论文部分内容阅读
激光深熔焊的焊缝熔透状态是评价焊接质量的重要指标。对绝大多数的接头形式来说,完全熔透是对激光焊接质量的基本要求,而未熔透和过熔透则是应该避免出现的。激光焊接中影响熔透状态的因素较多,仅仅通过固定的焊接规范难以保证获得均匀稳定的适度熔透状态,因此对熔透状态进行在线检测和实时控制成为保证激光焊接质量的关键。本论文采用自制研发的多传感器实时监测系统,同时检测与焊接熔透状态密切相关的可听声音信号(20～20kHZ)和等离子体致蓝紫光信号(400～440nm),以及反映熔池状态的红外辐射信号(1200～1600nm)。基于虚拟仪器平台LabVIEW搭建了信号采集和信号分析软件系统。根据焊缝成形的形貌特征,典型熔透状态分为:未熔透、不稳定熔透、完全熔透和过熔透四种。为得到包含不同熔透状态下的焊接过程,安排了变工艺参数的平板焊接实验,和固定工艺参数的楔形板焊接实验以及阶梯板焊接实验。从平板实验中发现,激光能量密度比线能量对金属蒸气压力和等离子体强度的影响要大得多。楔形板实验以及阶梯板实验表明,蓝紫光和可听声信号在2000～3500Hz频段上的能量分布情况可以比较清晰的反映各种熔透状态,适合作为直观判别依据。利用信息融合技术,对三路信号的6种特征分量进行了基于特征级的信号融合。在MATLAB平台上,开发了模拟退火算法程序,求取了6种信号特征分量的“特征融合系数”,并得到了组合优化后的信号特征向量。基于BP神经网络,设计了模式分类器。分别以未经特征级融合的样本和经过融合后的特征向量作为网络输入,四种典型熔透模式作为网络输出。结果发现:组合优化后的输入样本能更好的凸现出待识别模式的特征,四种熔透状态的辨识准确率可达到88%~100%。剔除掉不稳定熔透状态的几个过渡状态样本后,辨识准确率可达100%。