基于PCA_RVM的焊缝偏差识别

摘要：

为提高基于旋转电弧传感器的焊缝跟踪系统的精度,提出了主成分分析(PCA)线性降维方法与关联向量机(RVM)相结合的焊缝偏差识别方法.首先,对采集到的焊接电流信号进行小波滤波,进行周期划分和数据标准化处理.然后,对采集到的焊缝偏差数据集进行主成分分析,映射到低维的PCA空间,作为关联向量机的训练样本集;最后,利用实验数据进行测试.实验结果表明:基于PCA_RVM的焊缝偏差识别方法的最大误差为0.54 mm,平均误差为0.43 mm;PCA_RVM的精度与普通的关联向量机法相差不大,比区间积分法、神经网络法和支持向量机法更高,其运行速度比区间积分法慢,但比神经网络法、支持向量机法和普通的关联向量机法快,所以PCA_RVM更适用于基于旋转电弧传感器的焊缝跟踪系统.

关键词：旋转电弧传感器、焊接、主成分分析、关联向量机

所属期刊栏目：38

分类号：TG444+.3(焊接、金属切割及金属粘接)

资助基金：国家自然科学基金资助项目50705030;广东省自然科学基金资助项目9151008019000008;华南理工大学中央高校基本科研业务费专项资金资助项目2009ZM0318

在线出版日期：2011-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：20-23