多信息融合技术确定铝合金板材电阻点焊熔核面积的方法

摘要

本发明涉及一种由多信息融合技术确定电阻点焊铝合金板材的熔核面积方法，属于铝合金材料电阻点焊的控制与检测技术。该方法为：依据小波包变换及其能量谱原理、依据信息熵原理、依据模态分析原理，计算出点焊过程中电极电压、电流、电极位移和声音信号的特征量，建立神经网络模型，由特征量和熔核面积对神经网络模型进行训练。神经网络模型计算出的熔核面积与实际测量的熔核面积对照，确定误差值，调整神经网络模型，直至达到误差要求范围。本发明的优点在于不但能够测量熔核面积的具体数值，而且检测结果准确高、误差小，适用于铝合金板材及其它金属板材的电阻点焊在线检测及控制。

说明书

技术领域

本发明涉及一种由多信息融合技术确定电阻点焊铝合金板材的熔核面积方法，属于铝合金材料电阻点焊的控制与检测技术。

技术背景

现代工业诸多领域涉及金属板材的电阻点焊技术，特别是汽车工业，在增强企业的技术竞争力、节约能源、降低能耗和保护环境等方面，提高电阻点焊的质量检测技术是实现其目的主要的途径之一。目前电阻点焊质量检测的方法可分为：在线检测与非在线检测两大类。1.非在线检测，属于事后检验。它能够提供各种焊点熔核的定量数据，如熔核的面积、直径等，但检验试样已经破坏，而实际产品仍未直接检验，因此检验结果仅能提供代表性的参考信息。2、在线检验，为实时检验。在质量参数选择上，目前大多数在线检验点焊监控装置不能提供熔核的定量数据，它们的质量判断参数，不是描述熔核大小的量(如面积、直径等)，而是电阻点焊的过程参数(如电压、电流、位移等)，即因熔核变化而引起过程变化的间接参量，这些参量只能间接地反映熔核的变化；熔核的质量判别标准是一个事先规定的范围内，只要过程检测参数超出范围，焊点就被判断为质量不合格，如Waters等人研制的以微处理器为核心的电阻质量监控装置，它使用了电压、电流和位移信号作为检测参数，但在质量判断方面则是采用一个规定的过程检测参数范围，以此来区分合格与不合格焊点，没有给出熔核变化的准确数值。

在检测参数的数量上，现有的电阻点焊质量监控装置多数是采用单、双，少数为三个检测参量，采集到的熔核信息较少，如Hao等人采用电流和电极电压参量来研究铝合金电阻点焊的质量，它们从检测参量中提取了一些特征量，然后用神经网络模型建立以熔核直径为检测参数的检测铝合金焊点质量检测系统，但此系统的检测参数较少，对熔核的变化反映不够全面；此外，由于铝合金导电、导热性好，熔核易出现不规则形状，以熔核直径作为质量检验参量，容易造成测量误差。

众所周知，点焊接头的形成是一个十分复杂的过程，检测参量除了电流、电极电压、电极位移信号外，还有可作为熔核缺陷产生的声音信号、熔核相变的应力波、动态电阻、熔核的热辐射信号等可作为检测参量，但是对这些检测参数进行全面检测与控制来保证焊点强度的做法，无论在理论上还是在实践上目前都是难以达到的，基于这样的认识，在本发明中选择一些对质量有重要影响因素而且测量误差较小的过程参数作为检测参量，并对其进行分析处理得到铝合金电阻点焊的熔核面积，从而实现点焊过程的质量监控。

发明内容

本发明的目的在于提供一种根据电阻点焊的电流、电极电压、电极位移和声音信号，并由多信息融合技术确定铝合金板材电阻点焊熔核面积的方法，该方法考虑了影响熔核面积的诸多因素，所确定的熔核面积误差小，可用于铝合金板材电阻点焊的质量控制与检测。

本发明是通过下述技术方案加以实现的，基于电阻点焊的电极电压、电流、电极位移和声音信号与熔核面积的对应关系，采用电极电压检测夹、电流感应套环、位移传感器、传声器，将过程参数通过数据采集卡输入计算机，在计算机中计算出它们关于小波包能谱、信息熵和振动的模态参数的特征量，再将这些特征量作为建立电阻点焊计算熔核面积模型的输入量，将实际检测到的熔核面积作为模型的输出量，对建立的神经网络模型进行训练和测试，从而实现了根据多个点焊过程检测参量计算熔核面积的目的，其特征在于具体步骤如下：

