and welding wire terminal trajectory

直线l为焊缝所在直线,l上箭头所指方向为焊接方向,电弧转动为逆时针。a点为光藕所在位置,每当光码盘的深槽转到位置a时,数据采集卡ART2932受触发,开始采样时,焊丝末端在b位置,由于安装误差,焊丝末端实际在c点。

3.2 小弯曲角焊缝

图4为小弯曲角焊缝跟踪实物图,实验表明:跟踪的效果很好。

图4 小弯曲角焊缝实验Fig 4 Experiment of small bending fillet weld

沿着焊接方向看去,图5(a)为完全偏左,从第1~16个采样点,电弧长度变短,对应的焊接电流变大,从第17~48个采样点,焊接电流慢慢变小,由于噪声,拟合时误差的影响,焊接电流最小值为第52个采样点,与理论的第48个采样点很接近;从第52~64个采样点,焊接电流值又变大。

由图5(b)可知,前面半个波形的波峰值大于后面半个波形的波峰值,并且,前面半个波形具有35个采样点,而后面半个波形只有29个采样点。沿着焊接方向,为部分偏左。

由图5(c)中拟合的电流波形可以看出,2个半波的波峰值相同,每个半波具有的采样点数都是32个;电弧转1圈,焊接电流波形经历了2个周期,所以,此时刚好对中。

沿着焊接方向,图5(d)为部分偏右。前面半个波形的波峰值小于后面半个波形的波峰值;前面半个波形含有22个采样点,后面半个波形含有42个采样点。所以,为部分偏右。

关于完全偏右的波形,此处不再详述。在进行小弯曲角焊缝跟踪时,上面几类波形交替出现。

图5 与小弯曲角焊缝对应的几种焊接电流波形Fig 5 Several welding current waveforms corresponding to small bending fillet weld

3.3 直角转弯角焊缝

图6(a)为直角转弯角焊缝跟踪的实物图。

如图6(b)所示,当机器人跟踪a板和b板之间的角焊缝时,前面半个波形大约含有12个采样点,后面半个波形含有52个采样点;前面半个波形的波峰值小于后面半个波形的波峰值,所以,为右偏。由图3(b)知,数据采集卡受触发时,焊丝实际位置为c,此处刚好是在焊缝上,所以,第一个采样点接近波谷。然后焊接电流增大,接着又减小。由于第一个波谷的值小于第二个波谷的值,所以,为后倾。沿着焊接方向,此时为后倾和右偏。

图6(c)是直角拐弯角点处焊接电流波形,第一个半波含有31个采样点,对应a板;第二个半波大约含有8个采样点,对应b板;第三个半波含有25个采样点,对应d板。由于第一个半波含有的采样点数和波峰值大于第三个半波的采样点数和波峰值,第三个半波的采样点数和波峰值又大于第二个半波的采样点数和波峰值,并且,开始采样后,经历4个采样点后到达第一个波谷,所以,沿着焊a板时的焊接方向,此时偏左;沿着焊d板时的焊接方向,此时偏左。此处不涉及高度误差,在一定的范围内,水平滑块的移动和干伸长的变化可以抵消高度误差。由第一个波谷值小于第二个和第三个波谷值知,此时焊枪的倾角小于45°,第二个波谷值与第三个波谷值近似相等,说明此时刚好到达角点。

如图6(d)所示,沿着焊接方向,此时为前倾和左偏。当机器人跟踪d板和e板之间的角焊缝时,判定其为左偏的理由有三点:1)第一个半波含有36个采样点,第二个半波含有28个采样点;2)第一个半波的波峰值大于第二个半波的波峰值;3)第一个采样点前面还有5个采样点才是波谷。由于是左偏,并且第一个波谷值小于第二个波谷值,所以,为前倾。关于直角转弯过程中其它波形,分析方法类似,不再重复。

图6 直角转弯角焊缝实验Fig 6 Experiment of right angle corner fillet weld

4 结论

1)由于短路过渡,焊接电源电压不稳定,送丝速度不稳定等,会使采样得到的焊接电流含有大量的噪声。依次经过空间均值滤波,用大小为1×5的滤波器模板进行滤波,软阈值小波滤波,大小为3×4的滤波器模板进行滤波,最后得到较理想的焊接电流波形。

2)当焊枪倾角为45°时,进行小弯曲角焊缝和直角转弯角焊缝跟踪时,会出现前倾、后倾和既不前倾也不后倾,左偏、右偏和对中的情况。此时通过滤波后64个采样点构成的波形来判断。根据多个波峰值之间的关系,多个波谷值之间的关系,每个半波含有的采样点数,第一个采样电流的大小来判断。

[1]熊震宇,张 华,潘际銮.电弧传感器的发展状况及应用前景[J].焊接技术,2001,30(5):2-5.

[2]彭俊斐,张 华,毛志伟,等.新型旋转电弧传感系统的研究[J].传感器与微系统,2007,26(12):12-18.

[3]熊 勇,张 华,贾剑平,等.旋转电弧传感器信号消噪的研究[J].传感器与微系统,2010,29(5):41-43.

[4]高延峰,张 华,肖建华.旋转电弧传感器焊枪空间姿态识别[J].焊接学报,2009,30(3):81-84.

[5]Gonzalez R C,Woods R E.Digital image processing[M].3rd ed.Beijing:Publishing House of Electronics Industry,2010.

[6]高延峰.移动机器人旋转电弧传感焊枪偏差与倾角检测及角焊缝跟踪[D].南昌:南昌大学,2008.

猜你喜欢

半波波谷焊枪
基于Solidworks 的蓝莓采摘车焊枪夹持机构设计
板厚与波高对波纹钢管涵受力性能影响分析
Y 分支光学调制器的半波电压特性研究
梅缘稻
可调整焊枪姿态直线摆弧路径算法研究*
磁各向异性媒质中半波天线的辐射功率
半波带法研究夫琅禾费单缝衍射的局限性分析*
用半波带法推导单缝夫琅禾费衍射暗纹条件的相关讨论
基于音节时间长度高斯拟合的汉语音节切分方法
基于改进型神经网络的焊接机器人焊枪控制算法研究