焊接質量在線監控方法探討

唐文慶 種玉寶

（大連市鍋爐壓力容器檢驗研究院 遼寧大連）

焊接過程是焊接電流、電壓以及熱、力等各種影響因素綜合作用的結果，引起其物理狀態變化、電弧穩定性、焊接缺陷的原因，必然隱含于各參數的動態變化之中。傳統的焊接質量是通過穩定焊接參數和焊后檢驗來控制，最終質量靠抽樣目測和剖切檢驗等焊后檢驗手段來保證。由于焊接過程中存在大量隨機影響因素，各影響因素之間相互耦合以及高度的非線性作用，僅通過穩定工藝參數不可能完全保證焊接質量，焊后檢驗的質量保證體系缺乏實時性，不能給焊接過程提供任何質量反饋信息，無法及時發現焊接缺陷。因此，人們一直在積極尋求能直接傳感或監測焊接質量的方法。

一、焊接過程的動態信號

1.利用電弧電壓、焊接電流作為信號源

在焊接質量監測系統中，最被人們認可的是基于電弧或視覺的傳感。電弧傳感主要是采集焊接過程中的電弧電壓和焊接電流，根據電弧理論和實踐經驗可知，短路過渡焊接過程中產生的飛濺、熄弧、跳弧等現象，都可以從電弧電壓和焊接電流信號中反映出來，即焊接過程的電信號包含了電弧燃燒情況的豐富信息，這些信息不但可以被方便地采集，而且具有周期短、頻率高、信號頻率幅值變化劇烈等特點。通過適當的信號處理方法，提取表征焊接質量的信息是有效的，故進行焊接質量檢測、焊接過程的波形控制等方面研究時，常用電流、電壓為信息源，并設計了多種處理算法。如華南理工大學在對GMAW過程以正常、焊穿、短時間斷弧為分類形式的焊縫缺陷識別中，采用了電弧電壓與焊接電流為信息源。在北京石油化工學院、北京工業大學關于CO2焊特征參數的檢測分析研究、清華大學關于CO2焊接電弧信號分析與穩定性研究和華中理工大學關于CO2焊溶滴過渡特征等研究中，也均以電弧電壓與焊接電流作為信息源。

2.利用電弧聲作為信號源

在實際生產中，熟練的焊工往往能根據電弧聲辨別焊接過程的穩定性和飛濺大小，這說明電弧聲與焊接過程具有相關性，通過電弧聲的研究應能實現對焊接過程乃至焊接缺陷的檢測。雖然電弧聲波采集較難，且容易受到其他因素的影響，但隨著高速信號采集器與計算機對聲音信號的輔助分析等技術的發展，采集電弧聲信號仍然是可能的，而且從全息的角度看，電弧聲中也包含有反映焊接質量的特征信號，因此近年來也有一些以電弧聲為信息源的相關研究。日本學者Arata Yoshiaki在1979年與1980年對電弧聲的特性、規范的影響方面進行了研究。澳大利亞學者Saini和Floyd在1998年研究了電弧聲在GMAW焊接在線質量檢測中的應用。他們肯定了Manz提出的電弧聲產生于焊接電弧能量水平突變的觀點，并認為電弧輸入能量、溶滴過渡方式和過渡速率是產生焊接能量突變的3個因素。他們贊同Kaskinen和Mueller關于等離子體體積變化導致能量突變從而引起電弧聲的觀點，并給出公式（1）。

式中 VI——電弧能量

V——電弧電壓

I——電弧電流

k、K——常數

S——聲壓。

國內關于電弧聲的研究中，指出在時域上利用統計法得到的短路前后1.44ms內聲波能量Es與飛濺呈線性關系，見公式（2）。探討了電弧電壓與焊接電流對Es的影響，從頻域上利用經典譜估計方法，給出了電弧聲的功率譜。

式中 a——線性變換系數

S——聲波采集信號的量值

3.利用焊接電弧光作為信號源

多年前，人們利用光電管將弧光總強度轉換為電壓，發現弧光總強度與電弧長度之間的存在定量的線性關系，見公式（3）。通過測量弧光總強度B信號的大小，可得知電弧弧長的大小。

