CN109128446B - 一种交流钨极氩弧焊电弧声音信号特征快速提取方法 - Google Patents
一种交流钨极氩弧焊电弧声音信号特征快速提取方法 Download PDFInfo
- Publication number
- CN109128446B CN109128446B CN201810983432.7A CN201810983432A CN109128446B CN 109128446 B CN109128446 B CN 109128446B CN 201810983432 A CN201810983432 A CN 201810983432A CN 109128446 B CN109128446 B CN 109128446B
- Authority
- CN
- China
- Prior art keywords
- sound
- arc
- signal
- welding
- alternating current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/16—Arc welding or cutting making use of shielding gas
- B23K9/167—Arc welding or cutting making use of shielding gas and of a non-consumable electrode
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
- B23K9/0953—Monitoring or automatic control of welding parameters using computing means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Arc Welding In General (AREA)
Abstract
本发明公开了一种交流钨极氩弧焊电弧声音信号特征快速提取方法,本发明结合了焊接过程电弧声音的产生机理,利用交流电的正负转换特性,对感兴趣的声音衰减区信号进行截取,并丢弃平稳区的声音信号,一方面降低了噪音干扰,提高信息的利用率,其次,通过对比电流上升沿及下降沿的声音衰减信号,选择与熔透更为相关的信息,提高了声音信号的物理意义,简化了声音信号的特征提取方法,并提高特征的表征能力及鲁棒性,有助于提高实际生产应用的稳定性及准确度。本发明计算方法简单快速,优化特征的状态响应良好,实时性好,鲁棒性强,工程实用性高,为实现交流钨极氩弧焊的在线监测及焊缝质量准确检测提供有效的技术实现途径。
Description
技术领域
本发明属于机器人焊接制造领域,具体涉及一种交流钨极氩弧焊电弧声音信号特征快速提取方法。
背景技术
铝合金交流钨极氩弧焊是航空航天关键构件中的主要焊接成形制造方法之一,确保其焊接质量至关重要。在机器人推广应用及智能制造需求背景下,实现焊接过程状态监测及检测对提高焊接质量稳定性,推动焊接智能制造具有重要意义。自动化弧焊技术的应用范围仅仅限制于结构单一,形状固定的焊接工件,而对于那些形状较复杂、工作环境不可预测以及质量要求较高的焊接试件,还是需要经验丰富的焊接工人才能自主的适应变化的环境,并得到较高的焊接质量。高效稳定的传感技术及全面的过程信息是机器人足够“智慧”并实现智能制造的关键。现有焊接过程检测技术主要基于熔池视觉图像、电弧声音、磁光成像、X射线、电弧光谱以及多信息融合等。经验丰富的焊工可“听”出焊接熔透及质量的状态,进而实时调整送丝参数等。可听声音感知技术相比其他传感技术,有着独特的优势,利用非接触的拾音器及放大器实时获取焊接声音信号,基于信号处理及模式识别算法实现熔透状态的在线监测及识别,尤其是快速而准确的特征提取技术,对实现精确的熔透判断,推动机器人焊接自动化及智能化发展具有重要意义。
