CN110824006B - 一种基于智能声信息识别的焊后焊缝冲击质量判别方法 - Google Patents

一种基于智能声信息识别的焊后焊缝冲击质量判别方法 Download PDF

Info

Publication number
CN110824006B
CN110824006B CN201911088740.4A CN201911088740A CN110824006B CN 110824006 B CN110824006 B CN 110824006B CN 201911088740 A CN201911088740 A CN 201911088740A CN 110824006 B CN110824006 B CN 110824006B
Authority
CN
China
Prior art keywords
impact
acoustic signal
treatment
quality
weld
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
Application number
CN201911088740.4A
Other languages
English (en)
Other versions
CN110824006A (zh
Inventor
华亮
蒋凌
顾菊平
卢成
张堃
曹科才
商亮亮
张齐
王胜锋
葛雨暄
凌子茜
缪嘉伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Original Assignee
Nantong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN201911088740.4A priority Critical patent/CN110824006B/zh
Publication of CN110824006A publication Critical patent/CN110824006A/zh
Priority to US17/288,560 priority patent/US11927563B2/en
Priority to PCT/CN2020/124189 priority patent/WO2021068983A1/zh
Application granted granted Critical
Publication of CN110824006B publication Critical patent/CN110824006B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • G01N33/207—Welded or soldered joints; Solderability
    • 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
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/006—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
    • 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
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125—Weld quality monitoring
    • 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
    • B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor
    • G01N29/348—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor with frequency characteristics, e.g. single frequency signals, chirp signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0234—Metals, e.g. steel
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/267—Welds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/267—Welds
