基于信号特征提取的电阻点焊质量在线评判.pdfVIP

维普资讯 第26卷 第9期 焊 接 学 报 V。1．26 N。．9 2005 年 9月 TRANSACTIONSOFTHE CHINA WELDING INSTITUTION September2005 基于信号特征提取的电阻点焊质量在线评判 张鹏贤， 张宏杰， 马跃洲 ， 陈剑虹 (兰州理工大学 材料科学与工程学院，兰州 730050) 摘 要 ：以焊点接头强度作为焊点质量评判的指标，通过对点焊过程焊接 电流、动态 电 阻、电极位移信号的同步采集和特征分析 ，提取若干特征参量监测点焊过程，依据特征 参量与焊点接头抗剪强度间的相关分析结果，选取来 自不同监测信号的7个特征参量 建立了表征点焊过程的特征模式，并将此转化为计算机可以识别的模式矩阵，同时以焊 接电流参数为模式分类的依据，建立不同模式矩阵类别和焊点接头抗剪强度之间的映 射，将模式矩阵作为Hopfield神经网络的记忆样本存储于网络，利用网络联想记忆的功 能实现对未知样本点焊过程的模式识别，进而实现点焊质量的评判。网络测试结果表 明，利用 Hopfield网络进行焊点质量在线评判可以得到满意的效果。 关键词：电阻点焊 ；特征提取 ；数据泛化；Hopfield神经网络；模式识别 张鹏贤 中图分类号：TB52．6 文献标识码 ：A 文章编号：0253—360X(2005)09—52—06 0 序 言 移等信号的动态特征参量构筑特征模式向量表征点 焊焊接过程，将不 同焊点样本 的模式 向量作为 电阻点焊广泛应用于航空航天、汽车制造等行业 Hopfield网络的稳定状态并视为一个记忆模式存入 的生产中，但点焊过程是一个高度非线性、多变量耦 网络。通过网络联想记忆功能实现对未知点焊过程 合作用并伴随着大量随机不确定因素的过程，造成点 的模式识别，进而实现焊点质量在线评判的新方法。 焊质量的不稳定和难以控制。焊接过程焊接电流、动 态电阻、电极位移等信号蕴含大量直接或间接反映焊 1 Hopfield网络 点质量的动态信息_l]，其特征分析和并行处理为实 现焊点质量在线评估提供了可能。众所周知，多信 Hopfield是一个单层反馈网络，主要用于联想 号、多参量监测点焊过程能够在较宽的范围内提供准 记忆和优化计算，图 1所示为包含 n个神经元的 确可靠的焊点信息，人工智能技术以其较强的容错 Hopfield网络结构，网络的每个神经元的输出都与 性、聚类性及并行处理信息的能力为实现多信号、多 其它神经元的输入相连，对于每个神经元其输入输 参量监测点焊过程提供了一种有效的方法。Javed 出的关系为 以焊接压力、焊接电流、焊接时间为输入矢量空间利 用多层 自组织特征映射网络完成到熔核尺寸的映射； f5 一l’ ，：l，2，…n；(1) 文献[6]利用人工神经网络的记忆和聚类处理的优点 【= S)， 设计了基于人工神经网络的点焊抗拉强度无损检测 式中：，为权值；O为阈值；(·)为激活函数，通常 系统；Brown_7等利用归一化的动态电阻、焊接电流值 为二值函数，定义为式(2)，即 及电极头直径作为输入向量预测熔核直径反映焊接 = 质量；Dihhey_8利用同样的方法将焊接电流、焊接 电 压输入神经网络估计焊点的抗剪强度；Messler[9等结 Hopfield神经网络的稳定性可用 Lypunov能量 合人工神经网络建模与模糊控