交流钨极氩弧焊最大的特点是,电流极性的正负转换,这也正是产生电弧声音的能量来源。焊接电流在极性转换时,经过零点,电弧会经历熄弧和重燃。电弧重燃时会对液态熔池产生瞬间冲击振荡,此时由电弧、液态熔池、钨极形成了谐振腔,熔池谐振对电弧声的影响通过振荡在谐振腔的传递而表现出来,待电流稳定后,振荡逐渐衰减。声音信号表现为冲击振荡衰减直至平稳的形态。焊接电弧的有效声音信息主要包含在冲击峰值及振荡衰减区,平稳区几乎无声音或与焊接熔透相关的信息很少。现有的特征提取方法主要有时域统计特征法,频域能量法,小波时频分析法以及语音倒谱特征法。中国专利号CN102528225A发明了一种GTAW焊接熔透状态的声音信号传感及预测方法,从脉冲峰值信号中分别提取LPCC线性倒谱系数及Mel倒谱系数作为焊缝HMM熔透预测模型的特征参数输入,实现熔透的实时检测。
焊接声音信号噪音大,有效特征提取困难,在线检测方法可靠性及准确度低。目前针对电弧声音信号降噪方法研究较少,如何解决噪音干扰,从大量的噪音及冗余信息中实现有效声音成分的筛选对实际生产应用极为重要。现有的声音特征提取方法存在一定局限性,没有结合声音的产生机理进行有效地特征获取,得到的特征对焊接过程熔透的表征能力较弱,只能依赖后期的智能识别算法来提高熔透的识别精度,对不同焊接材料和工艺的通用性及鲁棒性不高,难以在实际生产中推广应用。
发明内容
本发明的目的在于克服上述不足,提供一种交流钨极氩弧焊电弧声音信号特征快速提取方法,本方法简单快速,优化特征的状态响应良好,实时性好,鲁棒性强,工程实用性高。
为了达到上述目的,本发明包括以下步骤:
步骤一,同步采集焊接过程的交流电信号和焊接电弧声音信号,去除声音信号中的直流分量,降低高频噪音,减小平稳区声音噪音而得到声音信号S(t)及电流信号I(t);
步骤二,判断电流信号I(t)的正负极切换时刻,找到电流的上升沿及下降沿时刻,分别截取对应时刻下的一段声音信号,丢弃振荡平稳区信号,得到振荡衰减区声音信号;
步骤三,对振荡衰减区声音信号,进行能量统计特征提取;
步骤四,将声音信息的能量统计特征提取,利用Fisher距离判据,对比上升沿与下降沿能量特征参数,选择对应的特征参数,表征焊接过程动态过程,评价焊接过程的稳定性及熔透状态。
步骤一中,电流信号采用霍尔传感器获取,声音传感器频率响应范围20Hz~20kHz;交流电信号和焊接电弧声音信号通过工控机数据采集卡实现同步采集,采样率相同,不低于40kHz。
步骤一中,降低高频噪音采用sym9小波三层软阈值降噪法,具体是将高频噪音分为高频系数d1层、高频系数d2层和高频系数d3层,高频系数d1层信号频域范围为8000~20000Hz,高频系数d2层信号频域范围为4000~13600Hz,高频系数d3层信号频域范围为2000~6500Hz,设定软阈值分别对小波高频系数d1,高频系数d2及高频系数d3进行降噪,完成降噪得到声音信号S(t)。
步骤二中,电流正负极切换时刻,根据电流幅值的正负进行判断,找到上升沿和下降沿的切换时刻t,截取对应时刻的振荡衰减区声音信号S(t-30)~S(t+100),从而得到振荡衰减区声音信号。
步骤三中,能量统计特征为声音信号幅值的平方和。
步骤四中,利用Fisher距离判据时,分别用未熔透,正常熔透及焊漏三类不同状态下的声音振荡衰减特征参数进行计算,该值越大,进而选择出来作为焊接过程状态对应的特征参数。
步骤四中,Fisher判据通过计算不同状态样本特征的类间距Sb与类内距Sw的比值,量化特征参数对不同熔透状态的区分效果,计算公式如下:
