管道MIG焊双通道电弧声信号采集与特征分析

对管道MIG焊双通道信号采集和特征分析做了初步研究．因管道其内部是一个相对狭小密闭的空间,回声的干扰相对较大,经过对采集的双通道电弧声信号进行ICA信号分离,对分离后的信号做小波降噪处理,信噪比得到明显提高．对降噪后的信号从时域、频域和时频域角度,综合分析管内和管外电弧声信号与焊缝熔透状态之间的内在相关性,发现电弧声信号能量及其频谱特性与熔透状态高度相关,焊接过程中信号能量幅值随熔透增大而增大,为后续利用电弧声信号来控制焊接质量提供了基础．     

脉冲MIG焊电弧前反馈控制

介绍一种新的电弧控制系统。当电弧在维弧和脉冲状态均以恒流方式工作时,采用电弧电压反馈和送丝速度前馈的系统,可在50～320A的电流范围内控制弧长,使其保持不变。由于在脉冲峰值期间电弧挺度大时,利用动态采样法对电弧电压进行采样来拉制弧长,提高了在有电弧偏吹,飘弧情况下焊接的电弧稳定性。     

铝合金脉冲MIG焊电弧稳定性

对ＳＡ１Ｓｉ５和ＳＡｌＭｇ５两种铝金焊丝的熔化特性和不同电源外特性对脉冲ＭＩＧ焊电弧稳定性的影响进行了分析，提出了有效地控制薄板铝合金脉ＭＩＧ焊接工艺方法。     

基于电弧声信号的高压干法水下脉冲MIG焊接稳定性分析

高压焊接实验舱的封闭结构特征为电弧声信号在舱内低噪声传播创造了条件。在对传声器校准的基础上,建立了同步采集硬件系统,同步采集不同环境压力下脉冲MIG焊接的电流、电压和电弧声信号,并在时域和频域上分析了不同环境压力下的电弧声信号,研究电弧声信号特征与高气压环境下脉冲MIG焊接过程的相关性。结果表明,电弧声信号可以反映不同环境压力下脉冲MIG焊接的稳定性以及高压环境焊接过程的电弧能量损失,为进一步研究高压干法水下脉冲MIG焊接创造了条件。     

电弧声与铝合金脉冲MIG焊熔滴过渡的相关性

对铝合金脉冲MIG焊过程中电弧声信号与熔滴过渡之间的相关性进行了研究.建立了焊接电弧声信号的计算机采集系统,在此基础上分别利用小波去噪、功率谱密度分析和ARMA(auto regressive and moving average,自相关滑动平均模型)双谱估计等信号处理方法对不同熔滴过渡方式下的电弧声信号进行了分析.三种方法的分析结果均表明熔滴过渡为短路过渡、大滴过渡、射滴过渡、和射流过渡时焊接电弧声具有不同的特征,证明利用电弧声能够对铝合金脉冲MIG焊过程中出现的不同熔滴过渡进行有效地区分.为铝合金脉冲MIG焊熔滴过渡稳定性实时控制和检测提供了一种有效的手段.     

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.     

交流MIG焊接电弧控制系统的研究

本文介绍了作者发明的一种所谓双凹型的电流波形，其控制电路原理，及其在交流脉冲ＭＩＧ焊接中的应用。     

MIG焊熔滴过渡的电弧光谱信号

获得熔滴过渡的信号是MIG焊熔滴过渡控制的关键,这已成为目前亟需解决的问题。文中介绍了以电弧光谱手段检测熔滴过渡的试验装置、原理和方法。通过试验测试及数据分析发现,通过熔化极电弧的光谱信号可以检测出MIG焊喷射过渡的过渡过程、过渡形式,测量过渡参数。信号幅度大,品质好;不同的过渡形式具有不同的典型信号模式;信号脉冲的形态与熔滴过渡的发展过程具有明确的对应关系。熔化极电弧光谱信号的诸特征可方便地应用于MIG焊熔滴过渡的过程控制、过渡形式的模式识别与稳定化以及过渡参数的测量。     

基于电弧电压概率密度铝合金脉冲MIG焊稳定性分析

针对铝合金脉冲MIG焊过程稳定性评估问题,提出了基于电弧电压信号概率密度的分析方法.利用焊接过程电弧电压信号概率密度分布中的第一个峰值与第二个峰值的比值作为评价铝合金脉冲MIG焊过程稳定性的指标,通过对80组焊接试验中的电弧电压信号进行概率密度计算得到每一组概率密度分布中两个峰值的比值以此建立铝合金脉冲MIG焊过程稳定性评价体系.电压概率密度分布中两个峰值的比值越小,焊接过程越稳定;反之越不稳定.     

