基于声信号识别的焊后残余应力处理质量检测方法

焊后残余应力处理过程的非线性程度高且参数耦合性强,导致处理质量不稳定。而现有检测方法仅做抽样检测,存在检测精度低、周期长等问题,且无法进行实时在线检测。为此,提出一种新的基于声信号识别的焊后残余应力处理质量在线检测方法。该方法先实时采集焊后残余应力处理过程中的声信号并提取其特征,然后构建基于多权值神经网络的焊后残余应力处理质量检测模型,以实现在线识别。实验结果表明,相比于传统检测方法,所提出方法可实现焊后残余应力处理质量的在线检测,可为焊后处理过程中的参数优化和质量控制提供参考。     

TiAl/40Cr扩散焊未焊合、弱接合和微孔缺陷的智能识别

为了解决异种材料扩散焊质量超声波检测时,从回波幅度无法判断界面是否存在微小缺陷的问题,采用支持向量机技术构建了扩散焊界面缺陷识别模型.以TiAl和40Cr扩散焊接头为研究对象,采用超声波水浸聚焦法采集扩散焊界面信号,从信号中提取4个特征值,优化样本数量和核参数后,训练扩散焊界面缺陷识别模型.扩散焊试样界面信号经模型识别后,根据C扫描图像的位置重构识别图像.结果表明,该模型有效地识别出未焊合、弱接合和微孔缺陷,3种缺陷的正确识别率分别为93%、90.5%和91.5%,识别图像直观地显示了界面的缺陷.TiAl/40Cr扩散焊界面缺陷识别模型实现了扩散焊试样界面缺陷的智能识别.     

焊接过程声信号在线检测技术现状与展望

基于焊接过程声信号的声学检测技术是一种实时采集和检测缺陷的有效方法,对材料内部结构变化反映明显。概述了常规焊接缺陷无损检测方法的优缺点,对焊接过程声信号的分类和声信号采集系统进行了论述,分析总结了声发射信号和可听声信号的发声机理、检测原理和信号处理方法,并阐述其在焊接质量在线检测领域的研究现状及应用,特别是焊接缺陷、熔滴过渡形式和熔透状态的识别与预测。为了满足在线检测要求,包含声学检测在内的多传感信息融合焊接系统研究是关键,智能传感、信号处理、自动控制与人工智能技术的进一步研究能促进焊接产业的长足发展。     

利用声信号基于HHT方法识别螺旋桨模态参数EI北大核心CSCD

为了对螺旋桨的模态参数进行无接触式测量,首先基于声学边界元方法,建立了螺旋桨在冲击载荷作用下辐射声信号与模态参数之间的数学模型,该模型相比于已公开文献采用的模型,从理论上揭示了采样声信号不必须取自于结构近场。在此基础上,借助希尔伯特-黄变换(Hilbert-Huang transform, HHT)方法处理非平稳、非线性信号,对采样声信号进行处理来识别结构模态参数。以一螺旋桨缩尺模型为研究对象,分别采用数值模拟和试验手段对该方法的实用性和有效性进行了验证,并评估了环境噪声的影响程度。结果显示该方法能准确识别模态频率和阻尼比,且具有自适应频率分辨率,为工程上精细结构的模态参数识别提供一种新途径。     

基于神经网络预测与小波变换的结构非线性振动参数识别

首先介绍利用复Morlet小波变换进行结构非线性振动模型参数识别的原理,进而分析了因小波变换过程中的边端效应以及在采样点较少情况下复Morlet小波变换对非线性模型参数识别准确性的影响。然后提出了利用BP神经网络对非线性模型参数识别的信号进行预测延拓,并基于预测后的信号进行参数识别。最后通过对两种非线性振动模型进行数值仿真,验证了该方法能很好的提高非线性模型参数识别的准确性,并且具有一定的抗噪能力。     

非线性涡激力模型中气动参数识别新方法

基于非线性最小二乘法提出识别单自由度经验非线性涡激力模型中气动参数新方法。通过同伦分析法获得涡振响应二阶解析解,基于该解构造非线性拟合目标函数并采用遗传算法识别出在给定参数区间内的最优拟合结果。分别用光滑信号及有噪信号进行数值验证,结果表明该方法具有可行性及较好稳定性。并运用该方法识别出流线型闭口箱梁断面的涡激力气动参数。     

基于P-GMAW摆动电弧传感的窄间隙坡口宽度自适应焊接

针对窄间隙自动化焊接过程中,组对误差、焊接热变形等因素导致的坡口宽度不一致问题,本文提出采用电弧传感方式对坡口宽度进行检测,并根据检测结果调节工艺参数,保证焊接质量的方法。通过研究坡口宽度偏差的提取算法,分析窄坡口条件下脉冲熔化极焊接的峰值电流、基值电流和平均电流信号的传感特征,提出以脉冲周期内的电流均值作为特征信号,利用侧壁平均法进行偏差提取的传感方式;确定了坡口宽度变化时,焊枪摆幅、焊接速度的调控方法,实现了适应坡口宽度变化的自动化焊接。窄间隙焊接试验表明,上述方法能够有效识别坡口宽度变化,及时对摆幅、焊速进行调整,可在坡口宽度变化时,保证侧壁熔合质量和焊层厚度均匀。研究结果对单道多层窄间隙焊接实现焊接自动化,保证焊接质量具有一定的参考价值。     

