基于PCA-SVM方法的点焊质量评估

通过对电阻点焊过程电极位移和动态电阻信号的实时采集和时域特征分析,利用电阻信号动态特征刻画熔核形成不同阶段,从同步电极位移信号中提取9个特征参量建立输入样本数据集.以焊点接头抗剪强度作为焊点质量的评价指标,将PCA(主成分分析)方法与传统的SVM(支持向量机)回归分析相结合,利用PCA方法对支持向量机的输入样本数据集进行主成分分析,消除了输入特征参量间的自相关性,实现数据降维后作为支持向量机的输入,建立焊点质量映射模型.交叉有效性预测结果表明,基于PCA-SVM的算法增强了SVM的泛化能力,比传统的SVM算法具有更高的预测精度.     

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.     

一种镀锌板电阻点焊质量的无损评判方法

探索了一种以点焊表面数字图像为信息源的质量评判方法.获取镀锌板点焊接头表面的图像,通过对不同焊接规范下焊点的表面图像分析,发现焊点表面图像可以被分为几个不同的特征环区;研究焊点表面图像特征环区与接头质量的相关性,根据特征区域面积与焊点抗剪强度的相关性分析结果,选择了相关性显著的特征参数作为输入向量,接头的抗剪强度作为输出参量,建立了一种以剪切强度为评判指标的BP神经网络模型.试验结果表明:基于图像信息处理实现镀锌板焊点质量无损监测的方法切实可行.     

基于信号特征提取的电阻点焊质量在线评判

以焊点接头强度作为焊点质量评判的指标，通过对点焊过程焊接电流、动态电阻、电极位移信号的同步采集和特征分析，提取若干特征参量监测点焊过程，依据特征参量与焊点接头抗剪强度间的相关分析结果，选取来自不同监测信号的7个特征参量建立了表征点焊过程的特征模式，并将此转化为计算机可以识别的模式矩阵，同时以焊接电流参数为模式分类的依据，建立不同模式矩阵类别和焊点接头抗剪强度之间的映射，将模式矩阵作为Hopfield神经网络的记忆样本存储于网络，利用网络联想记忆的功能实现对未知样本点焊过程的模式识别，进而实现点焊质量的评判。网络测试结果表明，利用Hopfield网络进行焊点质量在线评判可以得到满意的效果。     

基于焊点表面图像处理的点焊质量监测

以采集的电阻点焊接头表面的数字图像作为信息源,探索了一种新的点焊质量无损监测方法.首先,通过图像特征分析,焊点表面图像被划分为4个环形特征区域,提取环形特征区域面积作为表征焊点质量的特征参数.其次,根据特征区域面积与焊点抗剪强度的相关性分析结果,选择了相关性显著的3个特征参数作为输入向量,焊点抗剪强度作为输出向量,建立了点焊质量的RBF神经网络监测模型.仿真分析和验证结果表明,基于焊点表面图像特征信息处理监测点焊质量的方法是可行的.     

基于支持向量机的焊缝尺寸预测

焊缝尺寸是决定焊接接头强度及有关性能的重要因素,因此也是焊接质量控制的重要内容.分别以焊接电流、电弧电压以及焊接速度作为输入向量构造样本集,建立CO2焊接焊缝尺寸支持向量机模型,分别运用线性核函数,多项式核函数、高斯径向基核函数以及指数径向基核函数对焊缝熔宽、焊缝熔深以及焊缝余高进行预测.结果表明,采用指数径向基核函数所建立的支持向量机模型可以有效地对焊缝尺寸进行预测,为进一步实现焊缝质量的在线控制提供依据.     

基于支持向量机的灰铸铁强度预测模型

利用高碳当量灰铸铁组织强度试验数据,提出了一种基于支持向量机理论的灰铸铁强度预测模型。与多元线性回归、模糊回归和自适应模糊神经网络相比,该模型学习精度高且具有较好的泛化能力,能取得较好的预测效果。     

基于支持向量机的CO2焊接保护气流量识别研究

利用线性预测(LPC)分析方法建立电弧声信号数学模型并提取声音频域特征,分别用电弧声的LPC预测系数及反射系数作为输入向量构造样本集,建立CO2焊接过程支持向量机模型,对焊接过程保护气体流量进行了识别和分类.测试表明:利用电弧声建立的SVM模型能对焊接气流量进行有效识别.     

基于回归模型的CO2气体保护焊品质定量评价

利用虚拟仪器技术,以多元线性回归和多元非线性回归模型为核心算法来准确预测CO2焊的飞溅量,从而实现对CO2短路过渡焊接弧焊品质的定量评价.试验证明,该回归模型具有很高的精度和较强的实用性,为保证CO2全自动焊接质量的可靠性提供了依据.