基于人耳听觉模型的MIG焊熔滴过渡状态识别

针对强噪声干扰下熔化极惰性气体保护焊(Melt inert-gas,MIG)的熔滴过渡状态识别问题,提出一种基于人耳听觉模型的电弧声熔滴过渡状态识别算法。采用外耳和中耳传递函数对电弧声信号进行变换,模拟耳蜗的功能对变换后的电弧声信号进行频率分解,并求分解后各频带内信号的响度功率,根据不同频带的响度功率构建电弧声的特征矢量,采用支持向量机根据获得的特征矢量实现熔滴过渡状态的识别。试验结果表明,该算法可以很好地抑制由于焊接电流的低频变化引起的电弧声低频波动,对熔滴过渡状态的识别率达到了98%以上。为了验证算法的抗噪声干扰能力,在原始信号的基础上,分别施加了不同信噪比的白噪声和环境噪声,结果表明,所提出的算法具有优良的抗噪声干扰能力,从而为焊接质量在线监控提供了一种新方法。