共查询到20条相似文献,搜索用时 234 毫秒
1.
采用脉冲YAG激光焊、微束等离子弧焊和激光-微束等离子弧复合焊对304不锈钢进行焊接试验,实时采集焊接过程中的结构负载声发射信号,研究声发射信号对焊接过程的表征. 结果表明,激光离焦量为-2 mm的激光-微束等离子弧复合焊接,热源复合效果更好,焊缝表现出更显著的复合热源焊接特征. 焊缝获得了更好的表面成形和熔深、熔宽. 热源复合效果更好的焊接过程,其声发射信号波形表现出更大振幅,且更为均匀,并与激光热源的周期性相符,呈现出明显的复合热源焊接周期性. 因此可以利用焊接过程检测到的结构负载声发射信号表征激光和微束等离子弧两种热源复合效果特征. 相似文献
2.
3.
4.
针对GMAW-P焊的脉冲波形调制,采用16位定点数字信号处理器TMS320LF2407A建立了基于DSP的GMAW-P焊数字化控制系统.利用DSP内部集成的PWM产生模块,通过选择合适的工作方式实现了PWM信号的直接数字化控制,从而实现了GMAW-P焊高频逆变和低频脉冲波形调制,提高了控制系统的工作稳定性和可靠性,阐述了控制系统的软件设计.结果表明,所设计的数字化控制系统能实现良好的GMAW-P焊接工艺,焊接过程稳定,获得的焊缝质量好,成形美观,充分显示了DSP数字化控制的优点. 相似文献
5.
6.
电信号采集系统是焊接设备的主要组成部分,采集的电信号可用于焊接过程及焊接效果的分析。根据小波包消噪原理,通过设计电信号采集电路、选取合适的采集卡模块搭建了焊接电信号采集系统装置,并开展了铝合金双脉冲MIG焊接试验,通过设定强、弱脉冲电流及对应的时间参数,依次采集到焊接过程汇总平稳过渡、送丝过快、大滴过渡及断弧等几种典型电信号波形图,并获得相应的焊缝外观形貌。结果表明,通过对采集到的电信号进行小波滤波处理并结合焊缝质量的优劣分析可知,可通过改变焊接电流波形参数来获得成形优良的焊缝,从而验证了焊接电信号的采集对焊接过程的重要性。 相似文献
7.
为解决磁控埋弧焊传感器焊缝跟踪信号不稳定性、成形质量差等问题,采用BBD(Box-Behnken design)设计试验方案,基于响应面法建立了的埋弧焊焊缝自动跟踪磁控传感器参数(励磁频率、励磁电流、磁极高度、焊接电流)与预测响应值(焊缝跟踪信号、熔宽)的数学模型,并检验数学模型在试验点上的拟合情况,以能够根据跟踪信号质量和焊缝成形的要求优选传感器参数. 并通过优化传感器参数来预测埋弧焊焊缝跟踪信号质量以及焊缝的熔宽,实现跟踪信号与焊缝成形的最佳组合,以提高磁控埋弧焊的焊缝跟踪精度及焊接质量. 相似文献
8.
9.
基于焊接多信息同步采集系统,采用LabVIEW图形化语言,以熔化极气保焊的焊接电流、电弧电压、电弧光谱为信号源,构建了包括电信号参数设置、电信号数据分析模块、光信号参数设置与自动选择、光信号数据分析的焊接过程多信息分析平台。可实时显示焊接电流波形、电弧电压波形、电弧辐射光谱等;系统还通过数据分析处理得到U-I相图、焊接电流和电弧电压概率密度、短路时间频次图、电弧辐射光强与波长对应图、计算焊接温度的玻尔兹曼图等,通过上述信息分析,检测电弧状态和信息,可用于焊接过程诊断和焊接电弧物理研究等。 相似文献
10.
11.
采用基于图形化语言的虚拟仪器开发工具LabView开发了界面友好、操作简单的虚拟仪器——电阻点焊参数采集及缺陷信息分析系统。该系统实现了对铝合金点焊过程工艺参数的实时采集、数据传输与存储、波形同步显示,以及对工艺参数的分析和处理,对点焊过程中发生的缺陷状况做出评定和分析。在分析研究所采集的焊接电流和电极电压的基础上,建立了基于电压曲线斜率变化的判读飞溅缺陷的算法和基于积分变化的判读脱焊缺陷的算法。所建立的算法应用于实践,可准确地判读飞溅和脱焊缺陷。 相似文献
12.
13.
14.
通过调节焊接电源的多组脉冲波形参数进行一系列焊接试验,对比并分析了脉冲电流峰值系数、脉冲电流峰值时间系数、脉冲电流基值系数、脉冲电流上升系数和脉冲电流下降系数发生改变后焊接电流信号的变化情况.采用集合经验模态分解(ensemble empirical mode decomposition, EEMD)方法对焊接过程中实时采集到的焊接电流信号进行分解,并对焊接电流信号和一系列本征模态函数(intrinsic mode function, IMF)进行时频域分析.随后,根据分析结果和焊缝表面形貌对焊接过程稳定性进行评估.结果表明,使用EEMD方法能够从焊接电流信号中分解出与短路过渡过程密切相关的特征IMF,稳定的焊接过程与不稳定的焊接过程相比,其特征IMF频谱分布区别明显,特征IMF频率分布范围越窄,焊接过程越稳定性,焊接飞溅越小,焊缝表面成形越好. 相似文献
15.
16.
17.
Poor quality of resistance spot welding (RSW) often causes quality issues like structural integrity and noise in the car body assembly. Research activities for reliable monitoring methods of RSW quality have therefore been extensive. So far, most of the monitoring methods found in literature are good for off-line utilization only and thus very expensive to apply. This paper introduces into a real-time and in-situ RSW quality monitoring method, which takes the input electrical impedance of the welding system as the monitoring signature. This signature is obtained by probing and processing the input voltage and current throughout the welding process. As input impedance characterizes a dynamic system, its variation with time reveals the conditions of the welding process which result in the final weld quality. By recognizing the pattern of the real part by an artificial neural network, we demonstrate that the weld quality could be classified non-destructively and automatically. Due to the fast signal collecting and processing, the quality monitoring is finished almost in real-time, i.e., classification can be completed before the next welding process is started. Another feature of the method is being in-situ because monitoring action does not jeopardize the welding operation or alter any of the welding parameters in general. 相似文献
18.
19.
20.
提出一种将点焊过程动态电极位移信号转化为二值图像的方法.基于图像特征分析,从焊点样本电极位移二值图像中提取出15个隐含特征.针对一系列对应不同焊接质量焊点样本电极位移二值图像特征,利用主成分分析消除图像特征间的互相关性,建立了基于最小风险贝叶斯图像识别技术的焊点质量分类器.分类器有效性测试结果表明,电极位移信号二值图像尽可能多的保留了焊点质量信息,特征提取算法简单、高效、易于实现;同时在小数据样本情况下,贝叶斯图像识别技术能够快速、准确地评判焊点质量,有较好的应用前景. 相似文献