輪廓幾何特征融合下的電網設備激光除銹控制參數自適應確定方法

劉偉,蘇文斌

(1. 貴州電網有限責任公司 電力科學研究院,貴州 貴陽 550002;2. 山東惠工電氣股份有限公司,山東 淄博 255086)

0 引言

因部分環境惡劣地區的濕度過高、溫度較高會使得電網設備出現嚴重銹蝕問題,導致輸變電設備服役壽命大大減少[1-2]。同時,關鍵電網設備被銹蝕后,也給后續電網運行帶來安全隱患。因此,對電網設備進行高效除銹已經成為電力行業亟待解決的問題。目前,激光除銹作為最常見的除銹方式,其控制參數取值直接影響了最終除銹效果。因此,眾多研究人員開始針對激光除銹控制參數自適應確定方法進行研究。

文獻[3] 通過有限元模型,模擬激光除銹操作過程,根據設備除銹要求選定最佳工藝參數。但是,該方法魯棒性較差。文獻[4] 提取重點工藝參數,將其看作優化變量,運用改進灰狼優化算法,建立以最優加工質量為核心的參數選取模型,再通過逼近理想解排序法進行求解,得到最優工藝參數。但是,該方法確定控制參數耗時較長。文獻[5] 采用灰色關聯分析方法,對正交試驗數據進行分析,建立最優工藝參數優化模型。通過主效應方法,明確不同工藝參數影響下,設備表面粗糙度、應力的變化規律,從而確定最合適的控制參數。但是,應用該方法得出的控制參數進行除銹,設備表面粗糙度較高。

本文以電網設備除銹為目標,為了提升激光除銹技術的除銹效果,提出一種基于輪廓幾何特征融合的除銹控制參數自適應確定方法。運用邊界矩算法提取激光除銹溝槽寬度、溝槽深度、橫截面積等多項輪廓幾何特征,再依據融合后的特征信息進行有效控制參數選擇。

1 控制參數自適應確定方法設計

1.1 構建激光除銹有限元模型

以激光解離鈍化原理為核心的除銹技術,屬于一種包括銹蝕層和基底的雙層系統[6]。在電網設備激光除銹控制參數求取過程中,在銹蝕層、基底層交界面上選定坐標原點,向兩側引出x軸和y軸,用以描述激光束的空間分布情況,再垂直引出法線方向,最終形成圖1所示銹蝕層-基底坐標。

圖1 銹蝕層-基底坐標示意圖

基于圖1所示的坐標,建立熱傳導方程:

(1)

式中:a為密度;b為熱容;c為熱傳導系數;t為時間;T為目標時間內溫度分布;x為激光束的空間分布方向;z為基底和銹蝕層之間的分界面的法線方向。

電網設備激光除銹系統,只有在接收到脈沖激光后,才會出現熱作用并產生熱應力,實現表面銹層的去除。因此,采用ComsolMultiphysics軟件,根據激光除銹工作原理構建有限元模型。在有限元模型中,設置激光照射點為熱源,再通過有限元方法建立有限元網格,分析激光除銹過程中溫度分布和應力分布。有限元模型建立過程中,需要在激光光束外圍布置密度較小的網格,其后越靠近激光光束發射點網格密度越大,以形成可用于控制參數分析的網格模型。

1.2 提取電網設備除銹輪廓幾何特征

針對電網設備進行激光除銹處理時,需要對激光掃描點進行輪廓幾何特征提取[7]并將其看作控制參數確定的基礎。采用基于邊界矩的特征提取方法,針對實時除銹圖像進行輪廓提取,再將其轉換為二維數字圖像函數,針對不同階數的邊界矩展開規格化處理[8],得到規格化邊界矩。

(2)

式中:p、q、r表示邊界中心矩的階數;σ表示邊界中心矩;λ表示規格化后的邊界矩。再通過二階規格化邊界矩,生成如下所示不變矩:

(3)

式中ζ1、ζ2表示獨立的不變矩。針對電網設備除銹過程,低階數的邊界矩才能更好地區分溝槽形狀。所以,在電網設備除銹輪廓幾何特征提取過程中,需運用式(3)所示的獨立不變矩,建立新的特征矩:

(4)

