基于声音信号的GMAW焊接状态监测方法研究

摘要

针对焊接过程中因保护气体和外部气流干扰等情况所产生的异常焊接状态,提出了一种基于电弧声音信号特征结合长短期记忆(LSTM)神经网络的监测方法,基于梅尔频谱(Mel⁃spectrogram)下的电弧声音特征对焊接过程进行分析。采用高速脉冲全位置熔化极气体保护焊(GMAW)下行焊焊接技术,搭建了短弧高速脉冲X80管线钢GMAW实验平台,记录了全工况条件下的电弧声数据。根据电弧声音信号特点,采用daubechies小波作为小波基函数,利用启发式阈值对电弧声信号进行分解和重构,有效提高了电弧声音信号的信噪比。通过正常和异常焊接状态下声音信号的梅尔频谱特征训练LSTM神经网络,建立了电弧声音信号的预测模型来检测异常焊接状态,该方法的灵敏度可以达到94.57%。