式中 B——弧光總強度，V

I——電弧電流，A

L——弧長，mm

M1、M2、M3——常數

此外弧光還可以傳感熔滴過渡，即在縮頸破斷脫離焊絲端頭瞬時，由于電流回路的突然斷路，弧光強度信號突然下降，根據電弧的物理規律，原來籠罩在熔滴下部端面的弧根（電弧的陽極區），將自動上跳至焊絲端頭縮頸破斷處，以維持電弧電流回路的繼續流動。弧光強度信號又逐漸上升，這個弧光強度下凹信號就是熔滴過渡的特征信號。

由此可見，電弧弧光信號中也包含了與焊接過程密切相關的信息，而且弧光信號的分散度小、穩定性和精確度高，故可通過檢測電弧弧光信號的變化來對焊接質量進行監測以及獲知焊接過程的穩定性。

二、信號處理及信號分析方法

信號可以從幅值域、頻率域、時間域來描述。智能診斷中信號處理的目的是去除信號中的噪聲和提取診斷用的特征向量。要全面地描述一個焊接過程，需要從兩個方面來提取特征元素，即時域分析和頻域分析。

1.時域分析方法

在對信息源進行時域處理時，主要采用概率統計特征法，即通過焊接電壓、電流時域內的統計學特征進行焊接過程穩定性或缺陷檢測。例如從二者直方圖分布、瞬時I-U圖、峰值及變化率、過渡周期和短路時間等方面進行特征提取與分析。

2.頻域分析方法

在對信息源進行頻域處理時，主要采用基于FFT的譜分析技術信號處理方法。基于FFT的譜分析技術是現代數字信號處理中普遍采用的方法。公布的文獻中大量的研究表明，短路過渡形式的傅立葉變換曲線在較高頻率時有一個主峰值，在較低頻率時有次要峰值；大滴過渡電流信號的傅立葉變換曲線具有確定的、相對尖的主峰，峰值的寬窄表明信號一致性的程度，峰值代表了熔滴過渡的主頻率。由于最高的熔滴過渡頻率與最好的焊接質量相一致，因此通過控制熔滴過渡頻率來調節焊接參數，保證主峰值盡可能的窄、頻率盡可能的高。通過對隨機信號經典功率譜估計，提取焊接電壓、電流在不同頻率的功率譜密度變化，如幅值、對應頻率等特征，進行焊接過程穩定性判別和焊接質量的檢測。還有一些報道中提到的比較周期圖法、Welch平均法以及AR模型法對電弧聲波各頻段信號進行功率譜估計的結果。采用功率譜估計的方法對電壓信號在焊接過程中的頻譜特性進行分析，在電弧功率譜提取焊接過程中的特征頻率，為小波分析尺度的選取提供依據。

3.時頻分析方法

對于非平穩信號分析和適時處理，傅立葉變換存在著很大局限性，一方面是因為它是時-頻域的全局轉換，沒有時域和頻域同時局部化的作用，信號在局部時域上的改變會影響其全部頻譜特性，在頻域中的局部改變也會影響其在全部時域中的特性，亦即頻域中某頻率或某頻帶內的信息和時域中某時刻或時寬內的信息沒有直接的對應關系，這種對應關系稱為時頻分析；另一方面，傅立葉變換得到的功率譜密度僅能給出信號的平均統計結果，這對于高度非線性復雜的焊接過程顯然是不夠的。

使傅里葉變換（譜）表示頻率分量的時間局域化方法之一，是對信號x（t）適當預加窗，加窗后的傅里葉變換稱為短時傅里葉變換（STFT）。STFT分析和綜合（逆變換）式的定義見公式（4）。

分析窗 γ（t）和綜合窗 g（t）須滿足 ∫g（t）γ*（t）dt=1。x（t′）乘一個很短的分析窗 γ（t′-t）后，相當于取出信號在分析點（t=t′）附近的一個切片，因此，STFT將得到在分析點t′附近的“局部頻譜”。

