基于电极位移信号的电阻点焊质量预测模型

设计了电阻点焊过程动态参数监测系统，采集焊接电压、电流以及电极位移信号，建立以交流电阻点焊过程中的周波参数为输入空间，以试样的抗拉剪切强度为输出空间的点焊质量预测神经网络模型．为实现电阻点焊质量在线监控奠定了理论基础。试验结果证明了RBF神经网络用于这类应用场合的可行性和有效性。     

电阻点焊动态信号实时监测及焊接质量预测

利用现代传感技术和计算机监测技术,建立电阻点焊电信号和机械信号实时监测系统,实现对点焊过程中焊接电流、电极间电压、动态电阻和动态电极压力的实时监测。根据动态电阻和动态电极压力的变化规律,通过相关分析,提取表征焊接质量的动态电阻特征值和动态电极压力特征值。利用多元线性回归分析建立点焊质量预测模型,选用设定的焊接电流、电极压力、焊接时间、动态电阻特征值和动态电极压力特征值作为输入变量,表征点焊质量的熔核直径作为输出变量。试验结果表明,建立的点焊质量预测模型可较准确地预测点焊熔核直径,最大预测偏差不超过0.4 mm。     

非等厚异种钢电阻点焊焊点成形及神经网络预测

利用交流电阻点焊机在大量工艺试验的基础上,采用人工神经网络的方法,针对非等厚异种钢的双脉冲点焊构造了一种点焊焊点成形预测模型.该模型输入层由焊接电流、电极压力、通电时间和脉冲间隔组成,隐层为三节点双隐层,输出层包括熔核直径、熔核偏移量.通过试验,研究了输入层各焊接规范参数对焊点成形的影响,与神经网络预测结果对比表明,该模型预测结果与试验结果有较好的一致性,建立的模型较为可靠.     

基于BP神经网络遗传算法的薄板CMT点焊变形

焊接是汽车车身制造的一个关键环节,焊接质量的好坏严重影响汽车车身质量,所以焊接参数的选择至关重要. 针对薄板焊接质量控制问题,论文利用BP神经网络解决非线性问题的优势,建立焊接变形量与工艺参数之间映射关系模型;结合遗传算法构建基于遗传神经网络焊接的工艺参数优化系统;同时设计正交试验,将该方法与正交试验法相对比. 结果表明,该方法可以有效地实现CMT(cold metal transfer)点焊焊接变形预测与工艺参数优化. 通过预测模型给出合理参数,指导钢薄板和铝合金薄板的CMT点焊变形试验,提高焊接的效率.     

基于人工神经网络的点焊熔核直径预测

从电极位移曲线上提取出的两个特征值及焊接能量值作为输入值,熔核直径为输出值,建立了基于BP算法的铝合金直流点焊熔核直径预测模型.该模型为隐层结点数为5的三层结构,隐层转移函数为Sigmoid函数,输出层的转移函数为线性函数.对实测结果与仿真结果进行了对比分析,结果表明,45.2%的预测值与实测值相差不超过0.5 mm,77.4%的预测误差不超过1 mm,94.3%的预测误差没有超过2 mm.回归分析结果为A=0.878T 0.982.     

基于信息融合技术的焊点质量评估

基于点焊焊接过程电极位移、动态电阻信号的同步采集和特征分析,从2种信号中提取若干特征参量,依据特征参量与焊点接头抗剪切力间的相关性分析结果,选取特征参量建立数据集,利用多元线性、非线性、支持向量机统计分析方法实现多信息融合,构建焊接过程监测参量与焊点强度之间的回归映射模型.进而实现对未知焊点样本强度的预测.交叉有效性检验结果表明以相关性显著的特征参量建立的多元线性回归、非线性回归、支持向量机回归预测模型,对于评估焊点质量是有效的,其中支持向量机回归预测有效性最为显著,可作为进一步研究和实现在线质量监测的方法.     

基于机器学习的铝合金脉冲激光焊接工艺及质量预测研究

铝合金脉冲激光焊接能够精准调节激光能量输入,广泛应用于动力电池与新能源汽车等精密加工领域。然而,铝合金自身高导热率和高反射率等固有属性,以及与高能量激光剧烈的相互耦合作用,对工艺参数优化和焊接质量控制带来挑战。以2 mm厚1060铝合金作为研究对象,主要分析了不同脉冲激光工艺参数（峰值功率、脉冲频率和焊接速度）对焊缝成形的影响规律;以工艺参数为多维输入变量,进一步构建了基于BP神经网络的熔池尺寸预测模型。结果表明：不同工艺参数均对焊缝熔深和熔宽有直接影响,需要确定一个合适的工艺窗口;同时构建模型的平均预测误差在10%以内,具有较高的预测精度。为铝合金脉冲激光焊接质量预测及工艺优化提供了可靠的实验和指导依据。     

基于BP神经网络的DP600点焊熔核参数建模

以焊接电压、焊接电流构造输入向量,熔核直径、热影响区外径和焊接区焊后厚度为输出量,建立DP600高强钢电阻点焊的熔核参数模型。推导了梯度下降法、动量梯度法和共轭梯度法三种权值算法,并用实际试验数据对模型进行训练和预测。结果表明,共轭梯度法训练后的预测结果误差率最低,所有参数的误差在8%内,平均误差在4%内,可用于在线检测来提高产品质量。     

