基于信息融合技术的焊点质量评估

基于点焊焊接过程电极位移、动态电阻信号的同步采集和特征分析,从2种信号中提取若干特征参量,依据特征参量与焊点接头抗剪切力间的相关性分析结果,选取特征参量建立数据集,利用多元线性、非线性、支持向量机统计分析方法实现多信息融合,构建焊接过程监测参量与焊点强度之间的回归映射模型.进而实现对未知焊点样本强度的预测.交叉有效性检验结果表明以相关性显著的特征参量建立的多元线性回归、非线性回归、支持向量机回归预测模型,对于评估焊点质量是有效的,其中支持向量机回归预测有效性最为显著,可作为进一步研究和实现在线质量监测的方法.     

基于支持向量机的点焊质量分类

以点焊质量监控为目的,通过对点焊过程电极位移信号、动态电阻信号的同步采集和信号分析,从2种信号中提取12个有效的特征分量,构造点焊过程的监测数据集,以焊点的抗剪强度为指标,利用支持向量机(SVM)和RBF神经网络对焊点质量进行分类.测试结果表明,2种信号特征向量作为SVM的输入向量,在参数匹配的情况下,使用不同的核函数对喷溅和焊点质量分类均能取得较好的分类结果,分类器性能明显优于RBF神经网络模型.小样本情况下SVM具有较好的泛化能力,正确率仍保持在80%以上,据此认为提取电极位移和动态电阻的特征向量构筑输入向量,建立的SVM动态模型对点焊接头进行质量分类是可行的.     

基于支持向量机(SVM)的点焊质量在线监测

电阻点焊过程动态信号蕴含大量直接或间接反映焊点质量的动态信息，通过对焊接过程电极位移、动态电阻信号的同步采集和分析，从两种信号中提取了12个特征参量，建立表征点焊过程的数据集，以焊点抗剪强度作为焊点质量评价指标，利用支持向量机（SVM）统计学习方法，将焊点试样动态监测参量与焊点抗剪强度之间低维的复杂非线性映射关系，映射到一个高维的特征空间（Hilbert空间），原试样数据空间的非线性关系相应变化为高维特征空间的线性关系，在不增加计算复杂度的情况下，实现对未知焊点试样抗剪强度的分类及预测。SVM测试结果表明，支持向量机在小样本情况下具有较好的泛化能力，分类、预测速度快，准确率高，能较为满意地完成焊点强度的分类、预测任务，可以作为进一步研究的方法。     

电阻点焊压痕深度的SVM回归预测

针对电阻点焊压痕深度的检测存在离线、滞后等问题,提出了一种基于电极位移信号特征提取的人工智能在线预测压痕深度的实现方法.首先,采用搭建的计算机激光测量系统探索了焊点压痕深度测量方法,确定了以多次测量的平均值hT作为压痕深度的实际评定值.其次,通过对熔核形成过程、电极位移信号与焊点压痕深度的相关性研究,确定了焊接电流I、电极压力F、以及从电极位移信号中提取的特征参量h作为压痕深度的表征参量.最后,采用压痕深度的表征参量作为输入向量,以测定的焊点实际压痕深度hT作为目标向量,建立了SVM(support vectormachine)回归预测模型.实际测试表明,模型输出的压痕深度预测值和实际测定值间的线性相关度达到了91.18％,通过实时监测熔核形成过程,可以实现焊点压痕深度的预测.     

基于PCA_Nu-SVR的水下焊缝偏差识别方法

为了实现基于旋转电弧传感器的水下自动焊接,并获得良好的跟踪精度,必须研究水下的焊缝偏差识别算法.首先对采集到的焊接电流信号进行小波滤波和中值滤波,然后进行周期化和数据归一化处理.将主成分分析(PCA)线性降维方法与支持向量回归机(Nu-SVR)回归算法相结合,利用PCA对输入的样本数据进行主成分分析,消除输入波形数据间...     

