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。     

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．     

基于遗传小波神经网络MIG焊熔透状态模式识别

通过对已有的人工神经网络、小波分析、遗传算法的建模方法进行组合利用并加以改进,建立了基于电弧声信号特征的MIG焊熔透状态诊断网络模型.声波信号经小波去噪和小波包频带能量特征提取后,作为小波神经网络模型的输入特征向量,网络训练中采用具有全局优化能力的遗传算法动态修改网络结构和参数,避免了神经网络训练速度慢、容易陷入局部极值的缺点,从而完成数据挖掘和复杂的非线性建模功能.结果表明,将网络模型用于熔透状态诊断,证实了方案的可行性和有效性.     

基于线性预测分析MIG焊电弧声信号特征提取

以不同焊接状态电弧声信号识别为目的,从MIG焊平板对接射流过渡电弧声信号入手,探寻了电弧声的产生机理和传播特性.提出电弧声是气体放电的伴生物,是等离子体集体振荡以波形方式传播的结果,也是声源和声道共同作用的产物,其频谱特性主要取决于声道的频率响应.在此基础上,建立了电弧声线性产生模型,采用Levin-son-Durbin递推算法提取了电弧声信号的线性预测系数(LPC)、反射系数和对数面积比系数,并构建了电弧声信号的联合特征向量.     

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%.     

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.     

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.     

基于小波频带能的脉冲VPPA焊接熔透特征信息提取

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的意义。建立脉冲VPPA焊接系统,对脉冲VPPA焊接不同熔透状态的电弧电压进行小波分解,将其分解到不同频带,进行频带能量的计算,提取了与频带能量对应的熔透状态特征信息。研究结果表明：脉冲VPPA焊接电弧电压高频频带能量能够很好地反映焊缝熔透状态,当焊缝熔透状态发生变化时频带能量值产生突变,可作为脉冲VPPA焊接过程在线检测量,为脉冲VPPA焊接熔透实时控制提供一种新方法。     

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。     

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.     

焊接电弧声信号降噪技术

焊接电弧声作为焊接过程质量监控潜在的源信号之一,在传感、转换以及传输等过程极易受到设备、环境噪声的污染,从硬件、软件两个方面分别对其进行降噪处理.硬件方面包括低噪声传声器、接地装置、消除直流偏移的交流耦合、采用仪器放大器、抗混叠滤波以及屏蔽电缆等措施;软件方面运用基于多尺度分析理论的 Mallat 算法,实现了基于 LabVIEW 的电弧声小波分解重构降噪处理.结果表明,电弧声信号经硬件、软件降噪后,不仅"毛刺"得到有效滤除,而且波形突变部分更加清晰,信噪比大幅度提高,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.

Abstract：

Arc sound is well known as one of the potential source signals for controlling of welding process quality, which is vulnerable to noise pollution by equipment and environment in sensing, conversing and transmission. Therefore, it is necessary to reduce arc sound noise by hardware and software. Hardware measures include low-noise microphone, grounding devices, eliminating the DC offset exchange coupling, equipment amplifiers, anti-alias filtering and shielding cables, etc. In terms of software, by using Mallat algorithm based on principle of multi-resolution, the noise of arc sound signal is reduced via wavelet decomposition and reconstruction based on LabVIEW. The results show that the burr of arc sound is effectively filtered out, the mutations of waveform are clearer and the noise ratio is obviously increased. The reducing noise means provide technical basis for extracting characteristics of arc signal and monitoring welding quality via arc signal.     

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 …