式(4)計算的特征矩,不再受到比例因子的干擾。通過邊界矩計算結果,可以描述除銹圖像所有邊界像素點的分布特征,將目標圖像劃分為多個扇形區域,對每一個子區域的邊界矩進行修正[9],再生成子區域行向量。匯總所有行向量后,得到整幅圖像的分布特征,反映激光除銹過程中溝槽的形貌。

1.3 基于特征融合的參數確定方法

為了保證電力系統的穩定運行,在電力設備除銹過程中,需要保證除銹后表面粗糙度滿足要求,避免除銹操作影響設備自身功能。激光除銹本質上是通過多個光斑,按照一定路徑掃描整體電網設備[10],如圖2(a)所示,而單個激光點除銹處理后,得到圖2(b)和圖2(c)所示的溝槽形貌、溝槽搭接模式。

圖2 激光掃描路徑、溝槽形貌和溝槽搭接示意圖

通過1.2節提出的邊界矩的特征提取方法獲取溝槽寬度、溝槽深度、橫截面積三項主要輪廓幾何特征,明確其與掃描光斑直徑、激光能量密度之間存在的密切關系。所以,在參數自適應確定之前,需要根據表面粗糙度要求,定義激光掃描溝槽深度:

L=u+E

(5)

式中:L表示激光除銹單線掃描溝槽深度;u表示電網設備的銹層厚度;E表示除銹后表面粗糙度。

對于激光除銹技術來說,實際操作過程中很多控制參數的取值均會影響最終除銹質量。因此,激光除銹能量密度計算公式為

(6)

式中:R表示能量密度;ω表示峰值功率;Q表示脈沖寬度;d表示脈沖頻率;F表示光斑直徑;v表示激光掃描速度。

針對激光除銹溝槽輪廓,建立如下所示高斯分布幾何模型:

(7)

式中:α表示溝槽輪廓上目標點與光斑中心之間的距離;I表示目標點深度值;W、Y、X表示待定常量。

根據光斑直徑和能量密度,對輪廓幾何特征進一步融合分析,得出溝槽輪廓的幾何關系。

(8)

(9)

(10)

式中:A表示溝槽寬度;B表示溝槽深度;C表示橫截面積。結合式(8)—式(10),形成溝槽輪廓數學模型,再進行列偏移量、搭接點與光斑中心距離的求解:

(11)

式中:S表示搭接點與光斑中心之間的距離;τ表示列偏移量。通過上述計算,選擇激光除銹所需各項控制參數。

1.4 實現激光除銹控制參數優化

為了確?？刂茀底赃m應確定結果滿足除銹要求,結合數據統計分析方法,建立基于響應面的激光除銹控制參數優化模式。根據響應面分析原理,建立獨立因子與響應值之間的響應函數:

(12)

式中:l表示考查因子;i表示獨立因子;O表示獨立因子總數量;k表示響應預測值;θ表示誤差項;?表示回歸系數。

為了確保銹跡完全去除,通常情況下,電力設備除銹需要經歷兩次掃描。初次掃描需要設置最高激光能量,盡可能去除設備表面銹跡,而在第二次掃描時,需要保證電網設備的表面不受到損傷。因此,第二次掃描工藝參數的計算更需要運用上述響應函數進行優化處理。運用BOX-Benhnken Design組合,對于第二次掃描參數進行響應分析,選取響應值較高的變量,作為最優參數值。

2 實驗

2.1 實驗準備

為了驗證文中所提除銹控制參數自適應確定方法具有可行性,選定圖3(a)所示的電網設備作為實驗對象。根據顯微鏡觀察結果可知,該設備的表面覆蓋了厚度不小于120μm的銹層,如圖3(b)所示。此時,該電網設備銹蝕等級為B級。

圖3 電網設備外觀及銹層厚度

針對圖3所示的實驗材料,設置試驗的具體過程如下:

1)在實驗準備階段,銹蝕顯微圖像尺寸為70×150mm,試件銹層厚度不小于120μm,每個測試位置共5幅,設置為控制點標識,對除銹圖像進行輪廓提取,獲取溝槽輪廓特征,生成激光掃描溝槽輪廓示意圖,如圖4所示,使其與能量密度之間的關聯性,作為后續控制參數調整的參考。

