CN102764927B - 一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法 - Google Patents

Abstract

本发明公开了一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法，具体是指将去噪后的电弧声信号进行时频可视化，提取声谱图中的峰值能量线，结合时频指标设计了峰值能量均值这一个指标，并计算能量样本熵、能量标准差，最后通过自行设计的电弧声评价指标ASSP实现焊接过程稳定性评价。本发明综合考虑了时间、频率、能量三者的影响，创新性地提出了峰值能量这一概念，通过样本熵描述声谱图中峰值能量线在时频面上的有序性，量化焊接过程电弧声的稳定性，并通过自行设计的参数指标排除了工艺参数对电弧声的影响，拉大了焊接稳定程度量化结果的区别，获得了更稳定的评价性能。

Description

一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法

技术领域

本发明属于弧焊技术领域，特别涉及一种利用弧焊过程电弧声信号实现焊接过程稳定性评价的定量评价方法。

背景技术

焊接过程中产生的电弧声包含了丰富的焊接质量以及焊接稳定性信息，电弧声反映了焊接过程稳定性。脉冲MIG焊过程中，大部分熔滴可以顺利的过渡到熔池，但是由于电压电流变化、不合理的工艺规范或者各种偶然因素的影响，会出现各种熔滴过渡形式，导致飞溅产生。焊接过程中的飞溅不但降低焊接生产率，影响焊接过程稳定性，还严重影响焊接质量。飞溅产生时会发出“啪”的爆破声，有经验的焊工通过听觉可判断是否发生飞溅及焊接过程的稳定性。同理，通过分析电弧声信号也能明显观察到飞溅的发生及程度，这是因为当飞溅产生时，会使电弧声信号的电压增大，输出能量增加。

石玗等研究人员研究了电弧声信号与铝合金MIG焊缝塌陷的相关性，发现电弧声信号的总能量随着焊缝塌陷而明显增强，塌陷前与塌陷后的信号能量改变十分明显。刘立君等研究人员考察了MIG焊电弧声信号与熔透状态相关性，电弧声信号能量与焊缝熔透状态存在明显的相关性。熔透状态下的电弧声信号能量明显高于未熔透状态，当焊缝发生过熔透时，信号能量降低。兰州理工大学马跃洲以短路过渡CO2焊接过程电弧声信号为主要研究对象，分析了电弧声信号与焊接状态的相关性，认为可采用电弧声信号进行焊接状态的模式识别，不同的电弧声信号形态表明了焊接的不同阶段，并利用电弧声频带能量集合建立焊接飞溅量预测的BP网络模型，实现了焊接过程飞溅量的预测。上海交通大学研究了GTAW焊时气流、焊接速度、电弧长度和声音信号采集角度对采集到的声压信号的影响，得到了不同参数对电弧声影响情况的定性变化趋势。在国内专利中检索，尚未发现关于电弧声定量评价的方法。

从上述焊接过程电弧声的研究来看，到目前为止，关于焊接过程电弧声的监测和研究并不多，且多处于定性分析阶段，主要集中在电弧声特性和焊接质量的相关性上，尚未有利用电弧声进行焊接过程稳定性定量评价的研究报道。

声音信号的可视化方法主要分为时域可视化、频域可视化以及时频可视化三种。时域可视化常用时域波形图表示，频域可视化常用频谱图和功率谱图表示，但是这些图无法同时表示时间、频率、能量三者之间的关系，将声信号的时域及频域信息通过某种方式同时表述在一个图形中就构成了时频可视化。声谱图是时频图中的重要形式。声谱图是将声信号进行频谱分析而得到的一种彩色平面图，横坐标表示时间，纵坐标表示频率，每个像素的色值大小反映该时刻、频率下的信号能量密度。从声谱图形状看出波形的能量、频率随波形变化的信息，获得关于波形稳定性的一些信息。目前国内关于焊接过程电弧声的研究也主要集中在时域可视化或频域可视化上，对时频可视化的研究未见报道。

就国内目前公开发表的文献来看，利用样本熵对焊接过程稳定性进行定量评价的研究尚未见报道。

综上所述，利用电弧声进行焊接过程稳定性的评价还处于国内空白阶段，时频可视化的分析方法是声音信号分析的新途径，研究利用电弧声声谱图进行焊接过程稳定性的评价方法具有重要意义。不仅能有效指导焊接工艺参数的选取，还为焊接过程的在线监测评价提供了新思路。

