焊接是必不可少的材料成形制造方法，其中电弧焊的应用最为广泛和普及。伴随制造自动化和智能化的持续进步、新型材料的不断涌现，对电弧焊接成形质量和精度的要求不断提高。电弧焊接过程的电弧形貌取决于工艺参数的设置，其动态行为则实时反映工艺参数的变化，直接影响电弧燃烧稳定性及焊缝成形质量[1]。电弧图像是电弧形貌及其动态行为的视觉表征，包含大量与电弧形貌、动态行为和工艺稳定性等直接相关的信息。因此，通过对电弧图像的有效处理和信息挖掘，深入研究和分析工艺参数对电弧形貌及其动态行为的影响规律，可以更好地控制焊接工艺稳定性和焊缝成形质量，促进焊接制造自动化和智能化发展，具有重要理论意义和工程应用价值。
高速摄像技术的发展使所获得的电弧图像的时间分辨率大幅提升，可实现对熔滴过渡、高频电弧等电弧形貌的高速动态变化过程以及对电弧某一时刻的特定形貌的有效观察和记录[2]。通过图像处理技术提取电弧图像的特征参数，不仅可以实现焊接工艺参数对电弧形貌影响的研究[3-5]，进行焊接工艺稳定性的量化分析和评价[6-7]，还可进一步深入研究熔滴过渡行为及其对焊缝成形的影响[8-10]、电弧温度场分布及其变化规律[11-13]等。郭波等[14]从以电弧质心为原点的极坐标表达的电弧轮廓中提炼出不同熔滴过渡形式的特征，总结出熔滴过渡形式分类识别算法，获得了良好识别效果。
钨极高度(钨极末端至工件表面的距离)是钨极氩弧(tungsten inert gas, TIG)焊的主要工艺参数之一，对电弧形貌及其动态行为有重要影响，进而影响焊接工艺稳定性和焊缝成形质量。本文以TIG焊为试验研究对象，采用高速摄像和图像处理技术，对TIG焊的电弧形貌进行研究，提出了一种基于极坐标的电弧形貌判别模型，研究了电弧形貌与钨极高度的定量关系。进而给出了基于电弧形貌的钨极(焊枪)高度控制策略，为自动化和智能化焊接过程的焊枪高度实时控制提供了新途径。
1 焊接试验系统及电弧图像处理图 1是TIG焊接及电弧图像拍摄试验系统。采用山东奥太WSM-500型逆变式脉冲氩弧焊机，高速摄像机为Potron FASTCAM SA3 Model 120K-M3，其最高拍摄帧频为120千帧/s，配套使用腾龙SP AF180mmF/3.5 Di MACRO 1:1的微距定焦镜头，并选用透过率为0.1%的中性滤光片。
|
| 图 1 TIG焊接及电弧图像拍摄系统 |
图 1中的高速摄像机拍摄的原始电弧图像需经过处理才能得到具有清晰、完整边缘的电弧图像。电弧图像处理算法如图 2所示。
|
| 图 2 电弧图像处理算法 |
由于电弧图像的灰度集中分布在255灰度级，因此，其处理过程为：首先，采用阈值法对原始电弧图像(图 3a)进行阈值分割，得到电弧二值图像(图 3b)；其次，通过提取最大连通分量，去除图 3b中标注①和②所分别代表的喷嘴反射弧光和焊接飞溅2种干扰，得到无干扰电弧图像(图 3c)；最后，采用物理分割法，将图 3b和3c中被焊工件表面的反射弧光干扰(标注③)去除，得到具有清晰、完整边缘的电弧图像(图 3d)。
|
| 图 3 图像处理过程不同阶段的电弧图像 |
2 电弧形貌判别模型
对图 3d中的去除干扰的清晰完整电弧图像，通过边缘识别Sobel算子[15]可获得弧柱边缘像素在图像坐标系(图 4a)中的位置坐标(xi, yi)，采用MATLAB中的regionprops()函数[16]，可求出弧柱的质心(xc, yc)。以质心(xc, yc)为原点，以钨极末端与质心连线的延长线方向为y轴正方向，将弧柱边缘像素的位置信息转化为角度θ(极角)与距离ρ(极径)，可以实现电弧形貌的极坐标表达，图像坐标系与极坐标系的转换如图 4b所示。
|
| 图 4 电弧图像边缘的极坐标表达及θ-ρ曲线 |
图像坐标系与极坐标系之间的转换式为：
| $ \rho = \sqrt {{{\left( {{x_i} - {x_{\rm{c}}}} \right)}^2} + {{\left( {{y_i} - {y_{\rm{c}}}} \right)}^2}} ; $ | (1) |
| $ \theta = \left\{ {\begin{array}{*{20}{l}} {\arctan \frac{{{y_i} - {y_{\rm{c}}}}}{{{x_i} - {x_{\rm{c}}}}} + {{90}^\circ }, }&{{x_i} > {x_{\rm{c}}};}\\ {\arctan \frac{{{y_i} - {y_{\rm{c}}}}}{{{x_i} - {x_{\rm{c}}}}} - {{90}^\circ }, }&{{x_i} < {x_{\rm{c}}}.} \end{array}} \right. $ | (2) |
