基于无线局域网的点焊质量监测系统

设计了基于Zig Bee网络的电阻点焊无线监测系统,重点介绍系统的软、硬件构成、无线网络的拓扑结构以及系统的工作流程。无线监测系统主要由下位机监测模块、Zig Bee无线通信模块以及监测中心三部分构成,无线局域网采用网状拓扑结构。系统通过多参数监测焊接车间每台焊机的焊接过程,充分利用各参数所包含的质量信息,建立能够反映焊接质量的数学评估模型,实现了电阻点焊焊接质量的在线评估,并通过动态电阻特性曲线来表示评估结果。系统运行结果表明,Zig Bee无线网络抗干扰能力强,信号传输稳定,系统整体响应速度快,完全可以达到电阻点焊过程网络化实时监测的目的。     

建立点焊质量神经网络监测模型时作用函数的选取

多层前向神经网络是最常用,最流行的神经网络模型,其逼近能力和训练算法是其应用的关键。误差反传算法（BP）以诸多的优点而成为多层前向神经网络训练的首选算法,但却存在收敛速度慢的缺点,研究发现,“假饱和”是导致BP算法收敛缓慢的主要原因之一,也是减少点焊质量监测模型误差的主要障碍,为了减少BP算法学习过程中出现“假饱和”的可能性,加快学习速度,提出了选取神经元作用函数类型的原则。     

电阻点焊质量的监测与控制

本文通过对电阻点焊电极电压动态特性的分析,研究了低碳钢及低合金高强度钢电阻点焊的质量问题。文中将动态数据系统用于电极电压采样数据的处理,建立动态模型。该数学模型及有关判据,可用于监测与控制焊接过程。     

电阻点焊质量监测

电阻点焊质量监测作为一种无损质量检测方法,近年来受到了国内外学术界的广泛关注。阐述了电阻点焊质量监测系统的结构与组成,详细介绍常用的检测信号及其传感器,总结传感器、监测方法及监测系统的最新成果和发展趋势。     

减小点焊质量神经网络监测模型误差的措施

点焊过程监测信息与质量参数之间关系也含有较大的非线性,用线性模型去描述这样的关系将导致模型误差的增加。为了更好地描述点焊过程监测信息与质量参数之间的复杂关系,文中将神经网络理论用于点焊过程模型化。在建立点焊质量神经网络监测模型的过程中,发现,训练过程中的“假饱和”现象是减小网络模型误差的主要障碍。为此,分析了各种减小网络模型误差的可能途径,提出了相应的改善措施,并通过试验证明,所提出的观点是正确的、措施是行之有效的。     

点焊电极工作状态在线监测

对连续点焊过程中电极两端电流、电压和动态电阻进行跟踪测试,并对点焊电极不同工作状态下跟踪测试结果进行对比分析,确定出在线监测点焊电极工作状态的最佳方法。     

镀锌钢板电阻点焊的多元非线性回归模型

为了研究用于家用轿车车身制造的镀锌钢板电阻点焊工艺,采用多元非线性回归正交组合的方法设计试验.试验将电阻点焊熔核形状参数和焊接接头抗剪强度作为考察指标,将焊接电流、电极压力、通电时间、预热电流四个参数,以及各参数之间的交互作用作为影响指标的考察因素,得到可预测熔核形状和焊接接头力学性能的四元二次回归数学模型,并通过方差分析对模型进行优化.结果表明,优化的回归数学模型可实现焊接接头熔核成形及力学性能较为准确的预测.在模型的基础上研究各参数及各交互作用对焊点质量的影响规律,从而可实现电阻点焊工艺参数的优化设计.     

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.     

基于电极电压信号的微电阻点焊质量监测分析

文中研究了微电阻点焊条件下TC2钛合金焊点质量监测问题. 首先对典型焊点的微观金相组织进行了分析,发现在熔核区域形成了针状马氏体;接着选取典型的电极电压曲线,根据其变化趋势划分为四个阶段,结合焊点的形成过程进行了相应解释,并分析了电极电压曲线特征量与熔核直径之间的相关性;最后应用BP神经网络,采用相关性较强的电极电压特征量及焊接电流作为神经网络输入,选取熔核直径作为神经网络输出,结合试验数据. 结果表明,通过神经网络训练及测试,有效地实现了对焊点质量的可靠预测.     

基于阿里云的电阻点焊数据监测系统设计

基于阿里云物联网平台和MQTT(消息队列遥测传输)通信协议技术,设计了一套以STM32F103VET6单片机为主控核心,以阿里云IoT Studio(物联网应用开发)网页为监测界面的电阻点焊数据监测系统,实现了电阻点焊过程的在线监测和焊接电流、电极压力曲线的远程实时显示.该监测系统的设计分为硬件和软件两个部分,主要内容...     

点焊质量优化控制数学模型

文中就点焊质量中的动态功率的因数角法进行了研究，并利用过程辨识理论建立了控制对象的数学模型，得出了以可控硅触发角为输入量，以动态功率角变化率的输出量的系统传递函数，为点 质量控制系统的设计提供了理论基础。     

热成形硼钢激光焊接与电阻点焊接头性能对比研究

分别采用CO2激光焊接系统和中频伺服电阻点焊设备,对超高强度热成形硼钢进行了焊接试验,测试了接头的抗剪切强度和显微硬度,观察了焊缝显微组织。结果表明：两种焊接方式均能获得成形良好的焊接接头,焊缝组织基本为马氏体,显微硬度与母材相当,激光焊缝的马氏体组织明显更细化、抗剪切强度也更高。     

人工神经网络技术在电阻点焊质量控制中的应用

介绍了９０年代以来国内外关于人工神经网络技术在电阻焊点焊质量控制和无损检测中应用的研究。并对其发展趋势作了分析和展望。     

电阻点焊质量的微处理机控制

对点焊过程中的电极电压变化规律与焊点尺寸的关系进行了分析研究,提出了用“相对质控电压”作为合格焊点形成标志,以实现焊点尺寸自适应控制的方法。对以此为基本原理研制的KD3—200型微机点缝焊控制器的硬件结构和软件特点作了论述。     

Effects of modeling means on properties of monitoring models of spot welding quality

Analyzing and modeling the relation between monitoring information during welding and quality information of the joints is the foundation of monitoring resistance spot welding quality. According to the means of modeling, the known models can be divided into three large categories: single linear regression models, multiple linear regression models and multiple non-linear models. By modeling the relations between dynamic resistance information and welding quality parameters with different means, this paper analyzes effects of modeling means on performances of monitoring models of resistance spot welding quality. From the test results, the following conclusions can be drawn: By comparison with two other kinds of models, artificial neural network (ANN) model can describe non-linear and high coupling relationship between monitoring information and quality information more reasonably, improve performance of monitoring model remarkably, and make the estimated values of welding quality parameters more accurate and reliable.     

电阻点焊研究进展（上）

本文介绍了近年来在点焊焊接过程、镀锌板点焊、点焊质量控制及逆变阻焊机方面研究的最新进展。     

SUS301L不锈钢电阻点焊工艺研究

研究了SUS301L不锈钢电阻点焊的工艺。结果表明：选用中等偏硬一些的焊接规范。可以获得较理想的点焊接头，接头的外观、平滑度及熔核尺寸和力学性能满足了相关标准的要求；待焊表面涂抹专用密封胶后．可形成结合线伸入缺陷，但对接头组织和力学性能影响不大。