基于深度学习的GMAW焊接缺陷在线监测

以轨道交通高速高铁司机室铝合金外板为载体,围绕智能焊接关键技术,针对焊接缺陷在线监测问题开展研究.借助工艺试验平台与焊接工艺卡开展焊接缺陷试验设计、批量数据采集、专家经验标定、数据库构建,采用卷积神经网络算法对不同类型数据构建多维信息融合模型,并对融合模型进行参数优化处理,最终完成融合模型的训练、验证和测试.结果表明,训练后的融合模型比单一信息模型对焊接缺陷具有较好的识别结果,训练集和测试集的焊接缺陷监测精度分别为99.0%和88.3%,此监测系统的数据采集和模型响应总时间小于100 ms,能够满足工程化应用需求,提高机器人焊接的智能化水平,推动企业数字化转型升级.