1、依据小波包变换及其能量谱原理，应用小波包变换公式(1)和小波包重构公式(2)将信号分解到各频带内，应用公式(3)计算各频带内的信号能量，将计算得到的第I层n+1个频带的能量E_j组成特征向量E，再根据包括焊接材料的性能、焊接规范情况，在特征向量E中提取最能反映熔核变化的特征量，以上步骤均由计算机程序完成。 $>>>x>p>>=>>\int >R>>>2>>s>/>2>>>>W>n>>>(>>2>s>>t>->p>)>>x>>(>t>)>>dt>.>.>.>.>.>.>.>.>>(>1>)>>>s>$ >>x>>(>t>)>>=>\Sigma >>x>p>>>2>>s>/>2>>>>W>n>>>(>>2>s>>t>->p>)>>.>.>.>.>.>.>.>.>.>.>>(>2>)>>>s>$ >>>E>j>>=>\Sigma sup>>x>j>2sup>>>(>t>)>>.>.>.>.>.>.>.>.>.>.>.>>(>3>)>>>s>$$$

E＝[E_i0，E_i1，…，E_in]           (4)

式中：x(t)-信号，x_p-小波包系数，x_i(t)-为各频带内的重构值，W_n(2^st-p)-小波包基，p-位置指标，s-尺度指标，n-频度指标。

2、依据信息熵原理，应用公式(5)通过计算程序得到信号的Renyi熵特征量，以上步骤均由程序完成。 $>sup>>R>x>\alpha sup>>=>>1>>1>->\alpha >>>>log>2>>\{sup>>\int >>->\infty >>>+>\infty >sup>>>f>\alpha >>>(>x>)>>dx>\}>.>.>.>.>.>.>.>.>.>.>>(>5>)>>>s>$

式中：f(x)为Cohen类分布函数，α-信息的阶次。

3、依据模态分析原理，应用电阻点焊过程的时间序列AR模型(6)，计算得到特征方程的根。

X_t-Φ₁X_t-1-ΦX_t-2-…-Φ_nX_t-n＝a_t                    (6)

根据特征根按下列有关公式计算得到模态参数，公式(7)为电阻点焊系统振动模态的振动角频率ω的计算、公式(8)为阻尼比ζ的计算、公式(9)为AR(n)系统模型的自谱函数计算，以上计算公式均由程序完成。 $>>\omega >=>>1>\Delta >>>>>>(>ln>>(>>\lambda \lambda >*>>)>>>2>>4>>+>>>[>arccos>>(>>>\lambda >+>>\lambda >*>>>>2>>>\lambda \lambda >*>\; >>>)>>]>>2>\; >.>.>.>.>.>.>.>.>.>>(>7>)>>>s>$ >>\zeta >=>>>>>[>ln>>(>>\lambda \lambda >*>>)>>]>>2>>>[>ln>>(>>\lambda \lambda >*>>)>>>]>2>>+>4>[>arccos>>>(>>>\lambda >+>>\lambda >*>>>>2>>>\lambda \lambda >*>\; >>>)>>2>>>\; >.>.>.>.>.>.>.>.>>(>8>)>>>s>$ >>S>>(>\omega >)>>=>sup>>\sigma >a>2sup>>>>|>1>-over>>\Sigma >>j>=>1>>nover>>>\Phi >j>>>e>>->i>>\omega >j>>\Delta >>>|>>2>>>.>.>.>.>.>.>.>.>.>>(>9>)>>>s>$$$

式中：E(a_t)等于零，X_t为t时刻的系统响应，a_t为t时刻的残差，Φ_j为自回归系数(i＝l，2，…，n)，E为数学期望符号，λ，λ^*为共轭特征根，Δ为采样间隔(Δ≤0.5f，f是采样频率)，σ_a²-冲击方差。

4、将步骤1～3得到的特征量作为输入，以与特征量对应的实际焊接电极电压、电流、电极位移和声音信号测得的熔核面积作为输出，对神经网络模型进行训练，建立基于数据融合的神经网络模型。

5、对建立的神经网络模型进行测试。选取一定数量的测试样本，即选择点焊过程中的电极电压信号、电流信号、电极位移信号和声音信号的特征量，由神经网络模型计算出熔核面积，并将计算出的面积与实际检验得到的熔核面积进行对比，确定误差值。

6、若步骤5达到规定的误差值，说明建立的神经网络模型正确，可以用于实际的点焊熔核面积计算；若误差较大而未达到规定值，调整模型参数，按照步骤4、5，重新训练和测试神经网络模型，直到满足误差要求。

本发明的优点在于：1、本发明采用了四个过程参数对熔核质量进行检测，检测参数信息多、反映熔核变化全面，同时检测结果准确性高、误差小。2、采用熔核面积作为焊点质量检验参数，可以减少因熔核面积不规则带来的测量误差。3、本发明建立了计算熔核的神经网络模型；，它可以量化熔核质量检测参数，给出熔核面积的具体数值。4、本发明能实现铝合金板材及其它金属板材的电阻点焊在线检测及控制。