其中c和k分别代表了有c个类,每个类中有k个特征值,即输入有c种熔透状态的k个特征值,fk是输入的特征值,μi是该类特征值各样本的均值,μ为特征值各样本均值。
与现有技术相比,本发明结合了焊接过程电弧声音的产生机理,利用交流电的正负转换特性,对感兴趣的声音衰减区信号进行截取,并丢弃平稳区的声音信号,一方面降低了噪音干扰,提高信息的利用率,其次,通过对比电流上升沿及下降沿的声音衰减信号,选择与熔透更为相关的信息,提高了声音信号的物理意义,简化了声音信号的特征提取方法,并提高特征的表征能力及鲁棒性,有助于提高实际生产应用的稳定性及准确度。本发明计算方法简单快速,优化特征的状态响应良好,实时性好,鲁棒性强,工程实用性高,为实现交流钨极氩弧焊的在线监测及焊缝质量准确检测提供有效的技术实现途径。
附图说明
图1为本发明的流程图;
图2为本发明实施例1中焊接过程传感器安装及采集示意图;
图3为本发明实施例1中待焊工件尺寸及坡口形式;其中a为主视图,b为侧视图,c为俯视图;
图4为本发明实施例1中声音信号降噪前后的时域图;
图5为本发明实施例1中声音信号降噪前后的频谱图;
图6为本发明实施例1中电流信号上升沿及下降沿对应截取的声音信号衰减区的示意图;
图7为本发明实施例1中上升沿和下降沿声音衰减区信号的能量特征参数曲线;
图8为本发明实施例2中焊接试件预置熔透状态的尺寸示意图;
图9为本发明实施例2中上升沿和下降沿声音衰减区信号的能量特征参数曲线;
图10为本发明实施例3中焊接试件预置熔透状态的尺寸示意图;其中,a为主视图;b为俯视图;
图11为本发明实施例3中上升沿和下降沿声音衰减区信号的能量特征参数曲线;
其中,1-焊枪,2-工件,3-传声器,4-霍尔电流传感器,5-信号调理器,6-数据采集卡。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
声音传感信号与电流传感信号的采集为已有技术,在此仅对所需要的关键参数提出要求并简单说明。采用霍尔传感器获取焊接过程中的交流电电流信号,型号不限,由于钨极氩弧焊起弧瞬间带有高频高压的特征,需要做好防高频保护,以防烧穿数据采集卡。传声器频率响应范围20Hz~20kHz,需配有相应的信号调理器,以完成对信号的放大,模数转换及降噪。两种信号通过工控机数据采集卡实现同步采集,单个信号的采样率不低于40kHz。
参见图1,本发明包括以下步骤:
步骤一,将传声器探头刚性固定与机器人末端轴,确保麦克风正对电弧,与焊枪轴线夹角大于60度;此外尽可能使得噪声源(如焊机,冷却系统等)偏离麦克风接收方向。如图2所示为焊接过程传感器安装及采集示意图。
步骤二,以采样率40kHz同步采集焊接过程的交流电信号及焊接电弧声音信号。对实时获得的声音信号进行预处理。首先采用平均法消除声音信号中的直流分量,
s=s-mean(s);其中s为采集到的声音信号。
采用sym9小波三层软阈值降噪法对声音信号进行降噪处理。得到的高频系数d1层信号频域范围为8000~20000Hz,高频系数d2层信号频域范围为4000~13600Hz,高频系数d3层信号频域范围为2000~6500Hz。设定软阈值分别对小波高频系数d1,高频系数d2及高频系数d3进行降噪。高频系数d1层阈值的选取以最大程度去除平稳区信号为原则,高频系数d1取0.054,保留了大于该阈值的衰减区信号;高频系数d2层阈值同理,参照信号平稳区系数选取进而将衰减区信号保留,高频系数d2取0.042;高频系数d3层阈值取0,该层信号全部保留,得到预处理后的声音信号S(t);
