Visual measurement of laser-arc hybrid welding

Tässä työssä raportoidaan hybridihitsauksesta otettujen suurnopeuskuvasarjojen automaattisen analyysijärjestelmän kehittäminen.Järjestelmän tarkoitus oli tuottaa tietoa, joka avustaisi analysoijaa arvioimaan kuvatun hitsausprosessin laatua. Tutkimus keskittyi valokaaren taajuuden säännöllisyyden ja lisäainepisaroiden lentosuuntien mittaamiseen. Valokaaria havaittiin kuvasarjoista sumean c-means-klusterointimenetelmän avullaja perättäisten valokaarien välistä aikaväliä käytettiin valokaaren taajuuden säännöllisyyden mittarina. Pisaroita paikannettiin menetelmällä, jossa yhdistyi pääkomponenttianalyysi ja tukivektoriluokitin. Kalman-suodinta käytettiin tuottamaan arvioita pisaroiden lentosuunnista ja nopeuksista. Lentosuunnanmääritysmenetelmä luokitteli pisarat niiden arvioitujen lentosuuntien perusteella. Järjestelmän kehittämiseen käytettävissä olleet kuvasarjat poikkesivat merkittävästi toisistaan kuvanlaadun ja pisaroiden ulkomuodon osalta, johtuen eroista kuvaus- ja hitsausprosesseissa. Analyysijärjestelmä kehitettiin toimimaan pienellä osajoukolla kuvasarjoja, joissa oli tietynlainen kuvaus- ja hitsausprosessi ja joiden kuvanlaatu ja pisaroiden ulkomuoto olivat samankaltaisia, mutta järjestelmää testattiin myös osajoukon ulkopuolisilla kuvasarjoilla. Testitulokset osoittivat, että lentosuunnanmääritystarkkuus oli kohtuullisen suuri osajoukonsisällä ja pieni muissa kuvasarjoissa. Valokaaren taajuuden säännöllisyyden määritys oli tarkka useammassa kuvasarjassa.

This work reports the development of an automatic system for the analysis of high-speed image sequences taken from a hybrid welding process. The system provides information to aid a human analyst in estimating the quality of the imaged welding process. The study focused on measuring the regularity of the arc frequency and the flight directions of filler metal droplets. Arcs were detected from theimage sequences using a fuzzy c-means clustering method and the interval between consecutive arcs was used as a measure of the regularity of the arc frequency.Droplets were localized using a method that combined principal component analysis and a support vector machine classifier. A Kalman filter was used to produce estimates of the flight directions and velocities of droplets. A flightdirection determination method categorized the droplets according to their estimated flight directions. The image sequences available differed greatly in terms of image quality and droplet appearance because of differentimaging and welding conditions. The analysis system was constructed to work on a subset of image sequences which had certain conditions with similar image quality and droplet appearance, it was, however, also tested using sequences with different conditions. Experiments showed that flight direction determination accuracy was reasonably high inside the subset but low in other image sequences. Arc frequency regularity determination was accurate in a wider range of image sequences.