MIG焊熔透电弧声小波包频带能量特征提取

焊缝熔透状态的监控对焊接过程质量控制和自动化生产的实现具有重要意义,为此建立了M IG焊熔透电弧声试验系统.通过分析射滴与射流过渡电弧声频谱特征,设计了一套针对电弧声频带能量特征提取的流程.首先对焊接过程拾取的电弧声进行小波降噪;其次采用小波包移频算法进行电弧声频带提取,消除了经典小波包迭代算法由于小波包分解过程中的隔点采样而产生的频率混叠现象;然后计算频带能量并构造其特征向量.结果表明,所提取的频带能量特征能较好的反映焊缝熔透状态,为后续基于电弧声的熔透诊断奠定基础.     

基于神经网络熔透电弧声特征参数评价与选择

在进行基于电弧声的焊接过程熔透监测与诊断过程中,恰当地选择电弧声特征参数是诊断成败的关键.基于神经网络的特征评价和特征选择方法,利用神经网络的训练结果对特征参数进行合理的评价.神经网络能满足高分辨率信息压缩所需的非线性映射条件,通过特征选择将焊接熔透模式识别中复杂的分类问题转移到特征处理阶段,利用神经网络有效地实现了特征参数的降维.诊断实例验证了该方法的有效性.     

基于电弧声信号特征分析MAG焊熔透状态在线监测

提出一种基于MAG焊过程可闻电弧声信号采集和处理的熔透状态在线监测方法.通过对平板拼焊射流过渡过程中典型状态下的电弧声信号的实时采集与分析,采用小波去噪和短时加窗等预处理手段,提取了11个可表征焊缝熔透状态的特征参数.通过对构造的高维联合特征向量进行基于特征级的PCA参数融合,重新合成并选取了携带最多熔透状态信息量的8维特征向量,并以此为输入和四种熔透状态为输出,建立了BP和RBF熔透状态辨识网络模型.监测模型的应用例证表明,所建立的两种网络均可实现对熔透状态的在线识别,RBF网络的识别准确率高于BP网络6.25个百分点之多,其熔透状态整体辨识准确率达到91.25%.     

电弧焊熔透ICA-BP神经网络识别模型

以氩弧焊熔透状态识别为研究对象,研究一种基于ICA (Imperialist Competitive Algorithm) 的BP(Back Propagation)神经网络识别模型方法. 首先利用ICA全局搜索不易陷入局部极值及搜索速度快的特点对神经网络权值和阈值初始化,再用BP算法对神经网络进行训练. 通过摄取焊接过程中的熔池图像,提取熔池面积、熔宽以及熔池质心位置作为神经网络预测模型的输入量,分析熔池图像三个特征与焊缝熔透状态的映射关系,最终建立熔透状态预测模型. 结果表明,采用ICA-BP神经网络能够有效地预测焊缝的熔透状态.     

基于焊工调节的铝合金脉冲MIG焊背面熔透建模

针对铝合金薄板脉冲MIG焊背面熔透难题,提出一种基于焊工调节的背面熔透建模与控制方法.设计焊接速度随机变化波形,致使铝合金背面熔池尺寸动态波动,采用被动视觉系统实时采集背面熔池图像,焊工观察图像熔池大小,手工调节焊接电流保证背面熔宽的均匀性,同时开发图像处理算法提取背面熔宽.采用最小二乘系统辨识法建立焊工调节电流与背面熔宽的非线性Hammerstein模型.开展了铝合金脉冲MIG焊电流扰动和焊接速度扰动试验.结果表明,基于焊工调节的非线性Hammerstein模型可以有效地控制背面熔宽,且具有良好的抗干扰能力.     

基于小波包与概率神经网络的液压泵故障模式识别

小波包具有良好的去噪效果和高频分析能力,而概率神经网络具有很好的分类效果。采用小波包分解重构液压泵故障特征信号,并提取第三层各频率段的节点能量作为特征向量,将特征向量概率神经网络模型的输入向量对液压泵故障模式进行识别。通过采用LabVIEW和MATLAB混合编写的识别软件系统对液压泵故障识别,证明了将该方法用在液压泵故障模式识别上,能取得良好的效果。     

基于熔池视觉特征的铝合金双丝焊熔透识别

熔透是焊接质量的重要评价指标之一,铝合金对焊接工艺敏感性较高,容易出现熔透不均匀情况.试验利用近红外视觉传感方法获取了铝合金单面焊双面成形焊接过程中未熔透、熔透和过熔透三种情况下的清晰熔池图像,通过图像处理获得了准确的熔池轮廓,定义并提取了熔宽、半长、面积、周长和抛物线系数等能反映熔透状态的熔池特征参数,建立了基于BP神经网络的铝合金双丝焊熔透识别模型.结果表明,5-13-3结构的BP神经网络对熔透状态识别的正确率最高,达到89.05%.     

