基于声信号识别的水下焊接质量检测方法研究

水下焊接的应用领域广泛,但其焊接质量难以保障。针对水下焊接处理过程中存在的非线性程度高、参数耦合性强以及检测效率低等问题,提出了一种新的基于声信号识别的水下焊接质量检测方法。该方法通过在水下构建基于声信号采集的监测系统,实时采集焊件焊接过程中的声信息,并通过对声信号进行滤波降噪处理和特征提取,构建双权值神经网络（double-weight neural network, DWNN）模型。该模型具有优秀的高维数据非线性拟合能力,可实现水下焊接多参数与声信号多特征之间的非线性映射,且在小样本情况下仍能实现高精度的模式识别。以高强度低碳合金钢——HSLA-115钢作为焊接对象,开展水下焊接质量检测实验。结果表明,DWNN模型应用于水下焊接质量检测的识别精度可达100%。研究结果可为水下焊接工艺的优化和水下焊件专家知识库的构建提供参考依据。     

搅拌摩擦焊残余应力研究现状及展望

搅拌摩擦焊是一种新型的固相焊接技术,目前国内外的研究主要集中在工艺、组织、力学性能等方面,而有关搅拌摩擦焊缝内部残余应力的研究相对较少。由于检测设备的限制,国内主要采用有损检测方法,无损检测方法却很少。详细综述了国内有关搅拌摩擦焊件内部残余应力测试的钻孔法、云纹干涉法,以及国内外无损检测方法中的X射线衍射法、中子衍射法和高能同步辐射法的研究概况,讨论了各种检测方法的优缺点,对未来搅拌摩擦焊残余应力的研究作了展望。     

铍环形焊件残余应力的有限元分析与测试

采用有限无限元分析法和Ｘ射线应力测试法对铍环形焊件的残余应力分布规律进行了研究。对有限元计算值采用一定加权平均处理后与Ｘ射线实测值进行了对比，结果表明，两者基本吻合，所反映出的应力变化趋势基本一致。     

喷丸处理对2219铝合金搅拌摩擦焊焊接残余应力的影响

对2219铝合金板进行了搅拌摩擦焊(FSW)和喷丸处理,采用X射线衍射仪(XRD)测量了搅拌摩擦焊和喷丸产生的残余应力,分析了残余应力的分布特征,研究了弹丸直径、弹丸材料、喷射距离等参数对搅拌摩擦焊接残余应力分布的影响。结果表明：焊接后,焊缝附近存在较大的残余拉应力,焊缝中心线±20 mm范围内的平均应力高达100.9 MPa,而远离焊缝的母材区域接近零应力状态;喷丸后,试样残余应力分布发生显著变化,表层残余应力表现为压应力,并且该压应力数值随着深度的增加先增大后减小,最后保持为拉应力;增大弹丸直径可提高最大残余压应力值和残余压应力层深度,但当弹丸直径继续增大至1.2 mm时,最大残余压应力值不再继续增大;选用合适的弹丸材料可获得理想的残余压应力分布情况;随着喷射距离的增大,最大残余压应力值和残余压应力层深度先增大后减小。     

1Cr5Mo钢管道焊后热处理质量评定指标研究

以１Ｃｒ５Ｍｏ钢管道为例,讨论了焊后热处理质量评定指标,通过对实际接头不同热处理制度下及热处理前后残余应力,硬度的测定和显微组织的观察,认为对于１Ｃｒ５Ｍｏ钢,以接头的硬度最大值２２５ＨＢ作为热处理质量评定指标较为恰当。在焊接质量保证合格的前提下,一般可仅校验热处理温度记录曲线合格,判定热处理质量合格。     

消减与均化焊接残余应力的振动时效方法简介

本文着重介绍了振动时效原理和参数表达方式、振动时效的工艺参数选择原则与振动时效的效果之判断方法。并用具体实例说明振动时效的实施步骤及与热时效的效果的比较。     

模拟焊后热处理温度对Q345R钢板焊接接头的焊接残余应力及力学性能的影响

通过热处理试验、残余应力测试、拉伸试验、弯曲试验、硬度试验等方法,分析了模拟焊后热处理温度对Q345R钢板焊接接头的残余应力及力学性能的影响.结果表明:随模拟焊后热处理温度由400℃提高至620℃,Q345R钢板焊接接头的残余应力逐渐减小,经620℃热处理后,可基本消除其焊接残余应力;随着模拟焊后热处理温度的提高,Q3...     

