微间隙焊缝磁光成像NN-KF跟踪算法
针对紧密对接微间隙焊缝,分析基于磁光成像的神经网络补偿卡尔曼滤波(kalman filtering compensated byneural network,NN-KF)跟踪算法,建立焊缝位置测量模型并运用卡尔曼滤波对焊缝位置偏差进行最优预测.卡尔曼滤波进行最优估计需建立准确的系统模型和观测模型,而在焊缝跟踪过程中,系统噪声具有非先验性.对于针对测量模型误差、过程噪声和测量噪声对卡尔曼滤波结果的影响,运用反向传播(back propagation,BP)神经网络对卡尔曼滤波结果进行修正,补偿模型误差及噪声统计不确定性造成的滤波误差.结果表明,BP神经网络补偿卡尔曼滤波算法能有效抑制滤波发散,减小噪声干扰影响,提高焊缝跟踪精度.
磁光成像、焊缝跟踪、卡尔曼滤波、神经网络
38
TG409(焊接、金属切割及金属粘接)
国家自然科学基金资助项目51675104;广东省科技发展专项资金资助项目2016A010102015;广州市科技计划资助项目201510010089;广东省计算机集成制造重点实验室开放基金资助项目CIMSOF2016008
2017-05-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
9-12