基于动态权重的自适应PSO-BP神经网络焊接缺陷成因诊断

焊接缺陷产生原因复杂,影响因素众多,基于人工智能的缺陷成因诊断算法成为焊接智能化的发展方向.将PSO-BP神经网络应用于焊接缺陷成因诊断,利用神经网络的连接学习机制代替传统专家系统的规则推理机制,并对PSO算法进行自适应调整,引入动态权重因子,搭建自适应PSO-BP神经网络模型.结果表明,与传统PSO-BP神经网络模型相比,改进的PSO-BP神经网络模型训练所需要的迭代次数减少13.1%,诊断结果准确率从93.3%提高至96.7%,精确率从91.3%提高至98.3%,综合能力指标从91.7%提高至96.9%.改进算法能够明显提升焊接缺陷成因诊断的效率和精度,具有较好的工程应用价值.

基于改进DRLSE模型的焊接缺陷特征提取方法

目的针对目前大多数焊接缺陷自动特征提取方法存在的准确度较低的问题,研究满足准确度要求的X射线图像中焊接缺陷特征提取方法。方法对图像进行增强去噪预处理后,在初步确定焊缝区域的基础上,根据焊缝图像列灰度值曲线梯度特性,设计基于灰度值梯度的焊缝边界精确提取算法;以提取得到的焊缝精确边界为初始轮廓,提出基于改进DRLSE模型的焊接缺陷特征提取方法。结果基于改进DRLSE模型的焊接缺陷特征提取方法能够有效地提取气孔、夹渣、未熔合和未焊透等缺陷特征,准确率达到94.6%。结论所提方法克服了原始焊缝X射线图像质量较差、背景复杂的问题,能够精确提取焊缝区域边界,并准确地对各种焊接缺陷进行特征提取,具有较强的适应性和实用性。