小波變換是在時頻平面不同位置具有不同的分辨率，是一種多分辨率的分析方法，而且由于其時頻窗面積不變但形狀可變，因此可對信號的局部特征進行準確分析。小波分析的基函數由小波伸縮而成，其時頻窗寬度隨信號自適應變化，低頻處時窗變寬，高頻處時窗變窄。因此，具有時頻局部化功能的小波變換是適用于非平穩信號處理的理想工具，主要進行奇異信號檢測、信噪分離以及頻帶能量分析。

采用時頻窗可變的小波變換對非平穩信號進行分析已經有了廣泛的實際應用。如利用小波分析摩擦焊接結點和擴散焊接孔隙的微弱結點缺陷超聲信號，利用連續的和離散的小波變換分解轉軸和送絲伺服電機電流信號，提取信號特征成功監測工具的損壞狀況。華南理工大學利用子波變換對CO2焊焊穿進行了有效的特征提取。華中理工大學在對熔滴過渡特征的分析與研究中，采用小波包結合自回歸分析技術取得了一定進展。

4.統計分析方法

不論是在時域和頻域中，都存在大量的統計參數，這些參數全面地反映了焊接過程。時域中應用較多的無量綱統計參數有：均值、峰值、均方幅值、波形指標、峰值因子、脈沖指標、峭度系數、自相關函數、互相關函數等。頻域中常用參數有：頻率和頻率下降率、幅值譜、功率譜、自功率譜密度函數、互功率譜密度函數、頻響函數等。

在幅值域內分析電弧電壓和焊接電流，繪制電弧電壓概率密度分布圖和焊接電流概率密度分布圖，在頻域內分析短路時間和燃弧時間，繪制短路時間頻數分布圖和燃弧時間分布圖，超值電壓參數、低值電流參數、超值電流參數、瞬時短路參數、超時短路參數、超時燃弧參數等六個參數作為神經網絡輸入參數，輸出參數為飛濺量大小。華南理工大學利用焊接電壓與電流在整條焊縫上以時間、取值范圍和出現幾率為軸的三維圖，根據立體的電參數概率分布進行焊接質量識別。北京石油化工學院與北京工業大學以特征參數概率分布直方圖為主，即以短路時間、燃弧時間、峰值、最大電流變化率、短路周期等的概率分布為主要研究對象，分析焊接過程特征參數與焊接過程穩定性之間的關系。清華大學利用了電弧電壓、電流波形的平均值M、標準差S、變異系數及動態I-U圖等進行信號分析及穩定性評價等。

三、缺陷識別方法

缺陷識別就是對被識別的對象（主要是針對焊縫質量）當前狀態的識別和未來狀態的估計（趨勢分析），識別它是正常還是異常，若是異常，則是屬于哪種異常情況。焊縫質量的變化必然會由焊接過程自身的狀態特性的變化來反映，實質上缺陷診斷是在時域內識別被診斷對象的實時狀態。抽象到理論上來看，缺陷識別就是故障診斷，缺陷識別的理論也就是故障診斷的機理。識別的方法很多。常用的識別方法有：統計識別法、函數識別法、邏輯識別法、模糊識別法和神經網絡識別法，這些方法均有其各自的特點。

統計識別法是用統計計算方法從大量信號數據中提取出對待識別缺陷敏感的特征元素。根據工程中的實際經驗和實驗數據的統計結果及理論分析結果，提供標準的正常狀態模式集和待識別缺陷模式集。然后將被識別對象的實時信號中提取出來的特征元素與標準庫的正常狀態模式集和待識別缺陷模式集的相應特征元素進行比較，根據相應集合接近的程度給出識別的結果。

函數識別法是根據特征元素與故障狀態之間存在某種函數關系，在獲得特征元素值后算出相應的故障狀態的識別方法，但是反映特征元素和故障之間的函數必須經過大量實測統計數據的驗證和修改后才可能真實地反映工程實際中被診斷對象的特點，所以從工程角度上，函數識別也必須建立在統計的基礎上。由于焊接過程本身的復雜性，焊接缺陷與特征元素之間很難用精確的數學模型來描述，因此很難找到合適的函數關系式來表達焊接缺陷與特征元素之間的關系。