其中：(xc, yc)和(xi, yi)分别为弧柱的质心和边缘像素在图像坐标系中的位置坐标；ρ为极径，是极坐标系中的弧柱边缘像素(xi, yi)至质心(xc, yc)的距离；θ为极角，是弧柱边缘像素(xi, yi)和质心(xc, yc)的连线与y轴的夹角；θ取值范围为[-180°, 180°]，其方向规定见图 4b。
经坐标转换后的典型钟罩形弧柱边缘的θ-ρ曲线如图 4c所示，分别存在3个极大值点a、b1、b2和3个极小值点c1、c2、d。理想情况下，电弧关于y轴呈中心对称分布，即ρb1=ρb2，ρc1=ρc2。
θ-ρ曲线的极大和极小值点采用MATLAB中的函数[...] = findpeaks(data, ‘MinPeakPromine-nce’, MinPeakProminence)寻找，其中MinPeakProm-inence是峰最小突起幅度门限[16]。在实际处理后的电弧图像中，钨极末端的电弧为一小段，由于这一小段电弧对应的θ-ρ曲线(图 4c的a点附近)短且稳定，因而通过控制MinPeakProminence的值，可实现峰值点a的求取。
试验所获取的电弧图像存在4种典型形貌：扁锥形(图 5a)、钟罩形(图 5b)、长锥形(图 5c)和长条形(图 5d)，经图像处理并进行坐标转换后的电弧图像边缘θ-ρ曲线如图 5所示。
|
| 图 5 电弧的4种典型形貌及其图像边缘θ-ρ曲线 |
首先，根据电弧形貌的几何特征，对于图 5d中的长条形电弧，由于弧柱存在较大幅度的横向飘摆，b1和b2点中只有一个点会成为弧柱边缘θ-ρ曲线中的极大值点，且ρb1或ρb2略小于ρa，也就是说，此种情况下的θ-ρ曲线中的极大值点的个数为2，a、b1为极大值且ρa>ρb1或a、b2为极大值且ρa>ρb2，而极小值点的个数为3，且ρd >ρc1，ρd >ρc2。
其次，对于扁锥形(图 5a)、钟罩形(图 5b)和长锥形(图 5c)电弧，弧柱边缘θ-ρ曲线中的极大值点和极小值点的个数均为3，此时，需要对极值的大小进行细化分析对比。
1) 当且仅当a点的极径ρa为3个极大值点a、b1、b2的极径中的最小值，且d点的极径ρd同时为3个极小值点c1、c2、d的极径中的最小值时，电弧的形貌为扁锥形(图 5a)；
2) 当且仅当a点的极径ρa为3个极大值点a、b1、b2的极径中的最大值，且d点的极径ρd同时为3个极小值点c1、c2、d的极径中的最大值时，电弧的形貌为长锥形(图 5c)；
3) 当a点的极径ρa非3个极大值点a、b1、b2的极径中的最大值，且d点的极径ρd非3个极小值点c1、c2、d的极径中的最小值时，电弧的形貌为典型的钟罩形(图 5b)。
根据电弧图像边缘θ-ρ曲线中6个极值点之间的相对关系，可以构建电弧形貌判别模型，实现电弧形貌判别，如表 1所示。
| 极大值点个数=2，a、b1或a、b2为极大值点 极小值点个数=3，c1、c2、d为极小值点 |
长条形 (极大值点：ρa>ρb1或ρa>ρb2；极小值点：ρd >ρc1，ρd >ρc2) |
||
| 极大值点个数=3，a、b1、b2为极大值点 极小值点个数=3，c1、c2、d为极小值点 |
ρd < ρc1且ρd < ρc2 ρc1 < ρd < ρc2或ρc2 < ρd < ρc1 ρd>ρc1且ρd>ρc2 | ||
| ρa < ρb1且ρa < ρb2 | 扁锥形 | 钟罩形 | 钟罩形 |
| ρb1 < ρa < ρb2或ρb2 < ρa < ρb1 | - | 钟罩形 | 钟罩形 |
| ρa>ρb1且ρa>ρb2 | - | - | 长锥形 |
此外，在特定的焊接工艺参数(如小电流和小钨极高度)下，还会形成球状电弧，此时，弧柱边缘的θ-ρ曲线中极大值点的个数为1。
电弧形貌自动判别程序框图如图 6所示，根据表 1对电弧形貌进行自动判别，程序的输出为数字0~5(其中，0代表球状，1代表扁锥形，2代表钟罩形，3代表长锥形，4代表长条形，5代表识别失败)。后期可通过比较数字大小来实现基于电弧形貌的焊枪(钨极)高度的自动控制。
|
| 图 6 电弧形貌自动判别程序 |
3 钨极高度对电弧形貌的影响
根据上文所提出的电弧形貌判别模型，采取表 2的主要试验参数，研究了不同钨极高度(从3 mm连续变化至14 mm)和焊接电流(50、100、150 A)下的电弧形貌特征及其变化规律。
| 钨极直径d/mm | 钨极长度l/mm | 喷嘴外径d1/mm | 钢板厚度δ/mm | 帧频f/s-1 | 曝光时间t1/s | 焊接电流I/A | 焊枪高度h/mm | 气体流量Q/(L·min-1) | 焊接速度v/(cm·min-1) | 采样时间t2/ms | 拍摄距离s/m |
