基于电信号复合多尺度熵的CMT焊缝熔宽分类识别

【目的】焊接电信号复杂性的定量表征是监测和评估焊接质量的重要方法,近似熵、样本熵仅能从单一尺度刻画焊接电信号的复杂性,无法表征电信号在多尺度上的复杂性。【方法】该文引入复合多尺度熵(Refined composite multiscale entropy,RCMSE)刻画电信号在多尺度上的复杂性,结合特征评价和支持向量机模式识别模型,提出了一种基于复合多尺度熵与支持向量机的熔宽分类识别方法。首先,将电流信号进行数据归一化,利用RCMSE提取信号多尺度复杂性特征;然后,利用特征评价方法—序列前向选择(Sequential forward selection,SFS)评估RCMSE中每个尺度的熵值对熔宽的可分性,筛选出关联度最高的熵值,构成特征向量;最后,将特征向量输入到支持向量机(Support vector machine,SVM)的熔宽多分类器中进行训练和识别。【结果】将RCMSE应用于电弧电流信号复杂性特征提取,采用序列前向特征选择对RCMSE特征值进行选择,结合SVM提出了一种焊缝熔宽分类方法。应用于堆焊试验数据分析,预测准确率可达94.4%。【结论】RCMSE能够有效地提取电信号的多尺度复杂性特征,获得较高的焊缝熔宽分类识别率,为度量熔焊过程电流信号的多尺度复杂性提供了一种方法。

基于电弧信息时频特征的多层多道焊缝熔宽预测研究

以多层多道的熔化极气体保护电弧焊接过程为研究对象,以识别熔宽为目标,设置了不同的工艺实验,获得了不同熔宽下对应的电弧信号。对不同工艺条件下的电信号进行了时频特征分析,并利用变分模态分解(VMD)方法提取其时频特征值,结合支持向量机(SVM)模式识别算法对熔宽进行多分类,构建了不同工艺参数与熔宽的预测模型。经验证,预测精度达到98.6111%。为焊接过程信息化和智能化发展奠定了较好的技术基础。