附图说明

图1为本发明采用的测试装置示意图

图中：1为电阻点焊机，2为位移传感器，3为信号调整电路，4为数据AD转换、分析与处理计算机，5为电流感应套环，6为电极电压检测夹，7为传声器

图2为计算电极电压、电流特征量的流程图

图3为计算声音信号的特征量流程图

图4为计算电极位移的特征量流程图

图5基于数据融合技术的熔核面积神经网络模型建立

具体实施方式

铝合金电阻点焊熔核面积检测装置：它包括数据采集系统(包括传感器、信号转换电路)和计算机两大部分，它的功能是检测点焊过程中与质量有关的电流、电压、位移和声音信号参数，并对检测参数进行分析处理，得到熔核的面积。该装置可以同时检测4种不同类型的物理量，因此有4个测量通道。

电压测量通道：它由直接夹在点焊机电极上的两个电极夹子、电压变换电路(输出0～5V)和屏蔽电缆组成，它将经变换电路输出的电压数值传入高速数据采集卡(ADLINK DAQ2010四通道、同步、2M/s)。

电流测量通道：它是由直接套在点焊机二次回路上的电流传感器—感应套环(测量范围500A～99,000A)、电压变换电路(0～5V)和屏蔽电缆组成，它将电流数据送入高速数据采集卡(ADLINK DAQ 2010四通道、同步、2M/s)。

声音检测通道：它是由驻极体型MK224传声器(其被置于焊件周围0～400mm的范围内，根据焊件的材料规格和焊接规范由试验确定最佳的信噪比位置)和信号变换电路(0～5V)组成，其功能是将检测到的声音信号送入高速数据采集卡(ADLINK DAQ 2010四通道、同步、2M/s)。

位移测量通道：由加速度传感器(B&K公司的4369，它被固定到点焊机的电极上随电极一起运动)，电荷放大器(B&K公司的2635)和屏蔽电缆线组成，它将检测到的位移数据送入高速数据采集卡(ADLINK DAQ 2010四通道、同步、2M/s)。信号处理与分析：在本试验装置中采用了三种处理方法。

1、小波包及其能量谱分析与处理：电极电压、电流代表着熔核所获得的能量，它直接影响着熔核的变化，小波包变换及其能谱分析与处理方法能够将采集到的电极电压、电流分解到一个由小波包伸缩而成的函数族上，信号完整无缺，小波包能谱是按照能量方式表示小波包结果，它能反映信号在不同频带内的能量变化，因此小波包能谱作为特征量可以真实地反映熔核的变化。在本发明中我们采用电极电压、电流的低频带信号能量作为特征量。

2、信息熵的分析与处理：点焊的熔核在变化的过程中，必然引起各种过程检测信号的基本成分变化，对这种现象进行分析与处理，可以得到反映熔核面积的特征量。信息熵是对宏观状态下系统信息的不确定性度量，其中Renyi熵可以反映检测信号中的基本成分数目变化。铝合金点焊过程中含有大量的信息，因此在本研究中，选用Renyi熵来定量表示铝合金点焊过程的声音信号特征量，达到表征熔核变化的目的。

3、模态分析方法：点焊过程中，因熔核变化而引起的电极位移变化一直是熔核质量检测中的重要参数，将电极的位移作为系统振动来研究，可在熔核的变化过程与振动系统的模态参数之间建立对应关系，用模态参数反映熔核变化。此在本发明中对电极位移的研究采用了模态分析方法，将模态参数作为检测熔核面积变化的特征量。

多信息神经网络模型的建立

在本发明实例中，我们采用了4×5×1结构的神经网络模型，即4个输入、5个隐含节点，1个输出，对神经网络系统进行训练和测试。

试验及测量结果

为了证明建立的系统能有效地检测熔核面积，在Panasonic YR-700CM2HGE固定式点焊机上进行试验，材料为0.8mm厚的铝合金5052。焊接参数范围，见表1，检测装置神经网络测试结果，即测得的熔核面积和实测熔核面积，见表2，表3。

表1 采样数据焊接条件范围

焊接参数         范围

电极压力         2760～4410N

焊接电流         18～21.5KA

焊接时间         0.02～0.08ms

表2 铝合金质量检测装置输出的熔核面积(与电极原始端面的百分比)

序号  1      2      3      4      5      6      7      8      9      10

面积  68.02  96.05  90.21  92.98  42.78  68.27  79.38  82.47  81.07  59.73

序号  11     12     13     14     15     16     17     18     19     20

面积  72.18  88.19  87.37  77.54  41.02  40.68  39.05  31.64  38.86  71.07

序号  21     22     23     24     25     26

面积  69.06  64.32  38.14  60.37  18.19  47.85

表3 实测熔核面积(与电极原始端面的百分比)

序号  1   2   3   4   5   6   7   8   9   10

面积  70  99  91  94  46  70  81  84  82  62

序号  11  12  13  14  15  16  17  18  18  20

面积  74  92  88  81  46  44  42  36  44  72

序号  21  22  23  24  25  26

面积  70  66  42  62  22  50

从表中的数据可以看出，实测数值与计算数值的结果误差小于5％，这说明建立的多信息融合神经网络模型正确，计算出的熔核面积准确可靠。