圖4 激光掃描溝槽輪廓示意圖

根據圖4可知,激光掃描除銹產生的溝槽輪廓,符合高斯分布模型。每個激光掃描點會出現下凹的溝槽,但在部分溝槽邊緣,因為熔融銹層金屬重新凝固,形成重凝顆粒物,出現凸起情況。這些凸起部分與設備表面僅有些微粘接,在后續操作時可以直接清除。

2)原材復試見證取樣數必須大于等于總試驗數的30%。因此,結合數據統計分析方法,確定溝槽寬度、溝槽深度、橫截面積三項主要輪廓幾何特征量。

3)為了更好地求取工藝參數,設置部分激光光束控制參數為固定值,設激光峰值功率為1 230 W,脈沖寬度為0.5ms,光斑直徑為2.0 mm,設置激光掃描速度為15 mm/s,進行單線激光掃描。

4)展開單線激光掃描實驗,經過實驗操作,將控制參數自適應確定結果輸入運動控制系統內,并向下方二維移動平臺發送移動命令。同時,將待處理的電網設備放置于二維移動平臺中心區域,隨著平臺同步移動,再通過供氣裝置連接的切割頭,進行激光除銹,直至分別達到現行國家標準《GB8923—2011涂裝前鋼材表面銹蝕等級和除銹等級》中的Sa2.5級;表面粗糙度為30～70μm;處理后的材料表面不應有焊渣、焊疤、灰塵、油污、水和毛刺等。

5)分別設置除銹表面粗糙度為30μm、40μm、50μm、60μm、70μm,按照文中提出的參數自適應確定方法,獲取最優脈沖頻率和列偏移量參數。

2.2 確定最優控制參數

本文提出的參數確定方法,主要依托于輪廓幾何特征融合信息。在實驗過程中,首先提取溝槽輪廓幾何特征,得到圖5所示的溝槽幾何特征隨能量密度的變化曲線。

圖5 溝槽幾何特征與能量密度之間的關系

根據圖5可知,溝槽的寬度、深度和橫截面積,與激光能量密度之間均表現出線性關系。在此基礎上,融合多種溝槽幾何特征,進行脈沖頻率和列偏移量的計算,得到表1所示的掃描控制參數計算結果。

表1 激光掃描控制參數

利用表1所示的激光除銹控制參數進行電網設備激光除銹處理,得到圖6所示的除銹結果。

圖6 控制參數確定后激光除銹結果

搭接掃描實驗后,在體視顯微鏡下觀察除銹后的溝槽表面和橫截面狀態。如圖6所示,除銹試樣表面呈現良好的金屬光澤,掃描區域內無銹層殘留,表面沒有不牢固粘接顆粒,基本無過熱氧化現象。

根據圖6可知,確定有效的控制參數后,激光除銹技術對掃描區域完成了有效的銹層修理,呈現出具有金屬光澤的除銹區,與未展開激光除銹的區域表現出極大差異。對兩個區域分別進行顯微鏡觀察,觀測結果顯示,經過激光除銹處理后,電網設備表面銹層基本消失,表明了所提參數確定方法的正確性。

2.3 除銹后表面粗糙度對比

選擇基于響應面的參數確定方法、基于灰色關聯度的參數確定方法,與本文提出方法一起進行實驗。按照不同的參數求取結果,對電網設備進行除銹處理,得到除銹后表面粗糙度對比結果如圖7所示。

圖7 不同方法除銹后表面粗糙度對比

根據圖7可知,所提方法確定的控制參數應用后,除銹后表面粗糙度始終滿足表面粗糙度要求,而其他兩種方法大部分情況下,除銹后表面粗糙度高于要求的表面粗糙度值。整體來看,所提方法確定參數的平均除銹后表面粗糙度與要求值相比,平均偏差值為2.7μm,而其他兩種方法使得除銹后表面粗糙度與目標表面粗糙度值之間偏差分別為5.9 μm、7.4 μm。綜上所述,所提方法的應用可以得到更加符合除銹要求的控制參數,使得除銹后表面粗糙度偏差分別降低了54.24%、63.51%。

3 結語

針對電網設備的激光除銹工藝進行研究,提出一種依托于幾何輪廓特征融合的控制參數自適應確定方法。從實驗結果來看,所提方法求取的參數值可以確保除銹后表面粗糙度更加貼近表面粗糙度要求值,保證除銹操作不影響電網設備的正常工作性能。