    • G01N2291/2675—Seam, butt welding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/08—Mouthpieces; Microphones; Attachments therefor

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明属于机械控制领域，公开了一种基于智能声信息识别的焊后焊缝冲击质量判别方法，包括：控制超声冲击枪枪头以不同的处理压力、处理速度、处理角度和冲击频率对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，计算声信号的特征值，构建包含多种应力处理情况的声信号样本集；根据焊后焊缝的冲击处理质量测定结果对声信号样本集进行标注；建立多权值神经网络模型，并利用经过标注的声信号样本集对多权值神经网络模型进行训练；获取待判别焊后焊缝冲击处理声信号的特征值，并将特征值输入经过训练的多权值神经网络，输出待判别焊后焊缝冲击处理质量的判断结果。该方法识别准确、监测成本低且不用对焊件造成破坏。

Description

一种基于智能声信息识别的焊后焊缝冲击质量判别方法
技术领域
本发明涉及机械控制领域，尤其涉及一种基于智能声信息识别的焊后焊缝冲击质量判别方法。
背景技术
焊接作为制造业中不可或缺的重要一环，正在从低功率、低精度的低质量焊接往大功率、高精度的高质量焊接发展，这其中焊接完成后的应力处理在整个高质量焊接过程中就显得尤为重要。焊接完成后的不均匀温度场会导致焊缝中的应力分布不均，从而降低焊件的抗屈服强度、抗疲劳强度，严重会导致焊件形变，焊缝开裂等严重后果。现有的焊缝残余应力的方法中消除质量较好的是超声冲击法，超声冲击技术是一种高效的消除部件表面或焊缝区有害残余拉应力、引进有益压应力的方法。超声冲击设备利用大功率的能量推动冲击头以每秒约2万次的频率冲击金属物体表面，高频、高效和聚焦下的大能量使金属表层产生较大的压缩塑性变形；同时超声冲击改变了原有的应力场，产生有益的压应力；高能量冲击下金属表面温度极速升高又迅速冷却，使作用区表层金属组织发生变化，冲击部位得以强化。
超声冲击法操作过程中的处理速度、压力、角度、钢材种类、厚度等因素都决定了超声冲击法处理效果的好坏，但这些因素难以在操作过程中测量及量化。由于，操作过程中超声冲击声音信号的时频域的特征中包含很多信息，这些声信号特征是操作过程中外界因素的综合体现，决定了超声冲击的质量。作用在焊件焊缝上的超声冲击质量直接决定了焊缝残余应力消除的程度。因此，亟待寻找一种基于智能声信息识别的焊后焊缝接冲击质量的判别方法。
发明内容
有鉴于此，本发明的目的在于提供一种基于智能声信息识别的焊后焊缝冲击质量判别方法，该方法识别准确、监测成本低且不用对焊件造成破坏。
为实现以上目的，本发明提供了一种基于智能声信息识别的焊后焊缝冲击质量判别方法，包括以下步骤：
S1.控制超声冲击枪枪头以不同的处理压力、处理速度、处理角度和冲击频率对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，计算声信号的特征值，构建包含多种应力处理情况的声信号样本集；
S2.测定步骤S1中所述焊后焊缝的冲击处理质量，并根据测定结果对所述声信号样本集进行标注；
S3.建立多权值神经网络模型，并利用经过步骤S2标注得到的声信号样本集对所述多权值神经网络模型进行训练，得到可用于焊后焊缝冲击质量判别的多权值神经网络；
S4.获取待判别焊后焊缝冲击处理声信号的特征值，并将所述特征值输入步骤S3处理得到的多权值神经网络，输出待判别焊后焊缝冲击处理质量的判断结果。
优选的，所述特征值包括短时过零率、短时能量、短时平均幅度和短时零能比。
优选的，所述步骤S2具体为：
分别测定焊后焊缝冲击处理前后的应力并计算应力消除率，所述应力消除率的计算公式为：消除率＝(焊后焊缝冲击处理后的应力/焊后焊缝冲击处理前的应力)*100％；
若所述应力消除率高于70％，则标注为冲击质量合格；
若所述应力消除率低于70％，则标注为冲击质量不合格。
本发明还提供了一种基于智能声信息识别的焊后焊缝冲击质量判别系统，包括：
声音信号采集硬件平台，所述声音信号采集硬件平台用于采集焊后焊缝冲击处理过程中的声信号；
信号处理与特征提取模块，所述信号处理与特征提取模块用于对所述声信号进行滤波预处理并计算特征值；
判别模块，所述判别模块用于将所述特征值输入多权值神经网络并输出质量判别结果，所述多权值神经网络为经过训练后可用于判别焊后焊缝冲击质量的多权值神经网络。
