科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于电阻点焊过程的多传感信号特征，面向多种板材组合建立焊点质量在线预测模型，研究了异常工况波动对四类机器学习回归模型的影响，分析了不同模型和输入变量对含异常工况试验数据集的适应性，并采用Shapley值、t-SNE等方法对波动工况下的模型性能进行解释.结果表明，高斯过程回归模型和电阻+力信号具有最佳的熔核直径预测性能，焊接电流、热输入能量和电极位移峰值特征对于波动工况具有良好普适性.此外，异常工况引起的信号特征分布差异会显著影响回归预测模型的泛化性能，应尽量减少训练集与数据集差异以提高焊点质量预测的准确性.
-
单位上海航天设备制造总厂; 中船黄埔文冲船舶有限公司; 机械系统与振动国家重点实验室; 上海交通大学
