本文選題：激光焊接　切入點：焊縫寬度預(yù)測　出處：《光學(xué)精密工程》2017年09期

【摘要】：提出了通過視覺傳感獲取焊接過程中的焊接特征信息并利用神經(jīng)網(wǎng)絡(luò)模型預(yù)測焊縫背面寬度的方法。利用大功率盤形激光器焊接了低碳鋼SS400焊件,在焊接過程中改變焊接功率、焊接速度和焊接路徑,并利用兩臺高速攝像機同步獲取焊件正面和側(cè)面出現(xiàn)的焊接特征信息。對獲取的圖像進行色彩空間轉(zhuǎn)換、分層、濾波去噪和空域圖像處理,提取飛濺、熔池和金屬蒸氣等焊接特征信息,觀察焊接路徑對各個特征的影響。最后,建立了一個三層的LMBP(LevenbergMarquardt Back Propagation)神經(jīng)網(wǎng)絡(luò)模型,將提取的特征信息作為輸入量,預(yù)測焊縫的背面寬度。結(jié)果顯示:當(dāng)熔透不穩(wěn)定或出現(xiàn)未熔透狀態(tài)時,LMBP神經(jīng)網(wǎng)絡(luò)擬合度大于0.83,最大訓(xùn)練誤差均值為0.002 8mm,最大實際誤差均值為0.225 6mm。試驗結(jié)果表明所建立的預(yù)測模型具有良好的準(zhǔn)確性和穩(wěn)定性。
[Abstract]:The method of obtaining welding characteristic information in welding process by visual sensor and predicting back width of weld by neural network model is proposed. Low-carbon steel SS400 welds are welded by high-power disk laser, and the welding power is changed during welding process. Welding speed and welding path, and using two high-speed cameras to simultaneously obtain welding features of the front and side of the welding parts. Color space conversion, stratification, filtering and denoising, spatial image processing, extraction of splash, Welding characteristic information such as molten pool and metal vapor are observed and the influence of welding path on each characteristic is observed. Finally, a three-layer LMBP(LevenbergMarquardt Back propagation neural network model is established, which takes the extracted feature information as input. The results show that the fitting degree of LMBP neural network is greater than 0.83, the mean of maximum training error is 0.002 mm, and the average of maximum actual error is 0.225 6 mm. The prediction model has good accuracy and stability.
【作者單位】： 廣東工業(yè)大學(xué)機電工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(No.51675104) 廣東省科技計劃基金資助項目(No.2016A010102015) 廣州市科技計劃基金資助項目(No.201510010089)
【分類號】：TG456.7

【相似文獻】

相關(guān)期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

2 鄔再新;王凱;王連波;呂洪波;;基于神經(jīng)網(wǎng)絡(luò)的自由曲線插補研究[J];制造技術(shù)與機床;2007年09期

3 顧玉鋼;夏智海;莊力健;;基于改進神經(jīng)網(wǎng)絡(luò)的疲勞裂紋擴展速率預(yù)測[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2008年06期

4 王秀梅,呂程,王國棟,劉相華;軋制力預(yù)報中的神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型[J];東北大學(xué)學(xué)報;1999年03期

5 于洪海,張新平,胡云峰;偏最小二乘-神經(jīng)網(wǎng)絡(luò)光度法同時測定鋼中鎢和鉬[J];冶金分析;2004年02期

6 梁偉;王杰;王玫;;神經(jīng)網(wǎng)絡(luò)在冷剪機曲軸優(yōu)化中的應(yīng)用[J];機械設(shè)計與制造;2010年08期

7 賴興余,李春雄,嚴霖元,劉明智;基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊控制器[J];江西農(nóng)業(yè)大學(xué)學(xué)報;1998年01期

