基于数据-物理融合驱动的焊接过程数字孪生方法及系统

本发明涉及人工智能，具体涉及一种基于数据-物理融合驱动的焊接过程数字孪生方法及系统。

背景技术：

1、焊接技术作为制造业中的关键环节，对产品的质量和生产效率具有重要影响。随着制造业由传统制造向智能制造的转变，不仅对产品的质量和生产效率提出了要求的提高，更要求实现制造过程的全流程可视化和质量可追溯。近年，数字孪生技术作为新兴发展的技术，通过数字孪生系统和本体系统之间的数据双向流动，本体系统可以向数字孪生系统输出数据，数据孪生系统也可以向本体系统反馈信息。因此，实现焊接过程的数字孪生和可视化对智能制造的发展起着至关重要的作用。

2、现有的研究工作主要集中在通过数据驱动的方式预测熔池深度实现焊接过程的感知与预测。专利申请号为cn202311736148.7公开的基于声谱图特性分析的焊缝熔宽定量方法，其使用短时傅里叶变换将焊接过程中产生的声信号转换后的频谱图，并使用卷积神经网络进行熔池深度预测。专利申请号为cn202310053813.6公开的一种基于循环神经网络的窄间隙焊接熔深预测方法，使用循环神经网络分析焊接过程中的各种参数，进而预测焊接熔池深度。专利申请号为cn202211466237.x公开的基于多模融合的电弧复合增材熔深预测方法将可见光信号和温度场信号相融合，通过多模态融合实现了熔池深度的准确预测。

3、然而，上述研究均局限于单一熔池特征信息，对焊接全过程数据的利用不充分。更忽略了焊接过程中的物理规律，缺乏对熔池演化的数字化还原。同时，无法实现焊接过程数据与状态的全记录与分析和全过程的可视化，制约了焊接的智能化水平与智能制造的发展。因此，如何通过应用数字孪生技术，搭建数字化焊接过程数字孪生系统及外围环境的原型镜像，解决对熔池演化的全面表征和对焊接全过程数据的可视化难题，已成为一个亟待解决的问题。

技术实现思路

1、1.所要解决的技术问题：

2、针对上述技术问题，本发明提供一种基于数据-物理融合驱动的焊接过程数字孪生方法及系统，该方法基于孪生系统对焊接全过程数据充分利用，通过数据驱动与物理驱动相融合，数字化地还原熔池演化过程，增强焊接过程的可视性，为实现焊接过程的感知与预测提供泛化的解决方案，可应用于多质量标准的制造场景。

3、2.技术方案：

4、基于数据-物理融合驱动的焊接过程数字孪生方法，其特征在于：包括以下步骤：

5、步骤一：搭建自动化焊接平台，构建自动化焊接平台的三维模型；通过采集焊接现场实时数据和计算虚拟数据，将焊接平台的焊接过程作为数字孪生系统的孪生对象，搭建焊接过程数字孪生系统；

6、步骤二：配置相应传感器用于收集焊接过程中的孪生数据；所述孪生数据包括焊接过程中的焊接电流，电弧电压以及熔池表面图像；

7、步骤三：对孪生数据进行分析与处理，获得表征熔池演化的关键参数；所述关键参数包括熔池表面宽度与熔池背面宽度；

8、步骤四：将孪生数据与表征熔池演化的关键参数结合高斯面热源模型，通过物理驱动的方法实现熔池演化的数字化还原；

9、步骤五：建立焊接过程的可视化界面作为数字孪生系统的服务接口，提供焊接过程与全过程参数的可视化；所述可视化界面包括当前时刻的熔池表面图像的高亮显示以及焊接参数的实时与历史数据。

10、进一步地，所述自动化焊接平台包括包括由步进电机驱动的滑块和滑块导轨组成的运动平台、用来进行焊接的焊机及焊炬；所述滑块导轨、焊炬固定安装于预设位置；待焊接的工件固定于导轨上的滑块上，步进电机驱动电路通过控制步进电机的脉冲信号的频率与数量实现控制工件的移动速度与移动时间，进而实现焊炬对工件的自动焊接。

11、进一步地，步骤二中的相应传感器包括实现焊接电流与电弧电压实时监测的焊机传感器、用来实时捕捉熔池表面图像的工业相机，从而实现采集焊接过程中的焊接电流，电弧电压和熔池表面图像；其中工业相机的镜头上安装带通滤光片实现对弧光的抑制。

12、进一步地，步骤三中对孪生数据进行分析与处理包括使用图像处理方法从熔池表面图像中提取熔池表面宽度，具体包括以下步骤：

13、s31:使用棋盘格方法矫正熔池表面图像，使熔池表面图像中的像素位置与实际空间中的点位置精确匹配；

14、s32:对熔池表面图像增量两倍以增强图像内部细节；

15、s33:使用双边滤波器平滑熔池表面图像，在保持图像边缘细节的同时去除图像中的噪点，图像中的每个像素点i(x,y),经过双边滤波器处理后为o(x,y)，如下式：

16、

17、上式中，w是归一化因子，用于确保输出图像的像素值之和为1，表示空间高斯函数，用于衡量空间距离的权重，其中u是像素之间的空间距离，σs是是空间高斯函数的标准差，控制着空间邻近性的影响范围；是强度高斯函数，用于衡量像素值差异的权重，其中v是像素值之间的差异，σr是强度高斯函数的标准差，控制着像素值差异的敏感度；i(x′,y′)表示i(x,y)相邻接的像素点的值，其中x′表示像素点i的相对于x的偏移量,y′表示像素点i的相对于y的偏移量；

