基于电弧传感的GMAW焊接过程监测与智能识别系统

摘要

该文以汽车工业中广泛采用的薄板搭接接头为基础,开展各种工艺条件下的GMAW焊接工艺试验.包括故意引入的7种干扰和正常工艺,共8种工艺试验.对上述试验焊接电参数进行综合处理,准确提取出反映不同工艺条件下的GMAW焊接过程的特征信息.结果表明,不同的焊接过程具有不同的焊接征兆,同一类型的干扰信号具有同一类型的变化趋势.该文开发了Kohonen网络系统、模糊C均值聚类系统、模糊Kohonen系统、基于贴近度的模糊识别等识别系统,直接依据焊接过程的PDD和CFD曲线,在不需要专家知识的情况下,建立起焊接干扰信息与焊接电参数特征之间的关系,自动识别出焊接干扰的类型,实现了焊接过程的人工智能监测与识别.针对T形接头中的电参数信号,引入小波方法进行分析,探讨了小波技术在焊接过程监测中的应用.

目录

文摘

英文文摘

第1章前言

1.1选题意义

1.2焊接过程传感方法

1.2.1外部传感器

1.2.2电弧传感器及其在焊接监测中的应用

1.3人工智能技术在焊接过程监测中的应用现状

1.4小波变换在焊接中的应用

1.5本文的主要研究内容

第2章系统结构与试验方法

2.1系统结构及工作原理

2.2试验设备

2.2.1 UP6弧焊机器人

2.2.2 AH-XV汉诺威分析仪

2.3工艺试验

2.4本章小结

第3章电参数的特征提取

3.1 U-PDD和T1-CFD构成的134维矢量PC134

3.2二次压缩处理的七维矢量S7

3.3各参数统计处理得出的12维矢量M12

3.4本章小结

第4章智能识别系统

4.1 Kohonen网络系统

4.1.1 Kohonen网络

4.1.2基于134维矢量PC134的Kohonen网络系统

4.1.3基于七维矢量S7的Kohonen网络系统

4.1.4基于12维矢量M12的Kohonen网络系统

4.2模糊C均值聚类系统

4.2.1模糊C聚类均值算法

4.4.2基于134维矢量PC134的FCM网络系统

4.2.3基于七维矢量S7的FCM网络系统

4.2.4基于12维矢量M12的FCM网络系统

4.3模糊Kohonen聚类网络系统

4.3.1模糊Kohonen聚类算法

4.3.2基于134维矢量PC134的FKCN系统

4.3.3基于七维矢量S7的FKCN系统

4.3.4基于12维矢量M12的FKCN系统

4.4基于贴近度的模糊模式识别

4.4.1贴近度

4.4.2实验结果与讨论

4.5本章小结

第5章T形接头电参数的小波分析

5.1 小波变换基础

5.2 T形接头电参数的小波分析

5.2.1焊接电压信号的小波变换

5.2.2焊接电流信号的小波变换

5.3本章小结

第6章结论

致谢

参考文献

攻读硕士学位期间发表的论文