基于PCA和SVM的铬层裂纹声发射识别方法

针对采用幅值、能量等统计特征参数分类识别声发射(AE)信号时存在的信息冗余问题,提出利用主成分分析(PCA)方法减少信息冗余,提取AE信号统计特征。设计了钢板表面铬层裂纹试验,对统计特征参数进行主成分分析,提取了两个主成分。设计了支持向量机(SVM)分类器,以主成分为输入向量,分类识别铬层裂纹AE信号。验证了主成分可以有效表征AE信号统计特征,减少了信息冗余,提高了分类效率及准确率。     

基于MFCC与PCA的滚动轴承故障诊断

针对振动传感器不易安装、传统分类算法训练时间较长等问题,提出了基于美尔倒谱系数(MFCC)与主成分分析(PCA)的滚动轴承故障诊断方法。首先利用声音传感器采集滚动轴承声音信号,而后提取声音信号的MFCC特征,最后将MFCC特征作为PCA分类器的输入进行故障分类,并与反向传播神经网络(BPNN)、支持向量机(SVM)进行比较研究。实验结果表明:MFCC系数可以有效反应轴承不同工作状态下的信号特征;基于MFCC与PCA的轴承故障诊断方法能够准确、有效地识别轴承故障类型。     

基于贝叶斯图像模式识别技术的点焊质量评估

提出一种将点焊过程动态电极位移信号转化为二值图像的方法.基于图像特征分析,从焊点样本电极位移二值图像中提取出15个隐含特征.针对一系列对应不同焊接质量焊点样本电极位移二值图像特征,利用主成分分析消除图像特征间的互相关性,建立了基于最小风险贝叶斯图像识别技术的焊点质量分类器.分类器有效性测试结果表明,电极位移信号二值图像尽可能多的保留了焊点质量信息,特征提取算法简单、高效、易于实现;同时在小数据样本情况下,贝叶斯图像识别技术能够快速、准确地评判焊点质量,有较好的应用前景.     

基于贝叶斯图像模式识别技术的点焊质量评估

提出一种将点焊过程动态电极位移信号转化为二值图像的方法.基于图像特征分析,从焊点样本电极位移二值图像中提取出15个隐含特征.针对一系列对应不同焊接质量焊点样本电极位移二值图像特征,利用主成分分析消除图像特征间的互相关性,建立了基于最小风险贝叶斯图像识别技术的焊点质量分类器.分类器有效性测试结果表明,电极位移信号二值图像尽可能多的保留了焊点质量信息,特征提取算法简单、高效、易于实现;同时在小数据样本情况下,贝叶斯图像识别技术能够快速、准确地评判焊点质量,有较好的应用前景.     

波动工况下点焊质量在线预测及模型解释

基于电阻点焊过程的多传感信号特征,面向多种板材组合建立焊点质量在线预测模型,研究了异常工况波动对四类机器学习回归模型的影响,分析了不同模型和输入变量对含异常工况试验数据集的适应性,并采用Shapley值、t-SNE等方法对波动工况下的模型性能进行解释.结果表明,高斯过程回归模型和电阻 + 力信号具有最佳的熔核直径预测性能,焊接电流、热输入能量和电极位移峰值特征对于波动工况具有良好普适性.此外,异常工况引起的信号特征分布差异会显著影响回归预测模型的泛化性能,应尽量减少训练集与数据集差异以提高焊点质量预测的准确性.     

基于电极位移信号的电阻点焊质量预测模型

设计了电阻点焊过程动态参数监测系统，采集焊接电压、电流以及电极位移信号，建立以交流电阻点焊过程中的周波参数为输入空间，以试样的抗拉剪切强度为输出空间的点焊质量预测神经网络模型．为实现电阻点焊质量在线监控奠定了理论基础。试验结果证明了RBF神经网络用于这类应用场合的可行性和有效性。     

交流电阻点焊中电极位移波动特征的分析

利用改进的交流电阻点焊监控系统采集电极位移和焊接电流,经分析认为电极位移曲线上的波动是由50 Hz的交流电阻热脉冲引起的.利用电阻点焊中的洋葱环现象分析了电极位移波动特征的机理,认识到电极位移在熔核形成前以热膨胀为主,在熔核形成后以相变膨胀为主,并且都具有波动特征.利用焊接电流曲线提供的晶闸管触发角和导通角依次计算功率因数角、动态电阻和动态电阻热.通过位移波动周波峰值与动态电阻热的对比分析,发现位移波动周波峰值在点焊过程中对热膨胀与相变膨胀有较强的敏感性,能用来反应熔核形成过程的不同阶段.     