多元化铝合金直流点焊质量监测系统的研发

为了克服由于多种电阻点焊质量影响因素引起的单参数检测技术的不足,充分利用点焊过程中各种参数所提供的熔核质量信息,工作中构建了以焊接磁场、焊接电压、电极位移,作为铝合金点焊质量评定特征信息的铝合金点焊质量监测系统。试验证明,监测系统能够高速准确地采集铝合金点焊过程的多个特征信号,并能有效反映点焊过程中焊点熔核的变化,对焊点质量作出准确判断,满足点焊过程质量监测的要求。     

多元化铝合金直流点焊接质量监测系统的研发

为了克服由于多种电阻点焊质量影响因素引起的单参数检测技术的不足,充分利用点焊过程中各种参数所提供的熔核质量信息,工作中构建了以焊接磁场、焊接电压、电极位移,作为铝合金点焊质量评定住处特征信息的铝合金点焊质量监测系统.试验证明,监测系统能够高速准确地采集铝合金点焊过程的多个特征信号,并能有效反映点焊过程中焊点熔核的变化,对焊点质量作出准确判断,满足点焊过程质量监测的要求.     

Optimization of parameters and study of joint microstructure of resistance spot welding of magnesium alloy

Experimental investigations on the DC spot welding of Mg alloy AZ31B are presented. Experiments are carried out to study the influence of spot welding parameters （ electrode force, welding heat input and welding time） on the tensile shear load and the diameter of nugget, based on an orthogonal test and analysis method. The optimum parameters are as follows： electrode force is 2 000 N, welding heat input is 80% and welding time is 6 cycles. The microstrueture of spot weld is single fine equiaxed crystals in the nugget, of which the structure is β-Mg17Al12 precipitated on α-Mg boundaries induced by nonequilibrium freezing. And the surface condition of the workpiece has great influence on the joint quality.     

继电器引线的逆变电阻点焊质量智能监测

采用了人工神经网络技术对继电器制造中铜线在磷铜片上的点焊进行了质量监测.利用BP(back propagation)神经网络模型及其算法,建立以焊接电流和电极间电压作为输入参量、焊点拉剪强度作为输出参量的神经网络质量监测模型.在Matlab中对不同隐层节点和转移函数的模型进行仿真,选择合适的隐层节点数和转移函数.在逆变电阻点焊机上进行了试验验证,表明所建立的人工神经网络质量监测模型的精度能满足工程应用的要求.     

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。     

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.     

电阻点焊质量监控技术的发展现状及趋势

根据目前电阻点焊质量监控系统的目的,将现有技术分为对质量的评价和控制两大类.其中点焊质量评价技术主要有单参量监测技术和多参量监测技术,在点焊质量控制技术中,主要是通过监测焊接热量来控制和应用人工智能技术来实现.对在这两个研究领域中采用的不同分析手段,进一步进行了分析论述.在综合分析的基础上,指出选用合适的建模手段和分析方法,对质量评判指标实现准确测量,得出精确的结果是下一步工作的重点和难点.     

Artificial neural networks applied to spot welding process modeling

Artificial neural networks have been studied for applicability for modeling of spot welding process. Some basic concepts relating to neural networks are explained as well as how they can be used to model welding quality parameters in terms of the welding process parameter. The performance of the neural networks for modeling is presented and evaluated using actual welding data. It is concluded that neural network modeling is a good means of estimating spot welding quality on-line.     

机器人点焊多信息融合及控制

点焊质量一直是国内外焊接国界学者致力研究的重要课题之一。目前尚未得到圆满的解决。点焊过程的复杂性、熔核形成过程的不确定性,尤其是点焊过程采用的质量监控方法的单一性决定了点焊质量控制是一项非常困难的任务。本文分析了基于单一传感器信息资源来描述焊点熔核形成过程存在的局限性,首次提出了采用多传感器信息融合控制点焊质量的思想。通过参数选择、特征信息提取,建立了点焊过程多信息融合模型。采用结合法、平均法和决     

利用分形维数提取铝合金点焊过程中电压信号特征量

针对铝合金点焊过程中电压信号的非线性特点,从分形理论出发,首次尝试利用盒维数作为特征量对点焊质量进行定量描述。试验与计算结果对比表明,对不同点焊质量下的电压参数进行检测与盒维数计算,其结果明显不同,这辩明以盒维数作为特征量能够有效反映点焊质量的变化。因此,利用分形维数方法提取点焊过程中信号的特征量为检测点焊质量提供了一种新途径,同时对其他焊接方法中的信号分析与处理也有较高的参考价值。     

智能点焊专家系统实时数据采集与通信

介绍了电阻点焊实时参数采集与通信的工作原理，分析了系统上、下位机的软、硬件设计。实验结果表明，采用设计的点焊实时数据采集与通信系统，能够准确测量焊接电流和电极间电压等点焊过程参数的动态变化，并可写入点焊专家系统实时数据库，为建立智能点专家系统，实现焊点质量在线评估和实时管理奠定了基础。