论文部分内容阅读
该文以短路过渡CO<,2>焊的电压、电流和电弧声信号为研究对象,用小波变换对信号进行分析,研究了电弧声与飞溅的相关性,建立人工神经网络模型来预测焊接飞溅.论文工作主要包括以下内容.利用KS2062型A/D卡开发了信号采集系统,对焊接过程的电压、电流和电弧声波形进行同步采集,采集系统软件由Turbo C3.0语言编写,能够显示信号波形,并进行预处理.用小波包对采集到的电压和电弧声波形进行消噪,小波变换方法对电压和电弧声信号进行奇异性分析.对电弧声的谱分析和产生机理进行探讨,得知电弧声主要产生于短路结束的瞬间,通过分析电弧声频率分布为0~15kHz,并可细分为五个频段,每个频段内均存在最大幅值.焊接电压信号的奇异点可被用来界定短路过渡及其结束过程.研究了电弧声与焊接飞溅的相关性并提取电弧声特征.电弧声功率谱分布具有一定的规律性,并且不同频率的功率谱分布与其相应的焊接飞溅相关.用现代功率谱估计的方法,提取电弧声信号的在不同频段的能量.同时收集对应的焊接飞溅,为建立预测焊接飞溅的模型作好准备.用人工神经网络来建立预测焊接飞溅模型.该文尝试三种不同的网络来实现对焊接飞溅预测,发现多层感知器虽然能对焊接飞溅进行分类,但不能得到确切的预测数值;对普通BP算法运算速度慢等缺点提出分析并提出了相应的改善方法,大大提高了模型的运算速度和精度,较好地预测了焊接飞溅.研究表明,所开发的采集系统能够精确采集焊接过程的同步波形;用小波包对信号进行降噪,小波变换方法对电压和电弧声信号进行奇异性分析以界定短路过程;电弧声信号的功率谱分布与飞溅的大小相关,提取不同频段上的声波能量作为表征飞溅大小的特征向量;建立的模型能够正确预测焊接飞溅.