针对V型坡口中厚板对接焊,研究一种噪声环境下应用径向基函数(Radial Basis Function,RBF)神经网络补偿卡尔曼滤波(Kalman Filter,KF)误差的焊缝跟踪方法。根据三角测量原理设计激光结构光视觉传感器并采集焊缝图像,对受噪声干扰的焊缝图像进行预处理。采用基于光强度分布特性的灰度平方加权重心法提取结构光条纹中心线,通过道格拉斯-普克算法(Douglas-Peucker algorithm)和最小二乘法相结合的方法提取焊缝特征点。建立描述焊缝中心位置的系统状态方程与测量方程,运用RBF神经网络补偿卡尔曼滤波模型误差及噪声统计不确定性造成的滤波误差,修正卡尔曼滤波估计值。试验结果表明,RBF神经网络补偿卡尔曼滤波能够减小噪声干扰的影响,提高焊缝跟踪精度,有效抑制卡尔曼滤波发散。

通过对有机玻璃与304不锈钢进行异种材料的搭接焊试验, 研究了焊接过程中出现的物理现象及焊接缺陷。利用正交试验得到了优化的工艺参数组合, 并获得了成形良好的焊接接头。分析了工艺参数对剪切应力的影响。研究结果表明, 激光焊接速度、脉冲宽度、光斑大小和脉冲频率对剪切应力具有较大影响, 焊接接头的最大剪切力为191 N·mm-2。焊接缺陷和能量密度是导致焊接接头失效的主要因素。