基于电磁检测的火车车轮残余应力定量预测

目的 为了突破火车车轮残余应力有损测试的局限性、实现车轮残余应力的准确定量预测,研究电磁参量特征值的遴选过程并建立相关模型。方法 对比分析单一电磁参量(磁巴克豪森噪声或增量磁导率)和电磁参量融合(磁巴克豪森噪声和增量磁导率)的检测方法,通过逐步回归对电磁参量的特征值进行遴选,利用多元线性回归方法构建残余应力的定量预测模型。结果 基于单一电磁参量建立的应力预测模型,其残余应力预测值与实际值的偏差超过±15 MPa的允差范围;基于电磁参量融合建立的应力预测模型,其残余应力预测值与实际值的偏差均在±15 MPa的允差范围之内。结论 采用电磁融合方法建立的多元线性模型,可以有效提高模型精度、实现火车车轮残余应力的定量预测。     

振动时效消除拼焊不锈钢板的残余应力

为了消除超大不锈钢焊接底板的残余应力,研究了采用振动时效(VSR)的方法消除焊接残余应力。应用JB /T5926-91标准对振动时效工艺进行了定性的评价。通过对焊后和振动时效后底板焊缝上残余应力的对比测量,全面地、定量地了解振动时效工艺对残余应力的变化及最终的应力状况的影响,了解了VSR工艺的可行性和有效性,从而实现替代热时效工艺目标。     

多次焊补对A5083P-O铝合金焊接接头残余应力的影响

采用X射线衍射法,研究了多次焊补对A5083P—O铝合金焊接接头残余应力分布规律的影响。结果表明：不同焊补次数条件下焊接接头残余应力值并未发生较大幅度的变化,残余拉应力峰值相差不大,出现在熔合线或者靠近焊缝的热影响区,均小于材料的名义屈服强度;残余应力变化分布规律基本一致。从残余应力的角度来看,可以有进行5次焊补的可能。     

一种基于VGGish神经网络的水声目标识别方法

水声目标智能识别是水声装备智能化的重要组成部分,深度学习则是实现水声目标智能识别的重要技术手段之一。当前水声目标智能识别经常面临数据集较小带来的训练样本量不足的情况,针对小数据集识别中存在的因过拟合导致模型泛化能力不足,以及输入的水声信号二维谱图样式不统一的问题,文章提出了一种基于VGGish神经网络模型的水声目标识别方法。该方法以VGGish网络作为特征提取器,并在VGGish网络前部加入了信号预处理模块,同时设计了一种基于传统机器学习算法的联合分类器,通过以上措施解决了过拟合问题和二维谱图样式不统一问题。实验结果显示,该方法应用在ShipsEar数据集上得到了94.397%的识别准确率,高于传统预训练-微调法得到的最高90.977%的准确率,并且在相同条件下该方法的模型训练耗时仅为传统预训练-微调方法的0.5%左右,有效提高了识别准确率和模型训练速度。     

全卷积循环神经网络的语音情感识别

语音情感识别是人机交互的热门研究领域之一。然而,由于缺乏对语音中时频相关信息的研究,导致情感信息挖掘深度不够。为了更好地挖掘语音中的时频相关信息,提出了一种全卷积循环神经网络模型,采用并行多输入的方式组合不同模型,同时从两个模块中提取不同功能的特征。利用全卷积神经网络（Fully Convolutional Network,FCN）学习语音谱图特征中的时频相关信息,同时,利用长短期记忆（Long Short-Term Memory,LSTM）神经网络来学习语音的帧级特征,以补充模型在FCN学习过程中缺失的时间相关信息,最后,将特征融合后使用分类器进行分类,在两个公开的情感数据集上的测试验证了所提算法的优越性。     

Optimisation of post-weld heat treatment — A simple, practical method

The authors have evolved an empirical method for characterizing resistance to ductile fracture using two parameters Γ _f andηf that can be determined from tensile test data of smooth cylindrical specimens. This method stipulates that the post-necking regime during tensile deformation is dominated by microvoid growth and coalescence processes, and therefore the energy absorbed in this regime can be used to estimate the resistance of the necked region to ductile fracture. The test procedure employed is simple and does not require gauge-length extensometry, a distinct advantage at non-ambient temperatures. The tests are carried out in a screw-driven machine at a constant crosshead speed, with online computerized acquisition of load-time data; it is also necessary to have a prior precise calibration for the (nonlinear) elastic deformation of the load train. The method of computing Γ _f and η_f, from tensile data is described, and its engineering application demonstrated by characterizing the effect of ageing of two dissimilar metal welds, namely Alloy 800/2.25Cr-lMo steel and Alloy 800/9Cr-1Mo steel. From these results, it has been established that this procedure of estimating the ductile fracture toughness from tensile tests can be used as a simple, practical method for optimisation of post-weld heat treatment of weld joints.     

