基于異構計算的電弧增材制造熔池尺寸在線檢測算法

周天生, 董博倫, 林三寶, 蔡笑宇, 范成磊

摘要： 電弧增材制造過程中的熔池形態影響沉積態金屬的成形，為了得到良好的增材產品，首先需要實現對增材過程的在線監測，以獲取熔池形態尺寸等數據，為進一步反饋控制提供前提條件。在線監測的重點之一在于計算機的圖像處理速度，而圖形處理器GPU作為強大的圖形處理設備，比CPU更適合做大量圖像相關的計算。為此，文中采用CPU/GPU異構協同并行計算方法，試圖通過調用GPU設備加速圖像處理過程，以實時獲取電弧增材制造過程中的熔池形態尺寸信息。試驗結果表明，無論GPU調用與否，同一處理程序對同一視頻處理所得到的熔池寬度結果基本相同，而當調用GPU后，每幀圖像的處理時間大幅降低，處理效率得到很大程度的提高。因此，異構計算為電弧增材制造熔池尺寸在線監測提供了可能。

關鍵詞： 異構計算； 在線檢測； 增材制造； 電弧

中圖分類號：? TG 444

An online detection algorithm of wire arc additive manufacturing

molten pool dimension based on heterogeneous computing

Zhou Tiansheng， Dong Bolun， Lin Sanbao， Cai Xiaoyu， Fan Chenglei

（Harbin Institute of Technology， Harbin 150001， Heilongjiang， China）

Abstract： Morphology of molten pool affects formation of deposited metal during wire arc additive manufacturing. In order to obtain good additive products， it is necessary to realize online detection of additive process first， so as to obtain shape and size of molten pool and other data， and provide prerequisite for further feedback control. One of the key points of online detection is image processing speed of computer. As a powerful graphics processing equipment， graphics processing unit （GPU） is more suitable for doing a large number of imagerelated calculations than CPU. Therefore， CPU/GPU heterogeneous collaborative parallel computing method was adopted in this paper to accelerate image processing process by calling GPU devices， so as to obtain information of shape and size of molten pool in the process of arc additive manufacturing in real time. The results showed that whether GPU was called or not， results of weld pool width obtained by the same video processing program were basically same. When GPU was called， handling time for a single frame was reduced significantly， and efficiency of algorism was highly improved. Therefore， heterogeneous computing provided a possibility for online detection of size of molten pool by arc additive manufacturing.

Key words：? heterogeneous computing; online detection; additive manufacturing; arc0前言

電弧增材制造（Wire and arc additive manufacturing， WAAM）是一個伴隨著強光、強熱等物理現象，且發生多次熱循環和金屬熔覆的復雜動態三維成形過程。在成形過程中，多種不穩定因素影響著增材過程的穩定性和可靠性，如熔池溫度、熔池凝固速率、焊接電流與電弧電壓、行走軌跡、焊槍高度等，不恰當的參數可能導致氣孔、未熔合、軌跡偏移、熔覆層形貌不規則等缺陷，進而影響后續增材制造過程，甚至影響最終產品質量[1-3]。因此，基于以上種種問題，有必要引入熔池尺寸在線檢測這一手段。

所謂熔池尺寸在線檢測，即由監測系統實時輸出熔池的尺寸參數，并根據增材要求調整相應參數，保證增材制造的穩定性和可靠性。目前，熔池尺寸在線檢測技術大致可分為被動視覺檢測和主動視覺檢測兩類。被動視覺檢測是利用CCD攝像機直接對熔池進行取像，而主動視覺檢測是將線結構光照射在熔池前沿的焊道表面以獲取輪廓尺寸信息[4-5]。無論是主動檢測還是被動檢測，在獲取圖像信息后均要對其進行處理，但是由于焊接過程存在的強烈弧光、焊接飛濺等干擾，檢測系統對圖像處理的計算量較大、耗時較長，對增材制造過程的控制具有滯后性，難以保證控制的實時性。用Visual C++ 6.0編程實現，在Windows XP操作系統下，CPU為主頻2.4 GHz，內存為256 M，對圖像大小為498×18像素進行處理，圖像預處理平均時間約為63 ms[6]，與交流電弧頻率50 Hz相比，圖像處理耗時過長，若用滯后的信息進行控制，增材過程會逐漸偏離穩定，無法糾正。