| 3.2 | 5 | 14.2 | 5 | 6 000 | 1/120 000 | 50、100、150 | 3~14 | 6 | 0 | 83.3 | 1 |
焊接电流分别为50、100、150 A时，不同钨极高度下的电弧形貌如图 7所示(每幅图片的标注代表焊接电流和钨极高度连续变化过程的拍摄时刻)。当焊接电流较小、钨极高度过大时，电弧形态呈现长条形(见图 7f)，此时电弧的横向飘摆幅度较大，不利于工件熔透和焊缝成形；当焊接电流较大、钨极高度过低时，电弧形态呈现扁锥形(图 7g、图 7m)，此时电弧被压缩在较小的区域内，弧长较短(弧压较低)，导致电弧最高温度较低，从而使焊接热输入较低；当焊接电流较大、钨极高度较高时，电弧形态呈现长锥形(图 7l、图 7r)，此时，虽然电弧的最高温度增加(弧压增加)，但由于弧柱面积的增加导致电弧散热增加，从而使得阳极工件表面的最高温度下降，降低了焊接过程的热输入效率；同时，电弧质心横向摆动幅度会随着钨极高度的增加而加大，导致长锥形电弧的横向飘摆变大，影响焊缝成形。因此，钨极高度较低或较高均会对最终焊缝成形质量产生不良影响。当钨极高度适中时，电弧形貌呈现钟罩形，此时焊接热输入和效率均较高，且电弧的横向飘摆较小，有利于焊缝成形。
|
| 图 7 不同焊接电流和钨极高度下的电弧形貌 |
图 7中不同钨极高度下的电弧形貌虽然变化明显，但肉眼只能定性判断而不能准确区分。图 8为使用电弧形貌判别模型得到的不同钨极高度X下电弧形貌的自动识别结果Y，其中，O.C.S为扁锥形(返回值Y=1)、B.J.S为钟罩形(返回值Y=2)、L.C.S为长锥形(返回值Y=3)、L.S.S为长条形(返回值Y=4)，Failed为识别失败(返回值Y=5)；横坐标代表程序检测获得的弧长的实际尺寸。
|
| 图 8 不同钨极高度下的电弧形貌自动判别结果 |
1) 焊接电流为50 A情况下，钨极高度小于3.6 mm时，电弧形貌呈钟罩形(B.J.S)；钨极高度大于3.6 mm后，电弧形貌转变为长锥形(L.C.S)；当钨极高度进一步增加至5.1 mm后，电弧形貌转变为长条形(L.S.S)。
2) 焊接电流为100 A情况下，钨极高度小于5.8 mm时，电弧形貌保持为扁锥形(O.C.S)；钨极高度在5.8~7 mm时，为钟罩形(B.J.S)；随后，钨极高度从7 mm直至14 mm，电弧一直为长锥形(L.C.S)。
3) 焊接电流为150 A情况下的电弧形貌与100 A情况下的转变过程相同，不同的是，电弧形貌在钨极高度为7.7 mm时，才开始从扁锥形(O.C.S)进入并保持钟罩形(B.J.S)，在钨极高度为11 mm时，才开始转变为长锥形(L.C.S)。
由于电弧呈钟罩形时，电弧燃烧稳定性和焊缝成形质量良好，因此在给定试验条件下，焊接电流为50 A时，钨极高度的适宜范围小于3.6 mm；焊接电流为100 A时，对应的钨极高度适宜范围为5.8~7 mm，焊接电流为150 A时，适宜的钨极高度范围为7.7~11 mm。
电弧形貌随钨极高度的变化规律具有一定的连续性和稳定性。因此，本文提出的电弧形貌自动判别模型可以进一步应用到焊枪(钨极)高度的自动控制中，控制策略如图 9所示。
|
| 图 9 焊枪(钨极)高度自动控制策略 |
当电弧形貌自动判别算法返回值为2时，保持焊枪(钨极)高度不变；当返回值小于2时，应增加焊枪(钨极)高度；当返回值大于2时，则应减小焊枪(钨极)高度，直至返回值等于2，即电弧形貌呈钟罩形。
4 结论本文对高速拍摄的电弧图像进行处理，并进行弧柱边缘像素识别，在求出弧柱质心坐标，将弧柱边缘像素点的位置信息转化为以弧柱质心为原点的极坐标表达的基础上，提出了基于弧柱边缘像素点的极坐标θ-ρ曲线的电弧形貌判别模型，实现了对不同焊接电流和钨极高度下的电弧形貌的有效识别。研究发现，在其他工艺条件不变的情况下，电弧在不同的钨极(焊枪)高度范围内存在4种典型形貌：扁锥形、钟罩形、长锥形和长条形。随着焊接电流改变，各种电弧形貌所对应的钨极(焊枪)高度范围也会发生变化。根据电弧形貌随钨极(焊枪)高度的变化规律，给出了一种基于电弧形貌的焊枪(钨极)高度自动控制策略，为自动化焊接中的焊枪(钨极)高度自适应控制提供了新途径。
| [1] |