优选的，所述声音信号采集硬件平台包括：
超声冲击枪、移动操作平台、自由场传声器和声音振动分析仪；
所述超声冲击枪，用于对待处理焊件焊缝的焊趾部位进行焊缝残余应力处理；
所述待处理焊件固定安装在所述移动操作平台上；
所述移动操作平台用于带动所述待处理焊件沿焊缝长度方向移动，以实现所述超声冲击枪沿所述待处理焊件焊缝的焊趾移动，处理焊缝残余应力；
所述自由场传声器放置在以所述超声冲击枪的枪头为圆心且半径为1.5m的圆中，用于采集整个处理过程中的声音的模拟信号，并传输到所述声音振动分析仪；
所述声音振动分析仪用于将接受到的声音的模拟信号转化为数字化的声信号。
信号处理与特征提取模块和判断模块设置在PC机中，声音振动分析仪将数字化的声信号发送至PC机，并存储在PC机中，信号处理与特征提取模块对所述声信号进行滤波预处理并计算特征值，然后将得到的声信号特征值输入判断模块，由判断模块输出质量判断结果。
与现有技术相比，本发明提供的基于智能声信息识别的焊后焊缝冲击质量判别方法，对超声应力处理过程中的声信号进行特征提取，使用多权值神经网络算法进行模式辨识，无需破坏焊件，便可以快速准确地判断焊后焊缝应力处理质量，成本低廉。极大地提高了应力消除工艺的可靠性，进而提高焊接过程的整体质量。
附图说明
图1为本发明提供的基于智能声信息识别的焊后焊缝冲击质量判别方法流程图；
图2为本发明提供的基于智能声信息识别的焊后焊缝冲击质量判别系统结构图；
图3为本发明提供的基于智能声信息识别的焊后焊缝冲击质量判别系统中声音信号采集硬件平台的结构图；
图4是本发明中声音信号采集硬件平台采集到的声音波形经过巴特沃斯滤波器滤波前后的波形频域图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了使本技术领域的技术人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
多权值神经网络可以实现对复杂高维空间的最优覆盖，以样本为神经元节点，以最短的欧式距离来构造超几何形体描述某一类神经元，从而构成复杂的训练空间，实现分类识别功能。应用于本专利中的多权值神经网络是由两个高维空间中的几何体构成，分别代表焊后应力处理质量合格与不合格。每一个几何体都是以训练样本作为为神经元节点，以节点间最短的欧式距离来构造。几何体的数学模型设置了权重参数和偏置参数，可以根据不同的训练样本拟合最佳的高维空间覆盖，实现最优辨识。
本发明提供的一种基于智能声信息识别的焊后焊缝冲击质量判别方法，如图1所示，包括以下步骤：
S1.控制超声冲击枪枪头以不同的处理压力、处理速度、处理角度和冲击频率对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，计算声信号的特征值，构建包含多种应力处理情况的声信号样本集；
具体处理过程为：控制超声冲击枪枪头以不同的处理压力(冲击枪头相对于焊缝焊趾的压力)、处理速度(冲击枪头相对于焊缝焊趾的速度)、处理角度(冲击枪头相对于焊缝焊趾的角度)和冲击频率(压电陶瓷堆振动频率)对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，譬如：控制超声冲击枪枪头以处理压力分别为3Kg、4Kg、5Kg，处理速度为16cm/min、32cm/min，处理角度为45°、60°，冲击频率为控制器占空比的60％、85％分别组合对焊缝焊趾部位进行处理，获得人为制造的多种应力处理情况下的声信号样本。
由于实际采集过程中的环境并不是封闭的，即采集的声信号中必然存在干扰噪声，需要对其进行滤波处理，所以使用傅立叶变换将时域上的声信号转化为频域上的声信号，采用巴特沃斯滤波器对频域上的声信号进行滤波。巴特沃斯滤波器具有最大平坦幅度响应，可以有效的去频域上的声信号中的高频信号，其幅值平方函数为：
Figure BDA0002266219850000021
式中N为滤波器的阶数，ωc为低通滤波器的截止频率。N值越大，过渡带越抖，通带和阻带的近似性也越好，巴特沃斯滤波器在衰减斜率、线性相位与加载特性三个方面都有特性均衡的优点，可以有效的去频域上的声信号中的高频信号。图4是本发明中采集到的声音波形经过巴特沃斯滤波器滤波前后的波形频域图。
对声信号进行滤波后，对声信号进行分帧处理来提取它的短时特征，选取短时加窗技术进行分帧处理，其所用的窗口是汉明窗，窗口长度为1024，重叠50％进行分帧。
接着从时域上可以提取声音信号的短时过零率、短时平均幅度、短时能量和短时零能比。
(1)短时过零率特征