邏輯識別法即將所選取的特征向量量化，根據邏輯特征量進行故障識別。雖然該方法適用于一切機械設備故障診斷問題，但在實際應用中過于粗糙，僅僅判斷有無故障的發生。如華南理工大學在基于MSPC方法的GMAW在線監測一文中的多變量統計方法就是用邏輯識別的原理，根據實際的測量結果與預測值的偏差大小來判斷焊接過程是否異常。

模糊識別法是利用模糊集合論中的隸屬函數和模糊關系矩陣的概念來解決故障與特征間的不確定關系，進而實現故障的早期預報和精密診斷。雖然這種方法計算簡單、應用方便、結論明確直觀，但是難以進行趨勢分析，而且構造隸屬函數是人為的，含有一定的主觀因素，若特征與故障的關系中含有未知因素時，隸屬函數無法構造出來。同時對特征元素的選擇也有一定要求，不合適的選擇可能導致診斷失效。

上述各種識別方法進行邏輯推理和診斷，其特點為串行運行的處理方式，需要專門構造龐大的知識庫和數據庫，而且缺乏自學習能力，而人工神經網絡識別法是就是從物理結構上模擬人腦，按人腦的某些智能來識別故障的一種新方法。

人工神經網絡識別法，從理論上講，它可以以任意精度逼近任意復雜的非線性系統。采用并行分布式存儲和處理信號的方式，具有很強的容錯性和魯棒性（魯棒性是英文robustness的音譯，是穩健性或穩定性的意思，反映為穩定性更好。一般用來描述某個東西的穩定性，就是說在遇到某種干擾時，這個東西的性質能夠比較穩定）。適用于多信號的融合，可同時綜合定量和定性信號。尤其對于多輸入、多輸出的復雜系統，利用人工神經網絡技術就更為方便。

人工神經網絡識別法具有很強的自學習能力，并在學習過程中不斷的完善自己，具有創造性。具有聯想記憶功能，在網絡訓練的過程中，輸入端給出要記憶的模式，通過學習并合理的調節權系數，網絡就能記住所有的輸入信息。

在利用信息源的時-頻特征進行CO2焊接過程穩定性判斷、焊縫跟蹤、焊接質量檢測等方面的應用，模糊控制和人工神經網絡方法在國內外都取得了豐碩成果。如采用在線電弧電壓作為神經網絡輸入數據的原型機，精確預測短路過渡和射滴過渡金屬轉移模式和焊接質量。應用神經網絡多種算法對聲音和振動進行主動非線形控制，英國利物浦大學以焊接電流、電壓、速度及板厚為輸入層，利用人工神經網絡對TIG焊的焊縫質量分類（TQN網絡）。甘肅工業大學利用電弧聲成功映射了CO2焊的飛濺率。華南理工大學采用自組織特征（SOM）神經網絡對焊縫缺陷信息進行了成功的識別。哈爾濱工業大學對焊接缺陷的智能化模式與診斷中人工神經網絡的應用。西北工業大學關于電阻點焊質量控制中的人工神經網絡技術的應用也有相關報道。清華大學、華南理工大學及甘肅工業大學也對人工神經網絡技術在焊接過程的控制等方面做了大量研究工作。

運用神經元網絡理論，研究動態電阻與焊點質量之間的模型關系，證明采用神經元網絡模型可以在焊接過程中準確地獲知焊點質量信息。在此基礎上產生了點焊質量的評價方法，建立了點焊質量模糊綜合評判模型，實現了點焊質量的多參量綜合檢測。

四、結論

焊接電流、電弧電壓、電弧聲以及電弧光等信號既反映輸入能量、又反映焊接過程中的奇異點。影響焊接質量的各種隨機因素，均直接或間接地體現在焊接電流、電弧電壓、電弧聲、電弧光等信號的動態變化中。因此，基于這些信號的特征進行焊接缺陷識別和質量分類，理論上是可行的。

利用多種信號處理方法對采集到的各種信號進行分析，提取那些隱含的卻與焊接質量相關的信號特征值，構成時、頻特征向量集，建立多種缺陷識別模型，對焊接過程進行自組織特征映射，可望實現焊接缺陷識別和質量分類。