基于神经网络的噪声品质评价方法

提出一种基于人工神经网络（ANN）的噪声品质评价方法。该方法相比较目前的其它声质量评价方法，具有非线性的特点。通过神经网络的训练对非线性的声质量主观评价过程进行逼近。文中利用Matlab的神经网络工具箱对汽车车内采集到的噪声信号进行评价分析，并与实测结果进行对照分析，说明该方法对于汽车车内噪声品质评价是有效的。     

DP780高强钢胶接点焊过程声发射信号特征及接头强度预测

针对1.2 mm厚的DP780高强钢板进行胶接点焊正交实验,采集胶焊过程的声发射信号,辨析其信号特征,建立接头强度与声发射信号特征参数之间的关系.结果表明:胶焊过程的电极加载、熔核形核和电极卸载三个物理阶段产生三段声发射信号;相比电阻点焊过程,由于胶焊过程存在胶层的烧灼与气化,其熔核形核阶段前段产生的声发射信号的振铃计数和幅值大于电阻点焊,并且飞溅出现时,声发射信号幅值增大;对于未发生飞溅的胶焊过程,焊接接头的失效载荷与熔核形核阶段声发射信号特征参数的振铃计数和正峰值具有较好的线性正相关性,据此可为胶接点焊过程焊接质量的在线检测与控制提供依据.     

基于贝叶斯推理的包装件动力学模型优化选择研究

目的 在多种类型的模型中挑选出最优包装件模型,并实现参数识别的方法。方法 文中将包装件模型构建为参数不确定模型,在贝叶斯推理的框架下,采用马尔可夫链蒙特卡洛法识别模型参数,采用偏差信息准则(DIC)计算各备选模型的DIC参数,选择出最优包装件模型。结果 在振动实验台用质量块–缓冲材料模拟包装件并进行随机振动测试,分析结果表明,Bouc–Wen(n=2)模型为文中包装系统的最佳模型。结论 文中提出的基于贝叶斯推理的包装件模型优化选择和参数识别方法考虑了模型不确定性,构建的模型可准确预测包装件在随机振动下加速度响应的时域信号。     

V型坡口多层多道焊焊道几何参数预测

中厚板V型坡口多层多道焊焊接过程中,每一条焊道的几何参数都会影响最终焊缝成形质量。为了评估V型坡口多层多道焊缝成形质量,提出了基于麻雀搜索算法(SSA)优化的BP神经网络模型预测焊道几何参数。文中通过实验分析各焊接工艺参数对焊道成形几何尺寸的影响,确定了以焊接电流、焊接速度、熔池宽度作为模型的输入,将能表征焊道质量的焊道高度和焊道计算高度作为模型的输出。对优化前后BP神经网络预测模型的性能进行对比,结果表明,优化后模型预测结果的相对误差分别保持在±4%、±8%以内,模型的稳定性、准确率都有较大提升,证明了该方法可有效预测V型坡口焊接时的焊道几何参数。     

基于MIMO信号降噪的模态参数识别研究

发展了一种基于多输入多输出(MIMO)信号降噪的模态参数识别方法。首先对实测的MIMO脉冲响应数据构建block-Hankel矩阵,然后通过模型阶次指标确定矩阵的秩,进而基于结构矩阵低秩逼近(SLRA)计算得到降噪后的信号,最后通过多参考点复指数法(PRCE)识别结构的模态参数。数值算例和模型实验结果表明,该方法对实测MIMO信号有很好的降噪作用,识别效果较好。     

基于DnCNN声音增强的高坝泄流微弱空化声音信号识别与提取

空化空蚀是水工建筑物泄洪安全监测的重要内容，但是高坝泄流期间产生的强泄流噪声会大幅减弱空化空蚀音频监测方法的效果甚至致其失效。针对该问题提出了基于降噪卷积神经网络(denoising convolutional neural network, DnCNN)声音增强的空化声信号增强方法，该方法依据语音增强思想，通过DnCNN实现带噪音频监测信号中空化声信号的增强。首先对该方法的实现原理和DnCNN网络结构进行了阐述，然后使用采集自空蚀和泄流试验的空化声信号和泄流噪声对该方法的效果进行验证，最后通过支持向量机信号多分类识别试验和单分类支持向量机空化声信号单分类识别试验对该方法的泛化性能和工程实用性进行评价。研究结果表明该方法能够有效提升带噪空化声信号的信噪比，极大地还原空化声信号的频谱结构特征，实现强泄流噪声中微弱空化声信号的识别与提取，同时该方法具有较强的泛化性能和较好的工程实用性。     

