焊缝表面缺陷的三维特征提取及线激光检测

发布时间：2017-10-09 06:31

  本文关键词：焊缝表面缺陷的三维特征提取及线激光检测

  更多相关文章： 线激光扫描 在线检测 焊缝表面缺陷

【摘要】：焊接是工业生产领域中一种非常常见的加工制造方法,焊接质量的好坏将会对焊缝的性能以及产品的安全性产生很大影响,因此对其应引起足够的重视。现代工业生产中对焊接产品质量的要求越来越高,对于焊缝质量的检测技术也是提出了更高的要求。先进的检测技术是保证焊接产品质量必不可少的条件,焊接质量的检测技术不断向着自动化和数字化发展,自动化检测不仅可以提高生产效率,而且可以改善工人的劳动环境。本文通过分析焊缝表面缺陷的特点,采用线激光扫描焊缝,得到表面轮廓线的基本信息,根据其轮廓线的特点,提出了利用单轮廓拟合和多轮廓组合的方法来判识焊缝表面缺陷,基于该判识方法,用LabVIEW软件开发了一套可在线检测焊缝表面缺陷的检测系统。焊缝表面缺陷检测系统主要由焊缝表面数据采集程序、数据拟合分析程序和显示模块构成。数据采集程序主要是在线获取焊缝表面轮廓的基本信息,数据拟合分析程序主要是针对焊缝的轮廓特点和不同的缺陷特征,利用不同的数学方法进行缺陷的判识,检测结果的显示模块主要是在线显示焊缝表面缺陷的判识结果,包括缺陷的位置、种类、大小等具体信息。本系统能精确地检测焊缝咬边,未熔合,气孔,焊瘤,角变形等缺陷的位置与大小,焊缝横向和垂直方向精确度可达微米级别,纵向可达0.01毫米。本系统较成功的解决了目前依靠人工检测焊缝表面缺陷存在的问题,具有高效,精确,客观的特点。
【关键词】：线激光扫描 在线检测 焊缝表面缺陷
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG441.7
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-18
• 1.1 选题的背景10-11
• 1.2 焊缝外观质量视觉检测的研究现状11-14
• 1.3 表面缺陷检测算法研究现状14-16
• 1.4 课题研究的意义及主要内容16-18
• 第二章 检测系统的软硬件环境18-27
• 2.1 检测系统的硬件环境18-25
• 2.1.1 线激光传感器18-21
• 2.1.2 三角测量技术和投影转换技术的研究和应用21-23
• 2.1.3 行程控制器23-24
• 2.1.4 检测试样24
• 2.1.5 电子计算机24-25
• 2.2 检测系统的软件环境25-26
• 2.2.1 软件简介25
• 2.2.2 焊缝表面缺陷检测系统的特点25-26
• 2.3 小结26-27
• 第三章 焊缝表面信息的数据采集系统27-36
• 3.1 焊缝表面信息的采集27-33
• 3.1.1 传感器的数据通讯方式27-30
• 3.1.2 对于相机拍摄模式的通讯设定30
• 3.1.3 焊缝轮廓图数据的读取通信方式30-33
• 3.2 焊缝表面轮廓数据采集程序33-35
• 3.3 小结35-36
• 第四章 焊缝表面轮廓的基本信息和特点36-43
• 4.1 不同焊接方法下的焊接特点36-37
• 4.1.1 焊条电弧焊的焊接特点36-37
• 4.1.2 熔化极气体保护焊的焊接特点37
• 4.2 不同焊接方法下的焊缝表面特点37-40
• 4.3 焊缝单轮廓的最小二乘法拟合40-42
• 4.3.1 最小二乘法拟合原理40-41
• 4.3.2 焊缝单轮廓的最小二乘法拟合41-42
• 4.4 小结42-43
• 第五章 焊缝表面缺陷的特点和判识43-61
• 5.1 焊缝常见缺陷43-44
• 5.2 焊缝常见缺陷特点44-46
• 5.3 焊缝角变形的矫正46-47
• 5.4 焊缝咬边和未熔合缺陷的特点和判识47-52
• 5.4.1 焊缝咬边和未熔合缺陷横向单轮廓的特点47-49
• 5.4.2 焊缝咬边和未熔合缺陷横向单轮廓的判识49-50
• 5.4.3 焊缝咬边和未熔的区别50-52
• 5.5 焊缝中表面气孔缺陷的特点和判识52-54
• 5.6 焊缝中焊瘤的特点和判识54-57
• 5.7 焊缝中未焊满的特点和判识57-58
• 5.8 焊缝表面缺陷的位置和大小信息58-60
• 5.9 小结60-61
• 第六章 系统的介绍和检测结果61-70
• 6.1 系统的介绍61-62
• 6.2 焊缝表面缺陷检测系统界面的介绍62-65
• 6.3 检测系统的检测结果65-69
• 6.4 小结69-70
• 第七章 总结70-71
• 参考文献71-76
• 攻读硕士期间发表的论文及所取得的研究成果76-77
• 致谢77-78

【参考文献】

中国期刊全文数据库 前10条

1 姜慧研;冯锐杰;;基于改进的变分水平集和区域生长的图像分割方法的研究[J];电子学报;2012年08期

2 黄楠;;遗传算法在图像增强中的应用研究[J];计算机仿真;2012年08期

3 谭显坤;杨小义;;基于图像特征识别的部件缺陷无损检测方法(英文)[J];机床与液压;2012年12期

4 杨建菊;;数字图像分割方法研究[J];凯里学院学报;2012年03期

5 赵宇峰;高超;王建国;;基于机器视觉的工业产品表面缺陷检测算法研究[J];计算机应用与软件;2012年02期

6 刘思;黄心汉;;复杂背景下钢板表面缺陷检测的图像增强方法[J];华中科技大学学报(自然科学版);2011年S2期

7 张瑞娟;蒲宝明;潘世铭;;模板匹配算法在动车零部件故障检测系统中的应用[J];计算机系统应用;2011年08期

8 杨永敏;樊继壮;赵杰;;基于超熵和模糊集理论的带钢表面缺陷分割[J];光学精密工程;2011年07期

9 何小利;宋钰;;基于机器视觉技术的物体表面缺陷检测[J];洛阳师范学院学报;2011年02期

10 龙晓薇;阳春华;龙永红;;PVC建材表面缺陷检测系统研究与设计[J];计算技术与自动化;2010年02期

中国硕士学位论文全文数据库 前2条

1 李飞;基于人工神经网络的车牌识别系统的研究[D];中北大学;2007年

2 冯晓华;冷轧带钢板形缺陷模式识别的研究[D];西安理工大学;2005年

，

本文编号：998683