步骤三,对步骤一中得到的电流信号I(t),从中寻找交流正负极的切换时刻。判断I(t+1)、I(t+2)及I(t+3)>I(t)>0,同时,I(t-1)、I(t-2)及I(t-3)<I(t)<0,则t时刻为上升沿,电流从负极向正极转换。对步骤二中得到的声音信号S(t),截取相对应的声音衰减区信号S(t-30)~S(t+100),丢弃振荡平稳区信号,另存到新的数据文件Sss(tt)中;同理,判断电流的下降沿,I(t+1),I(t+2)及I(t+3)<0,同时,I(t-1),I(t-2),I(t-3)>0,则t时刻为下降沿,电流从正极向负极转换,截取下降沿电流对应的声音衰减区信号,长度以覆盖衰减范围为准,下降沿对应衰减区声音信号存为数据文件Sxj(tt);
步骤四,对步骤三中得到的振荡衰减区声音信号Sss(tt)及Sxj(tt),分别取四个上升沿或下降沿对应的电弧声信号为一个样本,计算每个样本的能量特征值,如下式:
E=∑x2;其中x为电弧声信号的幅值S(t)。
步骤五,设计未熔透,正常熔透及焊漏三类不同的熔透焊接实验,重复步骤一至四,计算得到声音信号能量统计特征,进行归一化处理。利用Fisher距离判据对比上升沿与下降沿的能量特征参数,定量评价特征参数对焊接动态过程的表征能力。
Fisher判据通过计算不同状态样本特征的类间距Sb与类内距Sw的比值,量化特征参数对不同熔透状态的区分效果。其计算公式如下:
其中c和k分别代表了有c个类,每个类中有k个特征值,即输入有c种熔透状态的k个特征值,fk是输入的特征值,μi是该类特征值各样本的均值,μ为特征值各样本均值
该值越大,说明特征对以上三类的可分性越好,对熔透状态越敏感,作为焊接过程状态监测参数。
实施例1:
图3为本实施例中待焊铝-镁合金工件尺寸及坡口形式。采用对接开Y型坡口交流填丝脉冲钨极氩弧焊,交流频率为70Hz。采用脉冲电流的峰值电流240A,基值电流50A,脉冲频率为1Hz,送丝速度12mm/s,保护气体氩气流量15L/min,钨极直径3.2mm,焊丝直径1.6mm。开始焊接前,通过机器人控制面板设置焊接速度为16cm/min,焊接路径为直线,行走长度为240mm。起弧成功后由焊机向计算机发送信号,计算机收到后启动采集卡,同步采集电流及声音信号。
本实施例中通过取消焊前预热来制造未熔透状态。起弧完成后机器人立即开始行走焊接,初始阶段由于温度较低产生未焊透缺陷。按照本发明步骤二对声音信号进行预处理及降噪,如图4和图5所示为声音信号降噪前后的时域图及频谱图。按照本发明步骤三,根据电流信号的上升沿及下降沿截取声音信号的衰减区,如图6所示。按照本发明步骤四,分别计算得到上升沿和下降沿声音衰减区信号的特征参数监测曲线,如图7所示。上升沿特征参数对未焊透区域的响应要优于下降沿。初始未焊透阶段的上升沿声音特征参数幅值低于后期正常熔透的特征幅值,表明了该上升沿特征值对未熔透的表征及监测能力。
实施例2:
采用与实施例1相同的焊接工艺参数。为检验所提方法对焊漏缺陷的响应能力,焊接开始前,在焊件背面钻孔制造小尺寸焊穿缺陷,如图8所示,分别在焊件长度的1/4、1/2和3/4处钻直径为10mm、深度为1mm的孔,焊缝初始位置处存在未焊透缺陷,钻孔的三处存在焊穿缺陷,其余位置处熔透状态正常。按照本发明步骤一至四,分别计算得到上升沿和下降沿声音衰减区信号的特征参数监测曲线,如图9所示。在焊漏时刻对应的特征参数幅值小于正常熔透。
实施例3:
采用与实施例1相同的焊接工艺参数。将工件背面的后半段铣去一定厚度进行焊穿缺陷的重复实验,具体尺寸如图10所示,产生焊穿缺陷如图11所示,焊接初始位置时存在一定的未焊透缺陷,随着焊接的进行,熔透状态逐渐正常,在铣槽的前半段产出了焊漏缺陷,之后熔透逐渐恢复正常。利用本发明步骤计算得到,分别计算得到上升沿和下降沿声音衰减区信号的特征参数监测曲线,如附图所示。在初期未焊透状态的特征值小于正常熔透,焊漏时刻对应的特征参数幅值出现明显地减小。依据本发明的步骤五计算上升沿及下降沿声音衰减区能量特征对上述实施例1、2及3中不同熔透状态的Fisher判据值,如下表1所示.