18、s34:计算使用双边滤波后的图像的局部对比度clocal(x,y)与全局对比度cglobal，如下式：

19、clocal(x,y)＝i(x,y)-o(x,y) (2)；

20、计算使用双边滤波后的该图像的图像全局对比度cglobal：

21、

22、上式中，m和n分别是图像中像素的行数和列数；

23、s35：对全局对比度乘以比例因子，计算自适应阈值t(x,y)：

24、t(x,y)＝cglobal·s (4)

25、上式中，s是预设的比例因子；

26、s36：对图像中的每个经过双边滤波器处理后的像素点o(x,y)应用自适应阈值t(x,y)进行二值化，二值化后图像中每个像素点的像素值b(x,y)为：

27、

28、s37：使用canny边缘检测对二值化的图像进行轮廓提取获得熔池的轮廓edges，如下式：

29、edges＝edgedetected(b(x,y)) (6)

30、上式中，edgedetected为一个函数，能够将二值化图像作为输入，并执行梯度计算、非最大抑制、双阈值检测和边缘连接的步骤，最终输出检测到的熔池轮廓；

31、s38：所述检测到的熔池轮廓的宽度即能够计算得到熔池表面宽度wt。

32、进一步地，步骤三中对孪生数据进行分析与处理还包括使用深度学习方法利用熔池表面图像预测熔池背面宽度，具体包括以下步骤：

33、s310:制备熔池背面宽度数据集，数据集中的每个样本包括同一时刻的熔池表面图像和熔池背面宽度；

34、s311：构建基于深度学习的熔池背面宽度预测模型；所述熔池背面宽度回归模型将熔池表面图像作为输入，基于回归的方式得到熔池背面宽度的预测值；

35、s312：使用熔池背面宽度数据集训练熔池背面宽度预测模型，通过梯度下降算法最小模型损失函数进而迭代更新模型权重，获得训练后的模型权重；

36、s313：将熔池背面宽度预测模型加载训练后的模型权重，将熔池表面图像输入熔池背面宽度预测模型即可对熔池背面宽度进行预测。

37、进一步地，步骤四中，所述结合高斯面热源模型，通过物理驱动的方法实现熔池演化的数字化还原，其中高斯面热源公式如下为：

38、

39、上式中，q(r)表示热源中半径为r处的表面热流密度；r0是电弧加热面的半径；p是能量功率，η是电弧热效率；具体数字化还原过程包括以下步骤：

40、s41:通过实时的焊接电流i与电弧电压u计算得到能量功率p，如下式：

41、p＝ui (8)

42、s42：通过步骤三中获得的熔池表面宽度wt对电弧加热面的半径r0进行等效计算，如下式：

43、

44、上式中，k0是电弧加热面半径的等效系数，wt是熔池表面宽度；

45、s43：将式(8)、(9)式带入(7)式中，得到半径为r处的热流密度与该处温度tr的关系为：

46、

47、上式中，k是焊接母材的导热率，te是当前环境温度；其中，表示半径为r处的表面热流密度；

48、s44：将熔池背面宽度wb与焊接母材的熔点温度带入(10)式的中间与右式，即可得到下式：

49、

50、上式中，tw是焊接母材厚度，wb是熔池背面宽度，t0是母材的熔点温度；

51、根据(10)式，能够看出通过将实时的焊接电流i，电弧电压u，熔池表面宽度，熔池背面宽度带入该式，并给定环境温度与焊接母材的参数能够求得实时的电弧热效率η与电弧加热面半径的等效系数k0，得到实时的高斯面热源建模公式，并利用opencv将其转换为图形并在unity上进行渲染，进而实现熔池演化的数字化还原。

52、进一步地，步骤五中焊接过程的可视化界面包括：当前时刻的熔池表面图像的高亮显示，焊接电流，电弧电压，熔池背面宽度与熔池演化的数字化建模，焊接电流，电弧电压与熔池背面宽度的历史数据。

53、基于数据-物理融合驱动的焊接过程数字孪生系统，包括数字系统和自动化焊接平台；所述数字孪生系统包括：传感器、运动平台、焊接设备、存储器、处理器及储存在所述储存器上并可在所述处理器上运行的焊接过程数字孪生程序；所述焊接过程数字孪生程序被所述处理器执行时实现如权利要求1-7任一权利要求所述的基于数据-物理融合驱动的焊接过程数字孪生方法的步骤。

54、进一步地，还包括计算机可读储存介质，所述计算机可读储存介质上储存有焊接过程数字孪生程序，所述焊接过程数字孪生程序被所述处理器执行时实现如上述所述的基于数据-物理融合驱动的焊接过程数字孪生方法的步骤。

55、3.有益效果：

56、(1)本方法中基于数字孪生系统对焊接全过程数据充分利用，通过深度学习与物理模型相结合，数字化地还原熔池演化过程，增强焊接过程的可视性与可解释性，为实现焊接过程的感知与预测提供泛化的解决方案，可应用于多质量标准的焊接场景。具体而言，本方法将全过程孪生数据与高斯面热源建模相融合，在符合物理规律的前提下实现熔池演化的数字孪生可视化。并通过数据驱动方法，挖掘焊接数据背后隐藏的物理机理。

57、(2)本发明提供的方法及系统能够提供实时的焊接过程参数并实现熔池演化实时预测与可视化，具有清晰的结构、具体的实现方式和一定的可移植性，能够加速传统焊接制造向智能焊接制造的转变。