基于BP神经网络补偿卡尔曼滤波的激光-MIG复合焊缝熔宽在线检测
焊缝熔宽是评估焊接质量和焊接稳定性的重要指标.针对强噪声环境下的激光-MIG复合焊接过程,本文研究了基于反向传播(BP)神经网络补偿色噪声卡尔曼滤波算法的熔宽检测方法.首先建立激光-MIG复合焊缝熔宽检测系统的状态方程和测量方程,通过视觉传感和色噪声卡尔曼滤波算法对焊缝熔宽进行估计;然后采用高精度激光扫描仪对焊缝的三维轮廓进行扫描,根据二阶差分法获得焊缝轮廓宽度,并将其作为熔宽的真实值;接着将卡尔曼滤波增益、新息值和预测值与卡尔曼滤波最优估计之差作为输入,利用BP神经网络对熔宽的卡尔曼滤波最优估计进行补偿.结果表明:BP神经网络补偿测量色噪声卡尔曼滤波算法能够有效降低焊缝熔宽检测的误差.与单独使用卡尔曼滤波算法相比,BP神经网络补偿卡尔曼滤波算法具有更好的非线性映射能力,可以提高卡尔曼滤波焊缝熔宽检测的准确度.
激光技术、神经网络、激光-MIG复合焊接、熔宽预测、强噪声、卡尔曼滤波
49
TG409(焊接、金属切割及金属粘接)
广州市科技计划;广州市科技计划
2022-09-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
100-106