基于电弧光谱的核电堵管TIG焊接质量在线监测

为了实现受操作空间限制和辐射环境下,高温气冷堆蒸汽发生器传热管道堵管钨极惰性气体保护电弧焊(tungsten inert gas welding, TIG)的质量监测,搭建了一套基于光纤光谱仪的TIG焊接过程实时监测系统,用于核电传热管道堵管TIG焊接熔深监测.试验研究采用该系统采集电弧光谱,利用主成分分析法获取不同焊缝熔深的光谱主成分特征,创新性提出了一种ATT-L2R-BiLSTM深度学习模型,实现了堵管TIG焊接过程中焊缝熔深的分类识别.结果表明,实验室条件下模型准确率可达92.61%,比Bi-LSTM网络准确率提高5.11%,该模型在核电蒸汽发生器堵管验证平台进行了测试和验证,准确率达到99.26%,最终,实现了光谱信息不完备下TIG焊接质量特征深度挖掘,以及TIG焊接熔深的精准评估.

基于空气传播声发射与深度迁移学习的激光粉末床熔融缺陷在线监测

目的对激光粉末床熔融(LPBF)过程中的缺陷进行缺陷监测机理研究,并开发可靠的现场质量监测方法来指导零件生产过程。方法使用空气传播声发射(ABAE)技术监测LPBF过程,获取多组变工况LPBF过程中的ABAE信号。通过对LPBF过程进行熔池动态分析及对比缺陷信号时频域特征,探究了LPBF缺陷声学监测机理。同时,提出了一种基于多源域知识融合的深度迁移学习(DTL-MDKF)方法以构建LPBF缺陷在线监测模型,并对模型的准确度和有效性进行了系统评估。结果LPBF熔池状态与产生的缺陷密切相关,所对应的声源发生机理不同是导致其信号特征呈现差异性的主要原因。所提出的DTL-MDKF方法模型对5类LPBF缺陷的识别准确率可达98.2%,且t-SNE可视化分析结果证明了其良好的深度特征挖掘能力以及将模型中多源域自适应融合知识迁移用于目标域LPBF缺陷监测任务的有效性。结论相比于传统单一源域迁移学习方法,所提出的方法模型具有更好的性能,能够实现对复杂多变工况的LPBF制造缺陷的精准实时监测,可为LPBF零件的生产提供一定的指导。