基于深度学习的超窄间隙焊接质量评估方法

在超窄间隙焊接过程中,焊接质量的无损评估对焊接质量的在线评估及预报有重要的意义。本文结合焊剂片约束电弧超窄间隙焊接方法的特点及焊接工艺,选取了22个影响焊接接头质量的特征参数作为神经网络的输入,其中基于经验选定了9个特征参数,其余13个特征参数通过对焊接过程中焊接电流信号与电弧电压信号进行时域分析提取获得。利用TensorFlow框架建立了基于深度神经网络的超窄间隙焊接接头质量评估模型,对焊接过程中的焊接接头质量进行无损评估。试验结果表明,该模型能较准确地评估出超窄间隙焊接质量,准确率达92%。

不同电源下焊丝偏移对超窄间隙焊接电弧稳定性和焊缝成形的影响

为了解在平特性和下降特性弧焊电源下,焊丝偏移对于超窄间隙焊接电弧稳定性和焊缝成形的影响,在放置焊剂带的I形坡口中,使焊枪在焊接过程中向一侧偏移一定距离进行熔化极电弧焊试验。结果表明,焊丝偏移量是影响电弧稳定性和焊缝成形的关键因素;当焊丝偏移量较小时,无论是平特性还是下降特性电源,电弧的作用范围较好地分布在坡口侧壁和底部,电弧稳定性较强,焊缝成形较好;当焊丝偏移量逐渐增大时,平特性电源电弧作用范围偏向侧壁,根部熔合不良,而下降特性电源作用范围略偏向一侧,但仍然可以保证坡口底部和侧壁的熔合。

基于时间序列深度学习的超窄间隙焊接质量预测方法

焊接过程中,电信号与焊接质量密切相关。超窄间隙焊接是一种高效低热输入的新焊接方法,但其电弧控制与熔滴过渡过程复杂,传统的信号特征提取与分析方法往往不能完整表达和充分利用时间序列信息。结合超窄间隙焊接过程特点,运用完整电信号时间序列构建卷积神经网络,在深入挖掘同属性信号时序信息的同时,充分考虑同步采集的焊接电流和电弧电压信号之间的时间关联信息,对焊接质量进行预测。试验结果表明,基于完整时序信号的深度网络模型能够准确地预测焊接质量,准确率达到95%,在使用RTX2080GPU作为运算加速器的情况下,模型预测所需时间仅为0.178 ms,为实时预测超窄间隙焊接质量奠定了基础。