论文部分内容阅读
电阻点焊是不锈钢城轨客车制造过程中主要的焊接方法,其质量对车体结构的安全性有重要影响。点焊形成过程是热、电、力等多物理场的综合作用,且熔核成型过程完全处于封闭状态,这为电阻点焊质量评估带来一定难度。目前,虽然众多学者在点焊质量评估中取得了卓有成效的研究成果,但大部分处于试验阶段,实际生产中如何对点焊产品进行全面的质量评估一直未得到满意的解决,主要的难题是缺乏合理、高效、经济的点焊质量评估手段。本文结合电阻点焊过程中的动态电阻监测信号与超声波检测信号,对SUS301-HT不锈钢双脉冲电阻点焊质量评估工作展开综合研究。在工业生产中经常把拉剪载荷作为评价点焊接头质量的指标,因此本文在电阻点焊质量评估中以点焊接头的拉剪载荷作为衡量点焊接头质量的标准。在监测焊接电流、电极间电压及电极压力信号基础之上,获得不锈钢电阻点焊过程中的动态电阻曲线,分别研究了不锈钢电阻点焊飞溅情况下与电极端面磨损情况下动态电阻曲线的变化规律。通过研究飞溅情况下的焊接工艺参数对动态电阻曲线的影响,发现动态电阻曲线的骤降次数与点焊的飞溅次数相吻合。本文首次提出以飞溅次数、首次飞溅发生的时间和动态电阻的骤降幅值来表征飞溅的严重程度,对基于动态电阻的点焊质量评估有一定的指导作用。为了研究电极磨损与动态电阻曲线之间的关系,采用不同尺寸端面的电极模拟电极磨损情况。由于点焊动态电阻曲线存在一定的分散性,电极端面尺寸的微小变化可能对动态电阻影响并不明显,文中采用多个点焊样本的平均动态电阻值曲线代表同一工艺参数下的动态电阻曲线。研究结果表明,在双脉冲不锈钢电阻点焊过程中,随着电极端面尺寸的增加,二次脉冲的平均动态电阻曲线中部分阻值逐渐下降。双脉冲不锈钢电阻点焊的动态电阻与点焊接头拉剪载荷的相关性分析表明,预热期间的动态电阻曲线与点焊接头拉剪载荷相关性较小,二次脉冲期间的动态电阻曲线(除了最大接触电阻外)与点焊接头拉剪载荷相关性较明显,可作为建立不锈钢电阻点焊质量评估模型的特征量。基于同一焊接工艺参数下正常点焊过程的动态曲线相似度较高,实际生产中的工艺参数都经过大量工艺评估试验,合格点焊接头百分比较高的事实,以动态电阻特征量建立电阻点焊质量评估模型。离线聚类算法建立的点焊质量评估模型验证了聚类算法对点焊质量分类的可行性,在此基础上使用基本的leader-follower算法在线建立的点焊接头质量评估模型,弥补了离线聚类固定划分类个数的局限性,但基本的leader-follower算法分类数目较多,需要后续分析各类标识号代表的含义,不利于自动识别合格点焊接头。因此,文中提出了改进的leader-follower在线聚类算法,综合考虑了类的更新与融合,避免受样本顺序的影响。采用蒙特卡洛方法对200个样本数据进行随机排列,分类的试验结果表明该算法对样本顺序具有很好的鲁棒性,除了在创建新类过程中存在少数样本误分类的情况外,都能够正确地划分样本。超声波信号对点焊接头质量的评估主要是检测点焊熔核及缩孔等缺陷。文中使用小波包对超声波A扫描信号进行分解,每个分解节点中表征缩孔与熔核特征的采样区间内的方差之比作为该节点的系数对扫描信号进行重构,获得信噪比高、缩孔特征明显的A扫描信号。此方法获得的点焊内缩孔尺寸与金相测量的缩孔尺寸吻合良好,与时域和频域方法相比,该算法受工件表面状态影响小、精度高。目前以超声波检测信号对电阻点焊接头质量的评估方法,主要是通过界面反射波法识别熔核特征。但是当压痕较深时,该方法计算的“熔核”面积一般与实际差别较大,与点焊接头拉剪载荷呈负相关性。本文根据所采用超声波探头的频率和带宽参数设计了小波分解函数,利用小波原理提取有效熔核面积。试验结果表明,该方法比现有方法具有明显优势,提取出的有效熔核面积与点焊接头拉剪载荷之间的关系可利用线性回归模型描述。为获得高效、经济的电阻点焊质量评估方法,提出以不锈钢电阻点焊过程中的动态电阻曲线信号与超声波检测信号相结合的检测方案,自动建立不锈钢电阻点焊在线质量评估模型。模型的建立以动态电阻特征量作为输入,拉剪载荷类别作为输出。在模型学习过程中,以超声波对点焊拉剪载荷的评估结果为学习标识。基于动态电阻的质量评估模型无法判定的点焊质量使用超声波信号对拉剪载荷类别进行评估。该方法的提出充分发挥两种点焊质量评估方法的优点,既弥补了单探头超声波检测效率低的不足,又解决了仅以动态电阻特征量建立质量模型时依据相关经验参数的局限性,两种评估方法相辅相成。综上所述,本文在电阻点焊质量评估研究领域取得了以下创新性研究成果:基于点焊过程中动态电阻曲线变化规律,在线建立了以动态电阻为特征量的点焊质量评估模型。解决了超声波信号定量检测缩孔尺寸的难题,提高了对熔核尺寸的检测精度,基于超声波检测信号计算分析有效熔核与拉剪载荷的关系,为实现高效全面评估点焊质量奠定了基础,提出的动态电阻信号与超声波信号相结合的检测方法,实现了高效、经济的电阻点焊质量评估。