朱志明, 符平坡, 于英飞, 等. 基于图像的电弧波动行为表征及保护气体流量影响规律[J]. 焊接, 2018(10): 1-4, 38. ZHU Z M, FU P P, YU Y F, et al. Characterization of arc fluctuation behavior based on image and effects of shielding gas flow rate[J]. Welding & Joining, 2018(10): 1-4, 38. (in Chinese) |
| [2] |
朱志明, 程世佳, 符平坡, 等. 焊接电弧行为特征和稳定性评价研究与进展[J]. 焊接, 2018(11): 1-6, 10. ZHU Z M, CHENG S J, FU P P, et al. Research and progress on behavior characteristics and stability evaluation of welding arc[J]. Welding & Joining, 2018(11): 1-6, 10. DOI:10.12073/j.hjxb.2018390262 (in Chinese) |
| [3] |
杨德宇.液下等离子体电弧形态分析与稳定性研究[D].北京: 北京化工大学, 2014. YANG D Y. Study on stability and speciation of submerged plasma arc[D]. Beijing: Beijing University of Chemical Technology, 2014. (in Chinese) |
| [4] |
YANG M X, ZHENG H, QI B J, et al. Effect of arc behavior on Ti-6Al-4V welds during high frequency pulsed arc welding[J]. Journal of Materials Processing Technology, 2017, 243: 9-15. DOI:10.1016/j.jmatprotec.2016.12.003 |
| [5] |
冯东旭.激光-TIG双面焊接电弧特性及组织性能研究[D].哈尔滨: 哈尔滨工业大学, 2009. FENG D X. Study on arc characteristics and structure performance during laser-TIG double side welding[D]. Harbin: Harbin Institute of Technology, 2009. (in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-10213-2010027248.htm |
| [6] |
SHIGETA M, IKEDA T, TANAKA M, et al. Qualitative and quantitative analyses of arc characteristics in SMAW[J]. Welding in the World, 2016, 60(2): 355-361. DOI:10.1007/s40194-015-0288-2 |
| [7] |
韩永全, 张世全, 庞世刚, 等. 铝合金变极性TIG焊接电弧行为[J]. 焊接学报, 2015, 36(9): 51-54, 59. HAN Y Q, ZHANG S Q, PANG S G, et al. Arc behavior during variable polarity TIG welding of aluminum alloy[J]. Transactions of the China Welding Institution, 2015, 36(9): 51-54, 59. (in Chinese) |
| [8] |
朱加雷, 焦向东, 乔溪, 等. 激光增强GMAW焊接熔滴过渡控制试验[J]. 焊接学报, 2014, 35(8): 21-24, 29. ZHU J L, JIAO X D, QIAO X, et al. Experiment on metal transfer control of laser enhanced GMAW welding[J]. Transactions of the China Welding Institution, 2014, 35(8): 21-24, 29. (in Chinese) |
| [9] |
