论文部分内容阅读
GMAW电弧声信号作为焊接过程的伴生物之一蕴涵了丰富的电弧信息,它与电弧行为、熔滴过渡方式、焊接参数、电弧稳定性等密切相关,并且其传感、采集方法简单易行,是研究GMAW焊接过程稳定性及焊接质量监控的重要信息源。因此本课题以短路过渡GMAW焊接状态检测为目的,以焊接过程电弧声信号为研究对象,分析电弧声信号特征及其与焊接状态的相关性;探寻电弧声波产生机理,提出电弧声道概念并建立声道数学模型,借助声道模型有效提取电弧声信号特征;利用RBF人工神经网络及SVM模型建立电弧声信号与焊接状态的映射模型,从而实现焊接过程状态的模式识别。 开发了以AC6115型A/D卡为核心的焊接过程信号同步采集系统,并基于Visual Basic语言设计了焊接信号数据采集图形用户界面。该系统界面友好,操作简单、性能稳定,实现CO2焊接过程信号高采样率下的连续采集及信号波形显示等功能。 利用多种信号分析方法分析研究了短路过渡电弧声信号的时域及频域特征及其与焊接电流、电压及功率信号的相关性。时域分析表明电弧声信号呈现“振铃”形,且主要发生在短路前期及短路结束再引弧电弧能量剧烈变化阶段,电弧声信号与电弧能量变化高度相似,此时电弧能量变化表现为电弧声声源激励。通过进一步频域分析,结果表明电弧声信号与电弧功率微分信号特征的差异性,从而证明电弧能量变化并不能完全表征电弧声信号。 基于电弧声信号的时域与频域特征分析,讨论了电弧声产生机理,提出了电弧声道概念。指出电弧能量变化是电弧声的声源激励,保护气、弧柱及其周围磁场及热场构成电弧声道系统,电弧声是声源激励与电弧声道系统的共同作用的结果。为进一步深入研究电弧声特征,利用线性预测（LPC）分析方法建立电弧声道的数学模型,将电弧声道系统等效为一个全极性时变数字滤波器。该模型可以精确描述电弧声波频谱包络。因此借助于LPC模型系数及声道反射系数可以有效提取电弧声信号特征。分别利用LPC预测系数及反射系数建立了电弧声波与焊接状态之间的RBF人工神经网络模型及支持向量机（SVM）模型,实现了利用焊接电弧声信号对焊接过程保护气体流量及焊丝干伸长的识别分类。