表1声音衰减区能量特征对不同熔透状态的定量对比
表1中上升沿对应的特征Fisher判据值大于下降沿特征,说明上升沿声音衰减信号对熔透状态更为敏感,可以更好地表征焊接熔透状态及焊缝质量,可选为实际生产应用中的监测参数。
通过上述实验及实施例结果可见,采用本发明的声音信号快速特征提取方法,可以结合声音信号的产生机理,利用电流交流的正负转换特性,实现感兴趣的声音衰减区信号快速截取,极大地降低了信号噪音,提高了信噪比;进一步提取的能量统计特征参数,计算方法简单快速,通过Fisher判据定量评判了特征参数对不同熔透状态的敏感程度,实现了对特征参数的优化选择,大大提高过程监测的准确度及敏感度。本发明所提出的方法具有计算简单,实时性好,鲁棒性高等特点,为实现交流钨极氩弧焊的在线监测及焊缝质量准确检测提供了有效的技术手段。
Claims (7)
1.一种交流钨极氩弧焊电弧声音信号特征快速提取方法,其特征在于,包括以下步骤:
步骤一,同步采集焊接过程的交流电信号和焊接电弧声音信号,去除声音信号中的直流分量,降低高频噪音,减小平稳区声音噪音而得到声音信号S(t)及电流信号I(t);
步骤二,判断电流信号I(t)的正负极切换时刻,找到电流的上升沿及下降沿时刻,分别截取对应时刻下的一段声音信号,丢弃振荡平稳区信号,得到振荡衰减区声音信号;
步骤三,对振荡衰减区声音信号,进行能量统计特征提取,能量统计特征为声音信号幅值的平方和,完成提取。
2.根据权利要求1所述的一种交流钨极氩弧焊电弧声音信号特征快速提取方法,其特征在于,步骤一中,电流信号采用霍尔传感器获取,声音传感器频率响应范围20Hz~20kHz;交流电信号和焊接电弧声音信号通过工控机数据采集卡实现同步采集,采样率相同,不低于40kHz。
3.根据权利要求1所述的一种交流钨极氩弧焊电弧声音信号特征快速提取方法,其特征在于,步骤一中,降低高频噪音采用sym9小波三层软阈值降噪法,具体是将高频噪音分为高频系数d1层、高频系数d2层和高频系数d3层,高频系数d1层信号频域范围为8000~20000Hz,高频系数d2层信号频域范围为4000~13600Hz,高频系数d3层信号频域范围为2000~6500Hz,设定软阈值分别对小波高频系数d1,高频系数d2及高频系数d3进行降噪,完成降噪得到声音信号S(t)。
4.根据权利要求1所述的一种交流钨极氩弧焊电弧声音信号特征快速提取方法,其特征在于,步骤二中,电流正负极切换时刻,根据电流幅值的正负进行判断,找到上升沿和下降沿的切换时刻t,截取对应时刻的振荡衰减区声音信号S(t-30)~S(t+100),从而得到振荡衰减区声音信号。
5.根据权利要求1所述的一种交流钨极氩弧焊电弧声音信号特征快速提取方法,其特征在于,步骤三中,完成提取后,将声音信息的能量统计特征提取,利用Fisher距离判据,对比上升沿与下降沿能量特征参数,选择对应的特征参数,表征焊接过程动态过程,评价焊接过程的稳定性及熔透状态。
6.根据权利要求5所述的一种交流钨极氩弧焊电弧声音信号特征快速提取方法,其特征在于,步骤四中,利用Fisher距离判据时,分别用未熔透,正常熔透及焊漏三类不同状态下的声音振荡衰减特征参数进行计算,选择最大计算值作为焊接过程状态对应的特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983432.7A CN109128446B (zh) | 2018-08-27 | 2018-08-27 | 一种交流钨极氩弧焊电弧声音信号特征快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983432.7A CN109128446B (zh) | 2018-08-27 | 2018-08-27 | 一种交流钨极氩弧焊电弧声音信号特征快速提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109128446A CN109128446A (zh) | 2019-01-04 |
CN109128446B true CN109128446B (zh) | 2020-03-31 |
Family
ID=64828443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810983432.7A Active CN109128446B (zh) | 2018-08-27 | 2018-08-27 | 一种交流钨极氩弧焊电弧声音信号特征快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109128446B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408483A (zh) * | 2021-07-14 | 2021-09-17 | 宝钢日铁汽车板有限公司 | 基于卷积自编码网络的焊机焊接过程异常状态检测方法 |
CN116453537B (zh) * | 2023-06-15 | 2023-09-05 | 广州磐钴智能科技有限公司 | 一种提高音频信息传输效果方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02217171A (ja) * | 1989-02-15 | 1990-08-29 | Hitachi Ltd | アーク長検出装置,アーク長検出方法,トーチ高さ制御装置,トーチ高さ制御方法,自動溶接装置並びに自動溶接方法 |
CN102528225A (zh) * | 2012-02-09 | 2012-07-04 | 上海市特种设备监督检验技术研究院 | 一种gtaw焊接熔透状态的声音信号传感及预测方法 |
CN106808063A (zh) * | 2017-02-22 | 2017-06-09 | 重庆理工大学 | 一种基于电弧声发射信号传感监测电弧弧长的方法 |
CN108326393A (zh) * | 2018-03-07 | 2018-07-27 | 西安交通大学 | 机器人电弧焊焊接过程控制及多传感信号同步采集系统及方法 |
CN108422069A (zh) * | 2018-03-05 | 2018-08-21 | 唐山松下产业机器有限公司 | 降低焊机电弧噪音的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8426771B2 (en) * | 2010-02-11 | 2013-04-23 | Korea Institute Of Science And Technology | Method of monitoring machine condition |