发明内容

本发明的目的在于针对焊接过程稳定性评价的困难且主要依赖电信号评价的现状，提供一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法，将样本熵这一指标引入电弧声的时频分析过程中，实现焊接过程稳定性的定量评价。

本发明的目的通过以下技术方案实现：

一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法是指将去噪后的电弧声信号进行时频可视化，提取声谱图中的峰值能量线，结合时频指标设计了峰值能量均值这一个指标，并计算能量样本熵、能量标准差，最后通过自行设计的电弧声评价指标ASSP(Arc Sound Spectrum)实现焊接过程稳定性评价。具体包括如下步骤：

(1)利用测试平台采集焊接过程的电弧声信号；

(2)对所采集的电弧声数据进行预处理，通过小波包滤波算法实现信噪分离，得到特征值明显的电弧声信号；

(3)生成电弧声信号的声谱图，同时表示时间、频率、能量三者之间的关系；

(4)引入峰值能量的概念，计算电弧声声谱图上每个时间段内的峰值能量值，并求出该点位置及频率；

(5)为了减少峰值能量线变化幅度不同，对量化结果的影响，引入峰值能量均值这一新参数，对步骤(4)中的声谱图中的峰值能量序列计算峰值能量均值；

(6)求解能量样本熵，将峰值能量线的每点和步骤(5)求出的峰值能量均值相乘再计算样本熵，所得的结果称为能量样本熵；

(7)求解能量标准差，对步骤(6)所求的样本熵序列计算标准差，所得的标准差称为能量标准差；

(8)求解自行设计的焊接过程电弧声稳定性评价指标ASSP；

所述步骤(4)中的峰值能量指的是在时频面上每个时刻上能量最大的值。

所述步骤(5)中的峰值能量均值的计算公式如下：

${\mathrm{Em}}_{\mathrm{av}}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}E\max \left(i\right)}{n}---\left(1\right)$

式中Emax(i)为样本每个位置的能量峰值，Em_av为该电弧声样本能量均值。

所述步骤(6)中的能量样本熵E_SaEn的计算公式如下：

$E_{\mathrm{SaEn}}=\mathrm{SampEn}(L\max \left(i\right)*\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}E\max \left(i\right)}{n})i=\mathrm{1,2},...n---\left(2\right)$

式中E_SaEn表示能量样本熵，Lmax(i)表示峰值能量线上每点对应的纵坐标，Emax(i)则为该点的能量大小。

所述步骤(7)中的能量标准差计算公式如下：

$E_{\mathrm{std}}=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(E_{\mathrm{SaEn}}\left(i\right)-{\mathrm{Em}}_{\mathrm{av}})}^2}{n-1}}---\left(3\right)$

式中E_std为能量标准差。

所述步骤(8)中的电弧声评价指标ASSP计算公式如下：

ASSP＝E_SaEn×E_std                 (4)

所设计的电弧声评价指标ASSP对于稳定性的变化趋势一致，通过乘法拉大了结果差距，使不同信号区别更明显。

本发明与现有技术相比，具有如下优点和有益效果：

(1)本发明利用电弧声实现了对焊接过程稳定性的定量评价。目前电弧声的研究主要集中在定性分析阶段，尚未有利用电弧声实现焊接过程稳定性定量评价的报道。

(2)本发明综合考虑了时间、频率、能量三者的影响，在声谱图分析中，创新性地提出了峰值能量这一概念，并利用峰值能量在时频面上的变化来描述焊接过程稳定性。

(3)本发明将样本熵引入了电弧声的稳定性评价。结合焊接过程电弧声的变化规律，利用样本熵来描述声谱图中峰值能量线在时频面上的有序性，量化焊接过程电弧声的稳定性。

(4)本发明考虑了不同参数的影响，通过自行设计的参数指标排除了工艺参数对电弧声的影响，拉大了焊接稳定程度量化结果的区别，具有更稳定的评价性能。

附图说明

图1是本发明一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法的流程图。

图2是本发明实施例中样本1的电弧声原始波形图。

图3是样本1小波包滤波后的电弧声波形图。图4是样本2小波包滤波后的电弧声波形图。图5是样本3小波包滤波后的电弧声波形图。图6是样本4小波包滤波后的电弧声波形图。

图7是样本1的声谱图与峰值能量线图。图8是样本2的声谱图与峰值能量线图。图9是样本3的声谱图与峰值能量线图。图10是样本4的声谱图与峰值能量线图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例，对本发明做进一步的详细说明，但是本发明的实施方法和要求保护的范围并不局限于此。