基于机器视觉的多轴3D打印缺陷检测技术研究

熔融沉积成型(Fused Deposition Modeling,FDM)作为应用最为广泛的增材制造工艺,其打印件质量问题引起了越来越多的关注.本研究针对FDM打印件常见缺陷,提出了一种基于机器视觉与卷积神经网络(Convolutional Neural Network,CNN)的多轴FDM打印检测方法,使用CCD相机采集打印件状态图像,并利用构建的CNN网络进行缺陷识别与分类.为了验证该检测方法的可行性,面向自主开发的五轴FDM打印平台,以层间剥离缺陷为例,建立了数据集,通过训练与验证,不断改进网络参数,构建了性能优异的CNN网络.     

基于RQA与SVM的声发射信号检测识别方法

针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。     

基于二重切比雪夫多项式的多自由度系统SMA非线性恢复力识别

针对真实结构在动力荷载作用下恢复力模型难以用准确参数化形式描述问题,将结构非线性恢复力作为结构损伤及非线性行为的直接描述,提出基于二重切比雪夫多项式模型的多自由度体系非线性恢复力时域识别方法,实现结构质量信息完全未知及激励完整、非完整两种情况下多自由度系统非线性恢复力识别。通过带理想双旗形恢复力模型形状记忆合金(SMA)阻尼器两自由度数值模型的数值模拟与安装SMA阻尼器的钢框架模型动力实验结果验证该方法的识别效果,并与基于幂多项式模型方法进行对比。数值模拟验证中同时考虑测量噪声对识别结果影响。结果表明,该方法能对结构质量分布及在动力荷载作用下非线性恢复力进行有效识别,为结构在动力荷载作用下损伤发生、发展过程监测及结构耗能的定量评估提供方法。     

金属材料声发射信号特征提取方法

试图通过对声发射信号的检测实现对水轮机转轮叶片金属疲劳裂纹的在线监测。利用美国PAC公司SAMOS声发射检测系统采集到声发射的各种参数：针对大型水轮机现场环境的情况,选用了四种声发射信号。通过BP神经网络和模式识别结合的方法,设计特征提取器来提取金属材料疲劳声发射特征信号。比较神经网络输人参数对输出结果的灵敏度,选择出一些对分类识别最有效的特征参数：并采用可分离性判据进一步验证其正确性。最后,在13个声发射特征参数中,质心频率、计数、持续时间、上升时间、平均信号电平等五个参数的特征最为显著,可以用于识别现场环境下的声发射信号。     

水下航行器声隐身性能快速评估研究

针对传统水下航行器声隐身性能评估方法计算时间长、实时性不强的缺点,将评估由数值计算问题变为基于多传感器信息融合的模式识别问题来解决。通过将RBF神经网络模型和LVQ神经网络模型相结合,提出了基于组合神经网络的水下航行器声隐身性能快速评估模型。利用加速度传感器测得壳体表面振动信息,抽取分析频段内每个频带的功率作为特征向量,通过组合神经网络模型进行识别分类,快速评估出航行器当前的声隐身状态。并利用水下双层加肋圆柱壳体模拟航行器舱段缩比模型,进行了水下声学试验,验证了方法的实时性和有效性。该评估方法计算速度快、评估正确率较高、通用性较强,可很好地应用于各类水下结构的声学状态评估。     

基于部分加速度测量的结构Bouc-Wen非线性恢复力及质量识别

结构非线性行为识别是结构灾后损伤评估的关键。扩展卡尔曼滤波(Extended Kalman Filter,EKF)有助于解决结构动力响应测量不完备的问题,但一般要求结构质量已知。针对仅部分加速度响应已知和结构质量未知情况下结构非线性恢复力的识别问题,提出一种结合EKF和最小二乘算法的结构非线性恢复力及质量识别的迭代算法。该方法基于质量估计值和部分自由度上的加速度响应测量,通过EKF预测完整响应时程,再利用最小二乘法识别修正质量分布,循环迭代至收敛,最后基于质量收敛值实现物理参数(刚度、阻尼、非线性)的识别,进而得到非线性恢复力。以一个含Bouc-Wen磁流变阻尼器的多自由度体系的数值模型为例,考虑4种不同的质量初始误差,通过数值模拟验证该方法识别结构质量及非线性恢复力的有效性。同时考虑加速度测量噪声的影响,证明了该方法的鲁棒性。     

变断面工件TIG焊过程控制的示教模型

本文建立了变断面薄板焊件的非线性焊接热场数值分析模型。通过理论分析,建立了焊接过程控制的示教模型。将该模型与微机控制的具有记忆再现功能的弧焊电源或弧焊机器人配合使用,可实现焊接过程的高度自动化。