要保證增材過程控制的實時性，可以從減少計算機計算量和提高計算機的圖像處理速度兩方面考慮。采用感興趣區域（Region of interest， ROI）提取技術，可以選擇優先處理熔池邊緣等位置，降低圖像處理的計算量，從而提高處理效率。但目前ROI自動提取技術的準確率不是很高[7-8]，若獲得了錯誤的處理信息，增材制造過程的穩定性很可能被破壞。中央處理器（Central processing unit， CPU）多線程圖像處理（CPU多線程）和異構圖像處理（CPU+GPU多線程）都可以加速圖像處理速度，但圖形處理器（Graphic processing unit， GPU）是完全專用于圖形輸出流水線的處理和加速，并發展出基于GPU的通用計算（Generalpurpose graphics processing unit， GPGPU）來實現高強度計算，而CPU是被設計用來優化串行代碼，注重控制和緩存等非計算功能，其圖形計算能力遠不如GPU。因此，CPU/GPU異構協同并行計算可以最大程度上發揮各自優點，進一步加速圖像處理效率[9-10]。

采用基于異構計算的圖像處理技術，以期顯著加速圖像處理過程，實現熔池尺寸的實時在線檢測，為進一步實現增材過程中熔池尺寸的反饋控制，最終實現產品質量控制提供前提。

1圖像處理方法

利用CCD攝像機拍攝一段雙脈沖MIG焊接過程，在Halcon軟件中處理所得到的視頻。首先，為了減少焊接環境對圖像處理的影響，選擇電弧及熔池前沿周圍一定大小圓形區域為ROI，如圖1所示。接下來，對ROI內的圖像進行灰度轉換、中值濾波、輪廓分割等操作，獲得電弧下熔池及一些焊接飛濺的輪廓，再按面積篩選出熔池輪廓，如圖2所示。最后，通過將熔池輪廓擬合為圓，如圖3所示，讀取其半徑，則半徑的二倍即為電弧下熔池寬度的近似值。Halcon軟件對視頻文件逐幀處理，得到焊接過程中連續的熔池寬度數據，并自動記錄。同時，在Halcon中建立對GPU設備調用的程序，在GPU關閉和開啟兩種情況下，分別對同一視頻文件做相同的處理，對比分析二者獲得熔池寬度數據的相似性和處理效率。

2CPU/GPU異構協同并行計算方式

在CPU/GPU異構協同并行計算方式中，CPU扮演領導角色，控制主要流程，進行決策，并將需要大量并行處理的計算密集型工作分配給GPU來完成，充分發揮二者的優勢[11-14]。這種計算方式的實例之一為信號處理[15]，在信噪比較高，采樣點數較多的情況下，該算法對單一頻率信號可以得到較高的測頻精度。算法步驟為：①對N點實信號序列x（n）做離散傅里葉變換（DFT）得到X（k）；②將X（k）做變換得到：

X′（k）=X（k），k=0

2X（k），1≤k≤N2－1

0，N2≤k≤N－1（1）

③對X′（k）做離散傅里葉逆變換（IDFT），得到x（n）的解析信號s（n）；④求s（n）的瞬時自相關序列r（n，τ）= s（n）*（n-τ），τ為采樣間隔；⑤將r（n，τ）實部與模的比值求反余弦可得到瞬時頻率f（n）；⑥將序列f（n）加權平均即得到信號的平均頻率f。

3試驗結果

3.1熔池寬度

在GPU待機和調用的情況下，利用Halcon分別對同一段雙脈沖MIG焊接視頻進行相同處理，得到熔池寬度如圖4和圖5所示。試驗所用CPU型號為Intel i79750H 2.60GHz，GPU型號為AMD Radeon Pro 5500M。通過對比分析可知，無論GPU調用與否，同一處理方法對同一視頻處理所得到的熔池寬度結果基本相同。