图1为本发明一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法的流程图，具体包括如下步骤：

(1)利用测试平台采集焊接过程的电弧声信号；

(2)对所采集的电弧声数据进行预处理，通过小波包滤波算法实现信噪分离，得到特征值明显的电弧声信号；

(3)生成电弧声信号的声谱图，同时表示时间、频率、能量三者之间的关系；

(4)引入峰值能量的概念，计算电弧声声谱图上每个时间段内的峰值能量值，并求出该点位置及频率；

(5)为了减少峰值能量线变化幅度不同，对量化结果的影响，引入峰值能量均值这一新参数，对步骤(4)中的声谱图中的峰值能量序列计算峰值能量均值；

(6)求解能量样本熵，将峰值能量线的每点和步骤(5)求出的峰值能量均值相乘再计算样本熵，所得的结果称为能量样本熵；

(7)求解能量标准差，对步骤(6)所求的样本熵序列计算标准差，所得的标准差称为能量标准差；

(8)求解自行设计的焊接过程电弧声稳定性评价指标ASSP。

本发明以双丝脉冲MIG焊的电弧声信号定量评价分析为例，测试平台由DSP一体化双丝弧焊电源、行走机构控制器及焊接试验台、焊接电弧动态小波分析仪、双丝脉冲MIG焊软开关逆变电源、送丝机、双丝焊枪、水箱等设备构成。在测试中，利用无线麦克风实现对电弧声信号的采集，由自行研制的一体化双丝脉冲MIG焊软开关逆变电源的控制软件实现控制波形。所用试件为Q235钢，厚8.0mm，焊丝采用H08Mn2SiA，直径为Φ1.0mm，保护气体为纯氩。气体流量15L/min，焊丝干伸长12.0mm，两根焊丝末端之间距离为8.0mm，平板堆焊方式。

图2所示为电弧声信号的原始波形，由于遭受到焊接过程中各种噪声的影响，信号特征并不明显，利用小波包阈值滤波算法进行预处理。根据电弧声信号特点将阈值调整至合适大小，得到噪声较小的信号进行下一步处理，预处理后的信号如图3所示，可以看到经过小波包处理后电弧声的大部分噪声信号都被消除，信号明显比没有降噪前清晰，干扰得到了保存，试听消噪后的电弧声也可以发现，焊接过程的电弧声更加清晰，飞溅时的“啪”声依旧被保留，说明步骤(2)利用小波包进行电弧声消噪具有实际意义。

图3至图6，是本实施例中四个样本的电弧声波形图，这四个样本由上述平台采集，由电脑直接保存，导入matlab进行小波包滤波后进行显示。

从图可见，电弧声的稳定性依次由好变差。其中图3所示样本1的电弧声幅值较小，没有较大的能量变化，试听表现为声音柔和，没有爆破声；图4的能量变化也比较均匀；图5则呈现出阶段性的能量增大，表现为电弧声能量不均匀；图6则能量较大，时有能量突增，试听发现时有较大的爆破声。

图7至图10，是本实施例中四个样本的声谱图，通过编程实现声谱图的峰值能量线的绘制，图中白色线条为峰值能量线。图7的峰值能量线变化较为规则；图8，图9的峰值能量线变化不太规则，通过肉眼难以具体评价优劣，通过试听，发现图8的焊接过程更为稳定；图10的峰值能量变化混乱，变化范围较大。

