首页> 中文学位 >基于深度学习的超窄间隙焊接质量评估方法研究
【6h】

基于深度学习的超窄间隙焊接质量评估方法研究

代理获取

目录

声明

插图索引

附表索引

第1章 绪论

1.1研究背景及意义

1.1.1研究背景

1.1.2研究意义

1.2研究现状

1.2.1焊接质量评估的研究现状

1.2.2深度学习的研究现状

1.3内容与章节安排

第2章 超窄间隙焊接试验系统

2.1引言

2.2焊接试验平台

2.2.1专用焊枪

2.2.2弧焊电源与送丝机

2.2.3机械臂行走机构

2.2.4运动控制系统

2.3信号采集系统

2.3.1信号采集系统硬件构成

2.3.2信号采集系统软件设计

2.4焊剂带的制备

2.4.1焊剂片的制作工艺

2.4.2玻璃纤维网的制作工艺

2.4.3焊剂带的制作工艺

2.5试验数据来源与焊接质量评估标准

2.5.1设计并进行焊接试验

2.5.2焊接质量评估标准

2.6本章小结

第3章 焊接质量特征参数的提取

3.1引言

3.2焊接过程信号滤波算法

3.2.1算术平均值滤波算法

3.2.2递推平均滤波算法

3.2.3中值滤波算法

3.3特征提取

3.3.1基于经验的特征参数

3.3.2焊接过程信号时域分析

3.4焊接质量评估的特征参数组成

3.5本章小结

第4章 基于传统神经网络的超窄间隙焊接质量评估

4.1引言

4.2基于BP神经网络的超窄间隙焊接质量评估

4.2.1 BP神经网络简介

4.2.2 BP神经网络学习算法

4.2.3 BP神经网络参数的确定

4.2.4焊接质量评估流程及结果

4.3基于SVM的超窄间隙焊接质量评估

4.3.1 SVM简介

4.3.2 SVM原理

4.3.3 SVM参数调节

4.3.4焊接质量评估流程及结果

4.4本章小结

第5章 基于深度学习的超窄间隙焊接质量评估

5.1引言

5.2深度学习相关理论

5.2.1深度学习框架选择

5.2.2代价函数选择

5.2.3激活函数选择

5.2.4优化器选择

5.2.5有效避免过拟合

5.2.6硬件发展

5.3深度网络模型参数设定

5.3.1迭代次数及批样本数

5.3.2深度神经网络结构

5.3.3学习率

5.3.4焊接质量评估流程

5.4基于深度神经网络的焊接质量评估

5.4.1焊接质量评估模型

5.4.2试验结果分析

5.5本章小结

总结与展望

1总结

2展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

展开▼

摘要

近年来,随着科学技术的飞速发展,各种金属结构需求呈现高强度、大型化及厚板化,目前常用的焊接方法均存在一些不足。焊剂带约束电弧超窄间隙焊接方法是单道多层焊接,满足高效、节能、绿色的焊接理念,因此将该方法应用到焊接生产中意义重大。但是,超窄间隙焊接方法比其它焊接方法过程更复杂,焊接过程中电弧稳定性受各种因素的影响,易出现偏焊与夹渣等焊接缺陷。 本文针对超窄间隙焊接中焊接质量无法观察、难以在线检测以及易出现缺陷等问题,结合焊接方法与焊接工艺,将深度学习理论应用到超窄间隙焊接质量评估中,以期能够实现超窄间隙焊接质量的无损评估,为进一步实现超窄间隙焊接质量在线评估与预报奠定基础。主要介绍了超窄间隙焊接试验平台并设计了信号采集系统;在焊接试验平台与信号采集系统的基础上,设计焊接试验,采集了大量的焊接过程信号,并记录了相应的其它焊接过程参数;通过对比,选用滤波效果较好的中值滤波算法对信号进行处理,并从焊接过程参数与焊接过程信号中提取了22个特征参数作为焊接质量评估的样本特征;分析了浅层神经网络存在的不足,并分别运用BP神经网络、支持向量机建立了超窄间隙焊接质量评估模型,评估准确率相对较低,进一步说明传统的神经网络不适用于这种过程复杂、机理不清的焊接过程;介绍了深度学习相关理论,在TensorFlow框架下建立了基于深度学习的超窄间隙焊接质量评估模型,对焊接质量进行评估。为了保证评估结果的准确性,对BP、SVM与DNN分别进行50次试验,通过比较可得,深度神经网络取得了较高的模型识别准确率。 综上可得,相对于传统浅层神经网络而言,基于深度学习的超窄间隙焊接质量评估模型能够较好地进行焊接质量评估;此外,试验结果也表明提取的特征参数能够较好地反映焊接质量。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号