基于小波神经网络的刀具状态监测系统的设计

利用能量分布特征提取方法和优化BP神经网络，提出一种基于小波变换和神经网络的刀具状态监测系统，利用该系统对四种刀具状态进行估计，结果与实际情况基本一致，证明该系统对于估计刀具状态是有效的。     

激光-MIG复合焊熔透状态评价方法

在有坡口间隙对接焊时,焊缝根部成形状态是衡量复合焊搭桥质量及其适应能力的重要指标.提出了以背面相对熔宽作为CO2激光-MIG复合焊熔透状态的定量评价指标,并以此为依据将熔透状态分为未熔透、适度熔透和过熔透,其中适度熔透是最佳的熔透状态.基于相对熔宽的评价指标,研究了工艺参数及坡口间隙变化对熔透状态的影响规律:通过调节激光功率、焊接电流或焊接速度增加热输入,都可使背面相对熔宽增大,从而改变熔透状态;随着坡口间隙的增大,熔透状态从未熔透过渡到适度熔透,再过渡到过熔透.     

基于BP神经网络遗传算法的薄板CMT点焊变形

焊接是汽车车身制造的一个关键环节,焊接质量的好坏严重影响汽车车身质量,所以焊接参数的选择至关重要. 针对薄板焊接质量控制问题,论文利用BP神经网络解决非线性问题的优势,建立焊接变形量与工艺参数之间映射关系模型;结合遗传算法构建基于遗传神经网络焊接的工艺参数优化系统;同时设计正交试验,将该方法与正交试验法相对比. 结果表明,该方法可以有效地实现CMT(cold metal transfer)点焊焊接变形预测与工艺参数优化. 通过预测模型给出合理参数,指导钢薄板和铝合金薄板的CMT点焊变形试验,提高焊接的效率.     

基于遗传算法的间接自校正模糊神经网络控制

针对一般神经网络训练算法训练速度慢和易陷入局部极小点的不足,文章提出了一种基于模糊神经网络的间接自校正控制系统,控制器是以高斯函数为隶属度函数的径向基函数(RBF)神经网络结构,利用改进的遗传算法(GA)对结构和参数进行同步优化.神经网络模型(NNP)利用弹性BP算法进行离线辨识.仿真与传统的模糊PID控制器控制进行比较,结果表明遗传算法大大改善了系统的性能.     

大功率激光焊背面焊缝宽度神经网络预测

针对焊接过程中熔透及焊缝背面成形难以直接检测的问题,通过焊件正面和侧面的传感特征信息,对焊件背面的焊缝宽度进行预测. 用视觉传感器获取激光焊接过程中包含焊接特征信息的图像,对图像进行分割分层、模式识别和空域图像处理,准确提取焊接特征信息,发现焊接特征信息随着焊接路径的变化有着相应的变化趋势. 建立包含两个隐含层的贝叶斯神经网络,用提取到的9组特征信息作为输入,对焊件背面焊缝宽度进行预测. 通过10组焊件背面焊缝宽度的预测值与实际值的比较,验证了贝叶斯神经网络具有良好的预测能力,在焊缝不理想的状态下,也具有较好的预测能力.     

基于神经网络和遗传算法的冲压成形多目标优化技术

在冲压成形质量控制中,目标质量间常常是相互冲突的(如破裂和起皱)。传统求解多目标优化问题取决于设计人员对优化模型的理解程度、实践经验等,求解的结果在工程中并非为最合理。文章提出一种集数字化分析技术、神经网络和遗传算法于一体的冲压成形多目标优化设计技术。其以数字化分析的大量结果作为神经网络的学习样本,遗传算法所需的目标函数值由神经网络模型预测,该技术实现了多目标优化过程中遗传算法个体适应度值的动态求解,从而解决了数字化分析计算量大的缺陷。实例验证了该优化技术的有效性,为冲压成形优化设计提供了一种新的方法。     

基于遗传神经网络的焊接接头力学性能预测系统

文中广泛收集和整理企业第一线的焊接工艺和焊接接头力学性能数据,并建立起相关数据库.应用遗传算法优化BP神经网络,建立焊接接头力学性能预测模型,实现碳钢、低合金高强钢以及不锈钢的抗拉强度、屈服强度、断后伸长率以及断面收缩率等力学性能指标预测.结果表明,材料成分和焊接工艺为影响接头力学性能的主要参数,应用遗传算法优化BP神...