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。