交变纵向磁场作用下MIG焊电弧行为研究

为了研究交变纵向磁场作用下MIG焊接电弧的物理特性,提高焊接质量,分析了交变纵向磁场作用下电弧带电粒子的受力情况和运动状态,并利用高速摄像手段研究了交变纵向磁场对电弧形态的影响。结果表明,无外加交变纵向磁场时,自由电弧稳定燃烧,电弧轴线与焊丝轴线相重合;当加入交变纵向磁场时,电弧围绕焊丝轴线做逆时针和顺时针交替变化的旋转运动,电弧轴线偏离焊丝轴线;随着励磁电流的增加,电弧的旋转半径增大,电弧偏离焊丝轴线的角度增大,电弧烁亮区域面积减小;当励磁电流为30 A时,电弧的最大偏转角度为45°,此时电弧燃烧变得不稳定,甚至息弧,焊接过程不稳定。     

不同熔滴过渡类型电弧声小波包频带能量特征提取

利用LabVIEW虚拟仪器设计了电弧声信号采集系统,并以MIG射滴过渡和射流过渡电弧声信号作为研究对象,采用小波包分解和重构电弧声信号,提取不同频带能量特征,构造识别射滴过渡和射流过渡的特征向量。研究表明:射滴过渡和射流过渡电弧声频谱主要集中在0~7 k Hz,射滴过渡电弧声能量在低频段(0~1.5 k Hz)有较高幅值,射流过渡在高频段(2~5 k Hz)有较高幅值,射滴过渡和射流过渡电弧声信号在S_(4,0)、S_(4,2)、S_(4,3)频带能量百分比差异明显,可作为识别射滴过渡和射流过渡的特征向量。     

不同参数下MIG焊电弧光谱波动特点

熔化极惰性气体保护焊(MIG)过程中,熔滴过渡、弧长波动等会引起辐射的剧烈变化,其变化规律对于焊接质量检测具有重要意义.文中通过采集不同参数下的MIG焊电弧光谱分布,研究其在焊接过程中的变化规律;并结合该参数下熔滴过渡特征,基于电弧物理理论,对典型参数下光谱波动的规律进行物理解释.结果表明,不同参数下电弧光谱的分布和变化规律不同,具有各自的光谱分布特征;在MIG焊接过程中,由于熔滴过渡会造成光谱信息的规律波动,但在过渡的不同时间段,光谱信号在不同谱段(紫外区、可见光区、近红外区)的变化规律存在较大差异.     

Relationship between sound signal and weld pool status in plasma arc welding

1　ＩＮＴＲＯＤＵＣＴＩＯＮＰｌａｓｍａａｒｃｗｅｌｄｉｎｇ (ＰＡＷ )ｉｓｃｈａｒａｃｔｅｒｉｚｅｄｂｙｅａｓｙｏｐｅｒａｔｉｏｎａｎｄｌｏｗｃｏｓｔａｍｏｎｇｔｈｅｈｉｇｈ ｅｎｅｒｇｙ ｄｅｎｓｉｔｙ ｂｅａｍ ｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓ (ｆｏｒｅｘａｍｐｌｅ ,ｅｌｅｃｔｒｏｎｂｅａｍ ,ｌａｓｅｒａｎｄ ｐｌａｓｍａ) .ＰＡＷｉｓｗｉｄｅｌｙｕｓｅｄｉｎｗｅｌｄｉｎｇｏｆｓｔａｉｎｌｅｓｓｓｔｅｅｌ,ｈｉｇｈ ｎｉｃｋｅｌａｌｌｏｙｓ ,ｃａｒｂｏｎｓｔｅｅｌ,ｃｏｐｐｅｒ ,ｃｏｐｐｅｒ …     

MIG焊电弧声ICA信噪分离技术

MIG焊接过程中,电弧声信号极易受到环境噪声的干扰,从而破坏电弧声信号的能量特征,为此去除噪声成为有效利用电弧声信号的前提.文中以环境语音噪声为例,将相互独立的无干扰电弧声信号和语音信号线性组合成两组随机观测信号,再应用独立分量分析(independent component analysis,ICA)的快速固定点算法(fast fixed-pointalgorithm)进行分离,最后对源信号和分离后信号的时域、频域进行对比分析.结果表明,ICA在分离被环境噪声污染的电弧声信号上是可行的,为后续电弧声信号特征分析提取以及利用电弧声来监控焊接质量提供技术基础.     

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%.     

用电弧声信号监测GMAW焊丝干伸长的SVM模型

为了探索电弧声在焊接质量监控中的应用途径,在对短路过渡GMAW电弧声信号频谱分析的基础上提出电弧声道概念,认为声道是受焊接参数、电弧形态等众多因素影响的分布参数系统.电弧声的LPC(线性预测)模型是声道传输特性的一个参数化估计.电弧声频谱与焊丝干伸长密切相关,但呈现出高度复杂性和非线性.利用电弧声LPC预测系数和反射系数构造输入向量,建立了支持向量机(SVM)的焊丝干伸长分类模型.训练和测试结果表明,采用不同形式核函数的SVM(支持向量机)分类器均能实现干伸长的正确分类,其性能明显优于相同条件下的RBF(径向基函数)神经网络分类模型,小样本情况下仍具有较好的推广能力.其中,用反射系数作为输入向量训练三次多项式核函数的SVM分类器性能最优,测试正确率在98%以上.据此认为,利用LPC分析提取电弧声的特征向量,建立SVM模型是一种焊接动态参数监控的可行方法.