王鹏, 李桓, 于福盛, 等. 铝合金三丝双脉冲MIG焊熔滴过渡及电信号分析[J]. 焊接学报, 2018, 39(10): 98-102. WANG P, LI H, YU F S, et al. Analysis of droplet transfer and electrical signal in triple-wire double-pulse MIG welding of aluminum alloy[J]. Transactions of the China Welding Institution, 2018, 39(10): 98-102. (in Chinese) |
| [10] |
陈树君, 张所来, 黄宁, 等. 电弧熔丝脉冲GTAW熔滴过渡行为分析[J]. 焊接学报, 2017, 38(1): 17-21. CHEN S J, ZHANG S L, HUANG N, et al. Droplet transfer of arcing-wire pulse GTAW[J]. Transactions of the China Welding Institution, 2017, 38(1): 17-21. (in Chinese) |
| [11] |
XIAO X, HUA X M, LI F, et al. Spectroscopic measurement of temperature and gas composition in Ar-N2 shielded TIG welding[J]. Welding in the World, 2016, 60(6): 1287-1296. DOI:10.1007/s40194-016-0372-2 |
| [12] |
VILARINHO L O, SCOTTI A. Proposal for a modified fowler-milne method to determine the temperature profile in TIG welding at low currents[J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 2004, 26(1): 34-39. DOI:10.1590/S1678-58782004000100006 |
| [13] |
NOMURA K, KISHI T, SHIRAI K, et al. Temperature measurement of asymmetrical pulsed TIG arc plasma by multidirectional monochromatic imaging method[J]. Welding in the World, 2015, 59(2): 283-293. DOI:10.1007/s40194-014-0211-2 |
| [14] |
郭波, 石永华, 易耀勇. 基于电弧形态的熔滴过渡形式识别[J]. 焊接学报, 2017, 38(11): 27-31. GUO B, SHI Y H, YI Y Y. Metal transfer modes identification based on arc shape[J]. Transactions of the China Welding Institution, 2017, 38(11): 27-31. DOI:10.12073/j.hjxb.20160121002 (in Chinese) |
| [15] |
于英飞, 朱志明, 孙博文, 等. 焊接电弧图像的边缘检测及其批处理算法[J]. 焊接学报, 2018, 39(11): 17-21. YU Y F, ZHU Z M, SUN B W, et al. Edges detection and batch algorithm for welding arc images[J]. Transactions of the China Welding Institution, 2018, 39(11): 17-21. DOI:10.12073/j.hjxb.2018390265 (in Chinese) |
| [16] |
张铮, 徐超, 任淑霞, 等. 数字图像处理与机器视觉--Visual C++与Matlab实现[M]. 2版. 北京: 人民邮电出版社, 2014. ZHANG Z, XU C, REN S X, et al. Digital image processing and machine vision--Implementation of Visual C++ and Matlab[M]. 2nd ed. Beijing: Posts & Telecom Press, 2014. (in Chinese) |