华中科技大学材料科学与工程学院, 湖北 武汉 430074
为实现对激光焊接过程中常出现的不同熔透状态的实时辨识,使用多种传感器采集焊接过程中的可听声、蓝紫光和红外辐射信号,并提取了反映熔透状态的6个信号特征。基于特征级的多传感器信息融合技术,采用模拟退火算法对信号特征进行组合优化和关联融合,确定了反映融合规则的“特征融合系数”,并以BP网络为框架构建识别熔透状态的模式分类器。研究结果表明,通过样本训练和信号特征优化组合,所构建的模式分类器对“过熔透”、“完全熔透”、“不稳定熔透”和“未熔透”等四种熔透状态的辨识准确率达到88%以上。从而提供了一种有效的激光焊接质量在线检测方法。
激光技术 激光焊接 多传感器融合 模式识别 人工神经网络
华中科技大学 材料科学与工程学院，武汉 430074
为了研究不同间隙下激光拼焊的焊缝质量及其对应的信号特征，采用自制同轴传感系统采集提取多种间隙下焊接时的同轴光信号，并对信号进行众数分析、分段功率谱分析和小波分析。结果表明，同轴光信号幅值的众数在不同间隙的焊缝段，聚集在线性可分的不同的区间，可以有效分开焊接质量不同的Ⅰ类、Ⅱ类、Ⅲ类焊缝；信号的分段功率谱分析能够较为直观地反映焊接状态的变化。同轴光信号小波分解后的第4层逼近信号，可以直观地识别出质量好的Ⅰ类焊缝。同轴光信号的第3层、第4层细节信号可以清晰地辨识出质量低劣的Ⅱ类焊缝。
激光技术 同轴监测 信号处理 小波分析 laser technique coaxial monitoring signal process wavelet analysis