基于神经网络的玻璃缺陷声学检测方法

描述了一种通过声学信号检测玻璃制品缺陷的方法。在实现步骤上,首先采集了不同缺陷类型的玻璃瓶敲击声,然后经过频谱变换及小波包变换,将敲击信号映射至不同的变换域中,并在每个变换域中提取信号的特征,从而将样本的缺陷信息对应为统计特征和物理特征,并采用基于互信息量的特征选择算法对特征空间进行降维;降维后的特征子集作为后向传播神经网络的输入参数,再由该神经网络实现对玻璃缺陷的自动化检测。结果表明,在已有实验样本数据下,该缺陷检测算法能准确高效地检测出存在缺陷的样本,识别结果的F-值稳定在95%左右。     

基于声发射信号EMD-WPD特征融合的航天器在轨泄漏辨识方法

长期运行在空间环境中的航天器可能由于撞击、振动、老化等因素而发生气体泄漏,在轨泄漏辨识对航天器安全保障具有重要意义.提出了一种基于声发射信号经验模态分解(empirical mode decomposition,EMD)和小波包分解(wavelet packet decomposition,WPD)特征融合的航天器泄漏...     

U形试块残余应力超声检测及有限元分析

为验证超声检测残余应力的精度与检测深度问题,该文提出并设计一种能够施加定值载荷应力的U形试块来模拟构件中的残余应力。通过残余应力超声检测系统激励5 MHz、4 MHz等其他不同频率的超声换能器,对U形试块在缺口施加拉压载荷,使试块处于闭合、张开的不同状态来模拟构件中的拉压状态,对U形试块的上表面不同位置和后侧面不同深度处的应力值进行超声残余应力无损检测。同时将其检测结果与同等条件下ABAQUS有限元仿真分析的结果进行对比,验证该系统对表面残余应力及试块内部梯度残余应力检测的准确性。另外,该试块也为残余应力超声检测系统的校准提供方法。     

基于卷积神经网络和Transformer网络的鸟声识别

针对传统鸟声识别算法中特征提取方式单一、分类识别准确率低等问题,提出一种结合卷积神经网络和Transformer网络的鸟声识别方法。该方法综合考虑网络局部特征学习和全局上下文依赖性构造,从原始鸟声音频信号中提取短时傅里叶变换(Short Time Fourier Transform,STFT)语谱图特征,将其输入到卷积神经网络(ConvolutionalNeural Network,CNN)中提取局部频谱特征信息,同时提取鸟声信号的对数梅尔特征及一阶差分、二阶差分特征用于合成梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)混合特征向量,将其输入到Transformer网络中获取全局序列特征信息,最后融合所提取的特征可得到更丰富的鸟声特征参数,通过Softmax分类器得到鸟声识别结果。在Birdsdata和xeno-canto鸟声数据集上进行实验,平均识别准确率分别达到了97.81%和89.47%。实验结果表明该方法相较于其他现有的鸟声识别模型具有更高的识别准确率。     

一种基于广义互相关的水声直扩信号检测方法

直扩信号因其低功率谱密度特性使得检测十分困难,针对传统自相关法在低信噪比条件下检测性能急剧下降的问题,在分析了直扩信号自相关特性的前提下,提出一种基于广义互相关估计的直扩信号检测方法.首先对接收信号分段并对相邻信号段分别进行广义互相关估计,估计结果采用二阶矩非相干积累,提取相关峰获得检测统计量,将检测统计量与门限比较,...     

DDoS Attack Detection via Multi-Scale Convolutional Neural Network

Distributed Denial-of-Service (DDoS) has caused great damage to the network in the big data environment. Existing methods are characterized by low computational efficiency, high false alarm rate and high false alarm rate. In this paper, we propose a DDoS attack detection method based on network flow grayscale matrix feature via multiscale convolutional neural network (CNN). According to the different characteristics of the attack flow and the normal flow in the IP protocol, the seven-tuple is defined to describe the network flow characteristics and converted into a grayscale feature by binary. Based on the network flow grayscale matrix feature (GMF), the convolution kernel of different spatial scales is used to improve the accuracy of feature segmentation, global features and local features of the network flow are extracted. A DDoS attack classifier based on multi-scale convolution neural network is constructed. Experiments show that compared with correlation methods, this method can improve the robustness of the classifier, reduce the false alarm rate and the missing alarm rate.     

基于自相关特征的舰船大小识别方法

基于自相关处理方法,提出了一种利用舰船辐射噪声自相关曲线特征值对舰船大小进行识别的方法,并利用BP神经网络对两类海上实测舰船目标噪声信号进行了识别。实验结果表明,利用该方法对舰船目标大小具有较好的识别效果。该法与其他识别方法相比,在保证较高分类识别率的前提下,特征量提取方法简单,特征量维数少,运算量较低,更便于工程实现。