铝合金点焊位移信号时频域分析与质量判定

采用分布式多传感器同步采集系统实现了铝合金点焊质量实时监测.通过位移信号时频域分析发现,喷溅焊点位移信号在40～80 Hz 范围内,Butterworth带通滤波极差达 0.5 mm 左右;未熔合或未完全熔合焊点的位移信号极差比另外两类焊点低 1.0 mm 左右.利用上述明显特征信息可以实现点焊质量人工判定.由于位移信号信噪比高,特征提取算法简洁,进一步可实现机器在线判读.同时,利用统计分析,样本197个,在合格区内焊点正确判断率达97.6%.     

Modeling and analysis of resistance spot welding based on neural network

A numerical study on the multi-parameter control method based on nonlinear auto-regressive with exogenous input neural network (NARX) is presented here. Welding current was set as the input parameter; electrode displacement and dynamic resistance were set as the output parameters. The NARX model using these parameters was set up to simulate the multi-parameter resistance spot welding process. By comparing actual experimental data and NARX model output data, it was validated that the results from the model reflect the relationship between input parameter and output parameters correctly under the influence of many affecting factors.     

基于嵌入式系统的电阻点焊飞溅信息在线判读

钢材的电阻点焊过程中,动态电阻的变化表征了丰富的焊接质量信息.采用嵌入式系统实时监测焊接过程动态电阻的变化有利于提高对焊接质量的认识.设计了嵌入式监测系统,系统同时监测焊接电流、电极间压力和电极间的电压、电极位移信号.分析了双相钢DP600焊接过程中的动态电阻变化与焊点熔核之间的关系,并阐明用焊点两端的电压信号替代动态...     

电阻点焊中电极位移三段距离测量方法及试验验证

针对电阻点焊中传统的上电极运动测量方法和长臂工装测量方法中,因焊接过程中焊接热膨胀力引起的焊钳变形带来电极位移测量误差,提出了采用梯形关系和三段距离的电极位移测量方法,并对比分析了这两种测量方法的累计计算误差;然后针对误差较小的三段距离测量方法,通过设计倒F形工装,采用激光位移传感器和基于LabVIEW编程的嵌入式工控机数据采集系统等组成的电极位移试验监测和验证系统,用工艺试验进行验证.结果表明,三段距离测量方法具有准确性和可行性,由动态电极力引起的C形焊钳下电极的变形位移是不可忽略的电极位移值的组成部分.     

基于并口的点焊工艺参数测试及缺陷信息分析

利用单片机和计算机构建了基于并口通讯的铝合金冲击波点焊工艺参数测试系统,利用LabVIEW开发了界面友好的测试系统软件.所建立的测试系统具有抗干扰强、可靠性高、采集速度和传输速度快、可扩充能力强等优点,测试系统软件不仅具有通讯、数据操作等功能,还具有数据库和数据分析功能.对所采集的点焊工艺参数曲线分析研究表明,电极电压曲线上的"塌陷"状突变信号和电极压力曲线上的高频躁动突变信号可用来识别前期喷溅,对于后期喷溅,只能利用电极压力曲线上的高频躁动突变信号来进行识别.电极压力曲线上的热膨胀上升量和锻压力下降量可用来识别未熔合及未完全熔合缺陷.     

铝合金电阻点焊质量特征的提取与分析

为了建立在线电阻点焊质量检测系统,研究了用中频逆变直流点焊机焊接铝合金5182时动态电极位移和压力的特征,讨论了相关质量特征的焊接过程监控策略.结果表明,在焊接开始阶段,电极位移和压力均迅速上升,其后上升速率减缓.电极位移和压力的上升速率均正比于焊接电流,且当喷溅发生时,二者均有一个突降过程.在焊接过程中,即使熔核达到足够大的尺寸,电极位移上升速率也不会下降至零.当产生较大的焊点熔核时,电极压力曲线会出现一个峰值.     

电阻点焊中电极位移的测量方法分析

简述了电阻点焊中传统的电极位移测量方法,包括直接测量方法、上电极运动测量方法和长臂工装测量方法.通过有限元方法分析了焊钳在设定电极力和动态电极力作用下的变形,并分析了该变形对上电极运动测量方法和长臂工装测量方法的影响.结果表明,因动态电极力的影响,使焊钳发生变形以及下电极发生相对较大垂直位移和偏转角,从而使上电极运动测量方法和长臂工装测量方法均无法准确测量电极位移值.最后提出了梯形关系的电极位移测量方法.