基于人工神經(jīng)網(wǎng)絡(luò)的電阻點(diǎn)焊質(zhì)量監(jiān)測(cè)研究.pdf

1、電阻點(diǎn)焊質(zhì)量受到多種因素的影響而不易穩(wěn)定，這在一定程度上限制了點(diǎn)焊技術(shù)的廣泛應(yīng)用，因此發(fā)展一種非破壞性的、低成本、診斷可靠性高的焊點(diǎn)質(zhì)量評(píng)判系統(tǒng)對(duì)于現(xiàn)實(shí)生產(chǎn)是非常有意義的。研究表明點(diǎn)焊過程動(dòng)態(tài)信號(hào)蘊(yùn)涵著大量直接或間接反映焊點(diǎn)質(zhì)量的信息，其特征分析研究、并行處理、信息融合是建立焊點(diǎn)質(zhì)量監(jiān)測(cè)模型，實(shí)現(xiàn)在線無損評(píng)估的關(guān)鍵。本文以點(diǎn)焊質(zhì)量預(yù)測(cè)為目的，以焊接過程中焊接電流、電極壓力和電極位移為主要研究對(duì)象，借助現(xiàn)代信號(hào)分析方法，分析信號(hào)的時(shí)頻特征

2、，并在此基礎(chǔ)上提取信號(hào)時(shí)域統(tǒng)計(jì)特征，構(gòu)建了多信息融合的特征向量數(shù)據(jù)集合描述焊接過程，運(yùn)用誤差反向傳播網(wǎng)絡(luò)（BackPropagation Networks，簡(jiǎn)稱BP 網(wǎng)絡(luò)）模型，建立了焊點(diǎn)接頭強(qiáng)度的預(yù)測(cè)模型。 測(cè)試結(jié)果表明，基于BP 神經(jīng)網(wǎng)絡(luò)的點(diǎn)焊質(zhì)量監(jiān)測(cè)模型準(zhǔn)確率較高、泛化能力較好，在焊點(diǎn)質(zhì)量預(yù)測(cè)中具有較強(qiáng)的實(shí)用價(jià)值。論文工作主要包含以下內(nèi)容： 選擇Rogowski 電流傳感器、光柵位移傳感器，壓電晶體傳感器，對(duì)焊接電

3、流、電極位移和電極壓力等與焊接質(zhì)量相關(guān)的實(shí)時(shí)信號(hào)進(jìn)行數(shù)據(jù)采集，并傳送至上位機(jī)進(jìn)行可視化處理。利用時(shí)域和頻域分析方法對(duì)焊接信號(hào)進(jìn)行特征分析，試圖從信號(hào)的角度尋找對(duì)焊接過程的描述。 分析表明，電極位移信號(hào)能夠反映熔核的生長過程。信號(hào)的頻域特征不明顯，因此，特征主要在時(shí)域中分析和提取。針對(duì)電極位移信號(hào)提取了最大位移量(Smax)、平均位移(Smean)、位移標(biāo)準(zhǔn)差(Sdev)、位移下降量(S2w)和位移平均上升速率(Supv)等5 個(gè)

4、特征分量，通過灰色關(guān)聯(lián)度分析確定構(gòu)筑多信息融合的特征向量。 采用正交試驗(yàn)法，以盡可能少的試驗(yàn)次數(shù)獲取覆蓋范圍全面的試驗(yàn)數(shù)據(jù)。 利用BP 神經(jīng)網(wǎng)絡(luò)工具箱（Neural Network Toolbox，簡(jiǎn)稱NNT），以焊點(diǎn)過程電極位移、焊接電流、電極壓力、等6個(gè)特征向量作為輸入向量，焊點(diǎn)的抗拉剪切強(qiáng)度為輸出向量，建立點(diǎn)焊過程參數(shù)與焊接接頭力學(xué)性能之間的三層BP神經(jīng)網(wǎng)絡(luò)映射模型，嘗試不同的網(wǎng)絡(luò)結(jié)構(gòu)比較，確定合適的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)電阻