3.2處理效率

在GPU待機和調用的情況下，利用Halcon處理同一視頻的每一幀圖像所用時間如圖6所示。通過分析可知，在未啟用GPU時，每幀圖像的處理時間大于100 ms，而在啟用GPU后，在異構計算方式下，每幀圖像的處理時間不高于20 ms。GPU對圖像處理的提速至少為5倍，最高可達30倍以上，提速效果十分明顯。

4結論

（1）CPU/GPU異構協同并行計算相比CPU計算，二者得到的熔池寬度結果基本相同。

（2）異構計算對圖像處理加速效果十分明顯，其每幀圖像處理時間低于20 ms，提速效果至少可達5倍，最多可達30倍以上。

（3）異構計算適應電弧增材制造熔池尺寸在線檢測的可能性很大。

參考文獻

[1]田舒平， 解瑞東， 李滌塵， 等. 激光金屬成形缺陷在線檢測方法及熱場仿真[J]. 西安理工大學學報， 2019， 35（2）： 212-218.

[2]Gaja H， Liou F. Defects monitoring of laser metal deposition using acoustic emission sensor [J]. The International Journal of Advanced Manufacturing Technology， 2017， 90： 561-574.

[3]肖宇， 陳曦， 胡建南， 等. 基于紅外溫度場的電弧增材制造缺陷在線檢測方法[J]. 焊接， 2020（7）： 42-46， 54.

[4]韓慶璘， 李大用， 李鑫磊， 等. 基于分區減光的電弧增材制造熔敷道尺寸主被動聯合視覺檢測[J]. 焊接學報， 2020， 41（9）： 28-32.

[5]Jin Zeshi， Li Haichao， Li Ran， et al. 3D reconstruction of GMAW pool surface using composite sensor technology [J]. Measurement， 2019， 133： 508-521.

[6]劉明友， 劉南生， 郭昌榮， 等. 基于結構光視覺傳感的焊縫視覺信息檢測和識別研究[J]. 焊接， 2007（1）： 28-31.[7]馮競舸. 靜止圖像的ROI區域自動提取與編碼[D]. 南京：南京郵電大學碩士學位論文， 2013.

[8]Lin D T， Yan C R， Chen W T. Autonomous detection of pulmonary nodules on CT images with a neural networkbased fuzzy system [J]. Computerized Medical Imaging and Graphics， 2005， 29（6）： 447-458.

[9]盧風順， 宋君強， 銀福康， 等. CPU/GPU協同并行計算研究綜述[J]. 計算機科學， 2011， 38（3）： 5-9， 46.

[10]吳恩華， 柳有權. 基于圖形處理器（GPU）的通用計算[J]. 計算機輔助設計與圖形學學報， 2004， 16（5）： 601-612.

[11]張彤， 劉釗， 歐陽寧. 基于GPU的圖像快速傅立葉變換研究[J]. 微計算機信息， 2009， 25（15）： 286-287， 232.

[12]方旭東. 面向大規模科學計算的CPU-GPU異構并行技術研究[D]. 長沙：國防科學技術大學碩士學位論文， 2009.

[13]白洪濤. 基于GPU的高性能并行算法研究[D]. 長春：吉林大學博士學位論文， 2010.

[14]鐘聯波. GPU與CPU的比較分析[J]. 技術與市場， 2009， 16（9）： 13-14.

[15]張朝暉， 劉俊起， 徐勤建. GPU并行計算技術分析與應用[J]. 信息技術， 2009（11）： 86-89.

收稿日期： 2022-03-25

周天生簡介： 碩士研究生；主要從事電弧增材制造與焊接過程監測方面的研究；gjyjcn@126.com。

林三寶簡介：通信作者，博士，教授，博士生導師；主要從事高效電弧焊接技術及電弧增材制造方面的研究；已發表論文200余篇；sblin@hit.edu.cn。