-
2018
- 2018-08-27 CN CN201810983432.7A patent/CN109128446B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02217171A (ja) * | 1989-02-15 | 1990-08-29 | Hitachi Ltd | アーク長検出装置,アーク長検出方法,トーチ高さ制御装置,トーチ高さ制御方法,自動溶接装置並びに自動溶接方法 |
CN102528225A (zh) * | 2012-02-09 | 2012-07-04 | 上海市特种设备监督检验技术研究院 | 一种gtaw焊接熔透状态的声音信号传感及预测方法 |
CN106808063A (zh) * | 2017-02-22 | 2017-06-09 | 重庆理工大学 | 一种基于电弧声发射信号传感监测电弧弧长的方法 |
CN108422069A (zh) * | 2018-03-05 | 2018-08-21 | 唐山松下产业机器有限公司 | 降低焊机电弧噪音的方法及系统 |
CN108326393A (zh) * | 2018-03-07 | 2018-07-27 | 西安交通大学 | 机器人电弧焊焊接过程控制及多传感信号同步采集系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109128446A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | A neural network and multiple regression method for the characterization of the depth of weld penetration in laser welding based on acoustic signatures | |
CN109128446B (zh) | 一种交流钨极氩弧焊电弧声音信号特征快速提取方法 | |
CN105921854B (zh) | 一种旋转电弧窄间隙mag焊焊缝偏差识别装置及方法 | |
CN102528225B (zh) | 一种gtaw焊接熔透状态的声音信号传感及预测方法 | |
CN102049613A (zh) | 基于特征元素等离子体光信号的镀锌钢激光添粉焊接过程中焊接缺陷的在线诊断方法 | |
Huang et al. | Feasibility study of using acoustic signals for online monitoring of the depth of weld in the laser welding of high-strength steels | |
US20090188903A1 (en) | Method for welding process consistency | |
Wang et al. | Analysis of arc sound characteristics for gas tungsten argon welding | |
Pal et al. | Prediction of metal deposition from arc sound and weld temperature signatures in pulsed MIG welding | |
Wu et al. | A prediction model for keyhole geometry and acoustic signatures during variable polarity plasma arc welding based on extreme learning machine | |
CN112157368A (zh) | 一种激光非熔透焊接焊缝熔深无损检测方法 | |
CN101905380A (zh) | 一种确定薄板全熔透激光焊工艺参数的方法 | |
Gao et al. | Synchronized monitoring of droplet transition and keyhole bottom in high power laser-MAG hybrid welding process | |
CN109290664B (zh) | 基于声音传感与电流控制的k-tig焊熔透监控系统与方法 | |
Lv et al. | Automatic measuring and processing system of audio sensing for real-time arc height control of pulsed GTAW | |
Pal et al. | Multisensor-based monitoring of weld deposition and plate distortion for various torch angles in pulsed MIG welding | |
Zhao et al. | GMAW metal transfer mode identification from welding sound | |
Liu et al. | Feature extraction and dimensionality reduction of arc sound under typical penetration status in metal inert gas welding | |
Polajnar et al. | ARC welding process monitoring by audible sound | |
CN107214409B (zh) | 一种电子束深熔焊穿透成形实时监控检测方法 | |
Lv et al. | Research on welding penetration state recognition based on BP-Adaboost model for pulse GTAW welding dynamic process | |
Zhao et al. | Statistical characteristics of gas metal arc welding (GMAW) sound | |
CN1105617C (zh) | 等离子焊接熔池穿孔状态的电弧电压传感方法及其系统 | |
CN114918517B (zh) | 一种实时检测螺柱焊接过程中焊接气孔的方法 | |
CN106808063B (zh) | 一种基于电弧声发射信号传感监测电弧弧长的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |