基于电弧声信号的铝合金脉冲GTAW熔透特征识别及其实.docx

基于电弧声信号的铝合金脉冲GTAW熔透特征识别及其实 一、引言 铝合金是一种重要的结构材料，应用范围广泛。其中，铝合金脉冲氩弧焊技术是铝合金最常用的焊接技术之一。脉冲氩弧焊技术主要应用在对高强度、高耐腐蚀性、高机械性能要求的铝合金进行焊接时。然而，脉冲GTAW（Gas Tungsten Arc Welding） 焊接过程中，焊接参数的时变性使得对铝合金焊接质量的评价变得复杂。为了提高焊接质量和效率，需要准确地监控和识别焊接过程中的焊接特征，以实现对工艺参数的优化控制。针对这一问题，本论文针对铝合金脉冲GTAW焊接过程中的零散声信号，提出了一种基于电弧声信号的铝合金脉冲GTAW熔透特征识别算法，并在实验室进行了验证。 二、研究内容 本论文基于采集到的电弧声信号，采用小波分析和主成分分析方法，提取电弧声信号的特征参数，并将其应用于铝合金脉冲GTAW焊接熔透特征的识别分类中。 具体而言，本论文主要从以下三个方面展开研究： （1）铝合金脉冲GTAW焊接电弧声信号的采集与处理：利用高灵敏度电容式传感器实时采集焊接过程中的电弧声信号，并采用小波分析方法对信号进行降噪与滤波处理，同时采用信号分段算法将信号分割为若干段（称为“信号单元”），为后续的特征提取和分类建模做好准备。 （2）铝合金脉冲GTAW焊接电弧声信号的特征提取：基于小波变换的分解与重构技术，本文将电弧声信号转化为时间-频率二维图像，并利用特征提取算法提取出图像中的灰度共生矩阵、小波熵、时域信息熵等统计特征参数，并使用主成分分析方法对特征数据进行降维处理。 （3）铝合金脉冲GTAW焊接熔透特征分类分析：采用支持向量机（SVM）算法对特征数据进行分类建模，对焊接过程进行分类识别，并为优化焊接过程提供重要的参考依据。 三、研究实验 为验证本算法的有效性，本研究在实验室进行了一系列焊接试验。具体实验操作过程如下： （1）选择合适的铝合金焊接工件，并制定相应的焊接工艺参数。 （2）在焊接过程中，采用细丝电源和高灵敏度电容式传感器实时采集电弧声信号，同时在焊缝中心处使用K型热电偶测量温度变化，以及使用高速相机记录焊缝的熔融情况。 （3）利用小波分析方法对采集到的电弧声信号进行滤波和降噪处理，并利用信号分段算法将信号切分为不同的小段（信号单元）。 （4）通过小波分解和重构方法，将每个信号单元转化为二维时间-频率图像，并提取出每幅图像的灰度共生矩阵、小波熵、时域信息熵等特征参数。 （5）利用主成分分析方法对特征数据进行降维处理，得到新的特征向量。 （6）采用支持向量机（SVM）分类算法对特征向量进行分类建模，并对结果进行验证和评估。 四、研究结论 实验结果表明，本论文提出的基于电弧声信号的铝合金脉冲GTAW熔透特征识别算法具有较高的精度和准确性，且对焊接过程中的参数变化具有良好的鲁棒性和可靠性。同时，通过对特征参数和焊接参数的相互关系分析，本文还发现了铝合金脉冲GTAW焊接过程中的几个重要特征点，为进一步优化焊接过程和提高焊接质量提供了重要的参考意义。