8 劉立君;蘭虎;鄭紅艷;;基于神經(jīng)網(wǎng)絡(luò)熔透電弧聲特征參數(shù)評價與選擇[J];焊接學(xué)報;2010年03期

9 李旭東;劉治國;穆志韜;;基于神經(jīng)網(wǎng)絡(luò)的金屬材料疲勞裂紋擴展規(guī)律的預(yù)測[J];新技術(shù)新工藝;2013年11期

10 李文鑫;王武;張元敏;;遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)在孔系加工中應(yīng)用研究[J];機械設(shè)計與制造;2009年04期

相關(guān)會議論文 前9條

1 高進強;劉新峰;武傳松;;TIG焊接熔透信息的提取[A];第十次全國焊接會議論文集（第2冊）[C];2001年

2 付培眾;尹怡欣;;基于PSO-RBF的神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

3 孫雷;王建國;王明輝;;模塊化神經(jīng)網(wǎng)絡(luò)在CSP連軋過程逆質(zhì)量模型建立中的應(yīng)用[A];第十一屆全國自動化應(yīng)用技術(shù)學(xué)術(shù)交流會論文集[C];2006年

4 莫春立;李殿中;馮峰;李強;詹志東;;耦合物理冶金和神經(jīng)網(wǎng)絡(luò)方法預(yù)測鋼材的性能[A];2002年材料科學(xué)與工程新進展（下）——2002年中國材料研討會論文集[C];2002年

5 張海波;劉恩東;;基于RBF神經(jīng)網(wǎng)絡(luò)PID控制[A];2007中國鋼鐵年會論文集[C];2007年

6 饒德林;齊志揚;陳立功;;鋁合金點焊質(zhì)量的神經(jīng)網(wǎng)絡(luò)估測[A];第十次全國焊接會議論文集（第2冊）[C];2001年

7 劉明貴;岳向紅;楊永波;李祺;;基于Sym小波和BP神經(jīng)網(wǎng)絡(luò)的基樁缺陷智能化識別[A];2007'湖北·武漢NDT學(xué)術(shù)年會論文集[C];2007年

8 楊景明;張洪豐;王娜偉;車海軍;;基于神經(jīng)網(wǎng)絡(luò)的可逆冷帶軋機偏心的檢測與補償[A];冶金自動化信息網(wǎng)年會論文集[C];2004年

9 楊景明;張洪豐;王娜偉;車海軍;;基于神經(jīng)網(wǎng)絡(luò)的可逆冷帶軋機偏心的檢測與補償[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年

相關(guān)碩士學(xué)位論文 前10條

1 胡丙坤;基于神經(jīng)網(wǎng)絡(luò)的金屬板材折彎回彈預(yù)測與研究[D];上海應(yīng)用技術(shù)學(xué)院;2015年

2 趙燕燕;優(yōu)化FPN及其在板形識別中的應(yīng)用[D];濟南大學(xué);2015年

3 王余敬;基于分離譜的激光超聲表面裂紋識別技術(shù)研究[D];中北大學(xué);2016年

4 付澤;典型汽車用板變形滯后回彈的試驗研究及有限元分析[D];北京理工大學(xué);2016年

5 熊偉;基于改進BP神經(jīng)網(wǎng)絡(luò)的車床主軸優(yōu)化設(shè)計的研究[D];江蘇大學(xué);2016年

6 呂慧超;中厚板軋機液壓AGC系統(tǒng)的控制研究[D];遼寧科技大學(xué);2016年

7 楊軼寧;基于BP神經(jīng)網(wǎng)絡(luò)的點焊接頭疲勞壽命預(yù)測研究[D];昆明理工大學(xué);2016年

8 閔喜瑞;基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)滑模變結(jié)構(gòu)厚度控制[D];華北理工大學(xué);2016年

9 李冬梅;主動學(xué)習(xí)算法在板厚控制系統(tǒng)中的應(yīng)用研究[D];華北理工大學(xué);2016年

10 張雷;基于振動分析的機床狀態(tài)識別與人機效能評估方法研究[D];東北大學(xué);2013年

本文編號：1698482