大功率激光焊背面焊缝宽度神经网络预测
针对焊接过程中熔透及焊缝背面成形难以直接检测的问题,通过焊件正面和侧面的传感特征信息,对焊件背面的焊缝宽度进行预测. 用视觉传感器获取激光焊接过程中包含焊接特征信息的图像,对图像进行分割分层、模式识别和空域图像处理,准确提取焊接特征信息,发现焊接特征信息随着焊接路径的变化有着相应的变化趋势. 建立包含两个隐含层的贝叶斯神经网络,用提取到的9组特征信息作为输入,对焊件背面焊缝宽度进行预测. 通过10组焊件背面焊缝宽度的预测值与实际值的比较,验证了贝叶斯神经网络具有良好的预测能力,在焊缝不理想的状态下,也具有较好的预测能力.
激光焊接、背面焊缝、模式识别、贝叶斯神经网络
39
TG441.3(焊接、金属切割及金属粘接)
国家自然科学基金资助项目51675104;广东省科技计划资助项目2016A010102015;广州市科技计划资助项目201510010089
2019-01-03（万方平台首次上网日期，不代表论文的发表时间）
共5页
48-52
