科研之友
微信
新浪微博
Facebook
分享链接
摘要
激光-熔化极惰性气体(melt inert gas,MIG)复合焊过程中容易出现根部驼峰缺陷，为了实现焊接过程根部驼峰缺陷的同步预测，研究根部驼峰缺陷预测的算法并对其预测结果进行分析.采用高速摄像机进行复合焊接过程的实时视觉传感采集，提取焊接过程的正面熔池和匙孔的时序特征信息，并对这些特征信号进行小波包分解(wavelet packet decomposition,WPD)与重构.应用激光扫描仪获得背部焊缝余高，以此作为驼峰状态标记的依据.再通过长短期记忆(long short-term memory,LSTM)神经网络对焊接过程中根部驼峰状态进行预测.结果表明，WPD-LSTM算法对根部驼峰预测的准确率达到97.85%.相比其它算法，基于焊接过程正面视觉传感时序特征信息的WPD-LSTM算法预测准确率更高，且预测结果具有较高的连续性，有利于实现对焊接过程根部驼峰缺陷的同步检测与控制.
- 单位