对图7至图10的峰值能量线计算时频面上的能量样本熵，样本熵计算参数N＝30，m＝2，r＝20，求解得能量样本熵E_SaEn，结果如下：

样本1    E_SaEn＝0.0681

样本2    E_SaEn＝0.4267

样本3    E_SaEn＝0.6252

样本4    E_SaEn＝0.8935

可以发现能量样本熵依次变大，表明越不稳定的电弧声其对应的样本熵越大，能量峰值线变化规律越混乱，但是各样本之间的E_SaEn值差别不大。

计算能量样本熵序列的标准差E_std，结果如下：

样本1    E_std＝8.5672e-4

样本2    E_std＝0.0014

样本3    E_std＝0.0031

样本4    E_std＝0.0040

从上述结果可以看出，电弧声的能量样本熵标准差变化趋势和能量样本熵一致，越稳定的焊接过程，其能量峰值线的样本熵标准差越小，表明样本熵越稳定，反之，在不同阶段，随着能量的变化，样本熵呈现出较大的变化，标准差也相应增大。

按照ASSP指标计算公式，得到电弧声稳定性定量评价结果如下：

样本1    ASSP＝5.8346e-5

样本2    ASSP＝6.1103e-4

样本3    ASSP＝0.0019

样本4    ASSP＝0.0036

从ASSP指标变化情况可以看出，第一个样本非常稳定，ASSP指标远小于其他样本；第二、三个样本的稳定性依次变差；第四个样本不稳定，其ASSP指标是第一个样本的一百多倍。通过本发明设计的方法有效地区分了焊接过程稳定程度。

上述量化分析结论与对图3至图6的电弧声稳定性直观分析结论一致。而四个样本电弧声的ASSP指标计算结果表明，本发明的量化评价方法，与波形实际情况一致，能正确反映焊接过程的稳定性。

因此通过对电弧声声谱图峰值能量线的样本熵计算可有效地评价弧焊过程稳定性，自行设计的评价指标ASSP综合考虑了各种因素对电弧声峰值能量的影响，能较好地评价焊接过程电弧声信号的稳定性，可以作为焊接工艺规范性能综合评价模型的一个指标。

该实施例也说明本发明一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法符合实际情况，具有较好的实际应用价值，为焊接过程稳定性定量评价开辟了一个新途径。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (1)

1.一种基于电弧声声谱样本熵的弧焊过程稳定性定量评价方法，其特征在于采集电弧声信号，对去噪处理后的电弧声信号绘制声谱图，计算声谱图中的峰值能量线，通过计算峰值能量线的样本熵值，在此基础上再计算自行设计的电弧声样本熵定量评价指标，实现焊接过程稳定性的定量评价，具体包括如下步骤：

(1)利用测试平台采集焊接过程的电弧声信号；

(2)对所采集的电弧声数据进行预处理，通过小波包滤波算法实现信噪分离，得到特征值明显的电弧声信号；

(3)生成电弧声信号的声谱图，同时表示时间、频率、能量三者之间的关系；

(4)引入峰值能量的概念，峰值能量指的是在时频面上每个时刻上能量最大的值，计算电弧声声谱图上每个时间段内的峰值能量值，并求出该点位置及频率，在时频平面上绘制出峰值能量线，形成峰值能量序列值；

(5)为了减少峰值能量线变化幅度不同，对量化结果的影响，引入峰值能量均值这一新参数，对步骤(4)中的声谱图中的峰值能量序列计算峰值能量均值，峰值能量均值Em_av按以下公式计算：

${\mathrm{Em}}_{\mathrm{av}}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}E\max \left(i\right)}{n}$

式中Emax(i)为峰值能量线上每点对应的能量大小，n表示正整数；

(6)求解能量样本熵，将峰值能量线的每点和步骤(5)求出的峰值能量均值相乘再计算样本熵，计算所得样本熵值称为能量样本熵，能量样本熵按以下公式计算：

$E_{\mathrm{SaEn}}=\mathrm{SampEn}(L\max \left(i\right)*\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}E\max \left(i\right)}{n})$ i＝1，2，…n

式中E_SaEn表示能量样本熵，Lmax(i)表示峰值能量线上每点对应的纵坐标；

(7)求解能量标准差，对步骤(6)所求的样本熵序列计算标准差，计算公式如下：

$E_{\mathrm{std}}=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(E_{\mathrm{SaEn}}\left(i\right)-{\mathrm{Em}}_{\mathrm{av}})}^2}{n-1}}$

式中E_std为能量标准差；

(8)按以下公式计算电弧声稳定性：

ASSP＝E_SaEn×E_std

式中ASSP为自行设计的焊接过程电弧声稳定性评价指标。