| 摘要 | 第5-7页 |
| ABSTRCT | 第7-14页 |
| 第一章 绪论 | 第14-35页 |
| 1.1 引言 | 第14-15页 |
| 1.2 焊接机器人传感技术 | 第15-26页 |
| 1.2.1 视觉传感 | 第15-19页 |
| 1.2.2 电弧电压传感研究 | 第19-23页 |
| 1.2.3 电弧声音信号研究 | 第23-26页 |
| 1.3 机器人焊缝跟踪技术 | 第26-28页 |
| 1.4 机器人焊接过程控制 | 第28-32页 |
| 1.5 研究意义 | 第32-33页 |
| 1.6 本课题研究内容 | 第33-35页 |
| 第二章 机器人脉冲GTAW实验系统平台 | 第35-53页 |
| 2.1 焊接硬件系统构成 | 第35-46页 |
| 2.1.1 中央计算机控制系统 | 第36-37页 |
| 2.1.2 视觉传感系统 | 第37-42页 |
| 2.1.3 电弧传感系统 | 第42-43页 |
| 2.1.4 声音信号采集系统 | 第43-46页 |
| 2.2 隔离电路 | 第46-48页 |
| 2.3 脉冲GTAW软件控制系统 | 第48-51页 |
| 2.4 本章小结 | 第51-53页 |
| 第三章 铝合金脉冲GTAW多信息采集与处理 | 第53-89页 |
| 3.1 熔池与焊缝图像信息采集及处理 | 第53-73页 |
| 3.1.1 图像信息采集 | 第53-58页 |
| 3.1.2 图像预处理 | 第58-62页 |
| 3.1.2.1 图像退化恢复 | 第58-61页 |
| 3.1.2.2 图像滤波 | 第61-62页 |
| 3.1.3 焊缝区图像处理 | 第62-66页 |
| 3.1.4 熔池窗口图像处理 | 第66-67页 |
| 3.1.5 法兰焊接图像处理 | 第67-69页 |
| 3.1.6 基于视觉注意的图像处理 | 第69-73页 |
| 3.1.6.1 获取图像ROI | 第69-72页 |
| 3.1.6.2 ROI窗口图像处理 | 第72-73页 |
| 3.2 电弧电压信号采集及处理 | 第73-79页 |
| 3.2.1 电弧电压信号采集 | 第73-75页 |
| 3.2.2 信号去噪 | 第75-77页 |
| 3.2.3 弧长电压测试试验 | 第77-79页 |
| 3.3 电弧声音信号采集与特征提取 | 第79-87页 |
| 3.3.1 电弧声信号采集 | 第79-81页 |
| 3.3.2 声压信号的预处理 | 第81-82页 |
| 3.3.3 降噪方法 | 第82-84页 |
| 3.3.4 电弧声信息特征获取 | 第84-87页 |
| 3.3.4.1 开窗处理 | 第85-86页 |
| 3.3.4.2 信息时域特征的获取 | 第86-87页 |
| 3.4 本章小结 | 第87-89页 |
| 第四章 熔池余高获取与多信息融合背面熔宽预测 | 第89-126页 |
| 4.1 熔池余高获取 | 第89-106页 |
| 4.1.1 建立基于SFS的熔池照明模型 | 第89-93页 |
| 4.1.1.1 广义表面照明模型 | 第91-92页 |
| 4.1.1.2 熔池表面光照模型 | 第92-93页 |
| 4.1.2 阴影恢复算法 | 第93-103页 |
| 4.1.2.1 两种经典SFS算法 | 第94-96页 |
| 4.1.2.2 算法改进 | 第96-103页 |
| 4.1.3 基于单幅图像的熔池表面重建 | 第103-105页 |
| 4.1.4 算法试验验证 | 第105-106页 |
| 4.2 基于多信息融合的熔池背面宽度预测 | 第106-124页 |
| 4.2.1 基于支持向量机多信息融合预测背面熔宽 | 第107-113页 |
| 4.2.2 基于粗糙集模型预测背面熔宽 | 第113-124页 |
| 4.2.2.1 关于粗糙集的基本理论 | 第113-117页 |
| 4.2.2.2 数据预处理 | 第117-118页 |
| 4.2.2.3 简化决策表 | 第118-120页 |
| 4.2.2.4 逻辑推理 | 第120-121页 |
| 4.2.2.5 焊缝背面熔宽预测 | 第121-124页 |
| 4.3 本章小结 | 第124-126页 |
| 第五章 铝合金脉冲GTAW焊缝成形控制与跟踪方法 | 第126-157页 |
| 5.1 焊缝成形控制背面方法 | 第126-144页 |
| 5.1.1 Fuzzy控制的理论基础 | 第126-133页 |
| 5.1.1.1 模糊系统结构 | 第127-128页 |
| 5.1.1.2 控制器的基本设计 | 第128-130页 |
| 5.1.1.3 模糊控制器查询表建立 | 第130-133页 |
| 5.1.2 遗传算法优化模糊控制 | 第133-137页 |
| 5.1.3 铝合金脉冲GTAW基于遗传算法的模糊控制器仿真 | 第137-138页 |
| 5.1.4 焊缝成形控制 | 第138-144页 |
| 5.1.4.1 恒规范试验 | 第138-140页 |
| 5.1.4.2 焊缝成形控制 | 第140-144页 |
| 5.2 焊缝的视觉跟踪方法 | 第144-153页 |
| 5.2.1 机器人的实时纠偏 | 第144-146页 |
| 5.2.2 平面焊缝跟踪 | 第146-147页 |
| 5.2.3 分段式PID二维跟踪 | 第147-150页 |
| 5.2.4 基于视觉传感的平面焊缝跟踪试验 | 第150-153页 |
| 5.3 基于电弧电压的焊缝跟踪方法 | 第153-155页 |
| 5.3.1 焊缝的高度跟踪技术 | 第153-154页 |
| 5.3.2 基于电弧传感的焊缝高度跟踪试验 | 第154-155页 |
| 5.4 本章小结 | 第155-157页 |
| 第六章 机器人铝合金脉冲GTAW质量控制系统应用 | 第157-167页 |
| 6.1 焊缝跟踪及成形控制系统 | 第157-161页 |
| 6.2 五通机器人焊接的焊缝成形质量控制 | 第161-166页 |
| 6.2.1 焊接工装优化设计 | 第162-163页 |
| 6.2.2 五通连接器焊缝成形质量控制 | 第163-166页 |
| 6.3 本章小结 | 第166-167页 |
| 第七章 结论 | 第167-170页 |
| 本文创新点 | 第170-171页 |
| 参考文献 | 第171-179页 |
| 博士期间发表及待发表论文 | 第179-181页 |
| 致谢 | 第181页 |