基于声信号识别的水下焊接质量检测方法研究

水下焊接的应用领域广泛，但其焊接质量难以保障。针对水下焊接处理过程中存在的非线性程度高、参数耦合性强以及检测效率低等问题，提出了一种新的基于声信号识别的水下焊接质量检测方法。该方法通过在水下构建基于声信号采集的监测系统，实时采集焊件焊接过程中的声信息，并通过对声信号进行滤波降噪处理和特征提取，构建双权值神经网络（double-weight neural network, DWNN）模型。该模型具有优秀的高维数据非线性拟合能力，可实现水下焊接多参数与声信号多特征之间的非线性映射，且在小样本情况下仍能实现高精度的模式识别。以高强度低碳合金钢——HSLA-115钢作为焊接对象，开展水下焊接质量检测实验。结果表明，DWNN模型应用于水下焊接质量检测的识别精度可达100%。研究结果可为水下焊接工艺的优化和水下焊件专家知识库的构建提供参考依据。