10.11951/j.issn.1005-0299.20220228
窄间隙P-GMAW多信息融合侧壁熔合状态识别研究
窄间隙焊缝坡口间距小且焊道较深,摆动中心与焊缝中心偏差较大时,坡口两侧侧壁受热不良,易发生未熔合缺陷.为了及时了解窄间隙侧壁熔合情况,掌握侧壁内部焊接质量,本文提出了一种基于BP神经网络和D-S证据理论的多信息融合方法,预测侧壁熔合状态.对窄间隙焊接未熔合缺陷产生机制进行了分析,研究发现焊接电弧信号和熔池变化与侧壁成形质量存在密切关系,为此进行了一系列偏差实验,建立了电弧电信号和电弧熔池图像信号的实时采集系统,采用批量特征提取算法,提取了与侧壁熔合状态密切关联的峰值电流、峰值电压、电弧弧长、熔池长宽比、熔池面积和熔池周长等特征参量.采用BP算法训练神经网络,在此基础上通过D-S证据理论进行决策级融合.实验结果表明,该模型识别率可达96.667%,避免了神经网络识别时的误诊,获得了比单一传感信息更好的预测结果,提高了熔合状态识别的准确度和可靠度.
窄间隙焊缝、信息融合、侧壁熔合、BP神经网络、信息融合算法
31
TG409(焊接、金属切割及金属粘接)
天津市教委科研计划项目;光机电装备技术北京市重点实验室开放基金资助项目
2023-08-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
9-17