短时过零率是指在一帧信号里信号通过零值得次数。短时过零率Zn的计算公式如下：
Figure BDA0002266219850000031
式中：x(m)代表在时间m上声信号的幅值，n代表当前的采样时间点，N为汉明窗的长度，xω(m)代表x(m)经过加窗处理以后的信号。
(2)短时能量
在不同的变量下，超声冲击枪冲击焊缝的声音信号的能量有显著的区别。短时能量En的计算公式如下：
Figure BDA0002266219850000032
(3)短时平均幅度
短时能量是指在一帧信号里的声信号的平方和，短时平均幅度Mn是用过计算其绝对值之和来衡量声信号变化幅度。短时能量Mn的计算公式如下：
Figure BDA0002266219850000033
(4)短时零能比
短时零能比是一帧信号内的过零率和短时能量的比值，短时零能比ZERn计算公式如下：
ZERn＝Zn/En
S2.测定焊后焊缝的冲击处理质量，并根据测定结果对所述声信号样本集进行标注；
对每一个处理完成的焊件的焊后焊缝按照《中华人民共和国国家金属材料残余应力测定压痕应变法》标准进行测定，测定过程采用电阻应变片作为测量用敏感元件，在应变花中心部位采用冲击加载制造压痕，通过应变仪记录压痕区外弹性区应变增量的变化，从而获得对应于残余应力大小的真实弹性应变，求出应力的大小。
计算应力消除率，应力消除率的计算公式为：应力消除率＝(焊后焊缝冲击处理后的应力/焊后焊缝冲击处理前的应力)*100％；该公式中，焊后焊缝冲击处理前的应力即为整个焊接件的应力；若应力消除率高于70％，则标记为冲击质量合格；若所述应力消除率低于70％，则标记为冲击质量不合格。
S3.建立多权值神经网络模型，并利用经过步骤S2标注得到的声信号样本集对所述多权值神经网络模型进行训练，得到可用于焊后焊缝冲击质量判别的多权值神经网络；
第1步：将训练样本采集模块采集的每个声信号的四个特征作为一个特征向量样本点记作A1,A2,…,AN，计算特征样本集合中任意两点之间的距离，并存储在N×N维的矩阵A中，其中Aij表示声信号特征样本点Ai到Aj的距离，且Aii＝0(i＝1,2,...,N)。
第2步：在N×N维的矩阵A中找到最小值，其下脚标对应的位置即为要找的距离最近的两个声信号特征样本点序号，记为P11和P12，并用其对应的两个声信号特征样本点构造的第一个神经元。
第3步：在声信号特征样本点集合{A1,A2,…,AN}中删掉被θ1覆盖的点，在剩下的声信号特征样本点集合中，计算每个点分别到点P11和点P12的距离，找到其中距离最短的两点，记为P21和P22，用声信号特征样本点P21和P22构造MDOFNN的第二个神经元，记作θ2。
第4步：遵循第3步，继续对余下的声信号特征样本点进行处理，计算得到Pi1Pi2，构造第i个神经元，记作θi
第5步：当i＝N-1时，说明已经处理完声信号特征样本点集合中的所有点，得到N-1个相连的神经元折线模型。
最终算法迭代获得了“处理质量合格”与“处理质量不合格”这两个多权值神经元覆盖区域，计算测试样本与代表焊后焊缝应力处理质量的两个多权值神经元网络覆盖区之间的欧式距离，与“处理质量合格”多权值神经元覆盖区域欧式距离较近的那一类即为该测试样本中的焊后焊缝应力处理质量合格的情况，与“处理质量不合格”多权值神经元覆盖区域欧式距离较近的那一类即为该测试样本中的焊后焊缝应力处理质量不合格的情况。经过多个测试样本实验，验证多权值神经网络的识别准确率可以达到95％以上。
S4.获取待判别焊后焊缝冲击处理声信号的特征值，并将所述特征值输入经过步骤S4训练得到的多权值神经网络，输出待判别焊后焊缝冲击处理质量的判断结果，即判断待判别焊后焊缝冲击处理为“处理质量合格”，还是“处理质量不合格”。
本发明还提供了一种基于智能声信息识别的焊后焊缝冲击质量判别系统，如图2所示，该系统包括：声音信号采集硬件平台，用于采集焊后焊缝冲击处理过程中的声信号；信号处理与特征提取模块，用于对所述声信号进行滤波预处理并计算特征值；判别模块，用于将信号处理与特征提取模块计算得到的特征值输入多权值神经网络并输出质量判别结果，该多权值神经网络为经过训练后可用于判别焊后焊缝冲击质量的多权值神经网络。该系统中声音信号采集硬件平台，系统结构如图3所示，包括：超声冲击枪1、移动操作平台2、待处理焊件3、自由场传声器4、声音振动分析仪5和PC机6，其中，超声冲击枪1的位置固定不变，待处理焊件3固定在移动操作平台2上，移动操作平台2可沿待处理焊件3长度方向与超声冲击枪1形成相对运动，随着移动操作平台2带着待处理焊件3的移动，超声冲击枪1对待处理焊件3焊缝的焊趾进行焊缝残余应力处理。自由场传声器4放置在以超声冲击枪1的枪头为圆心且半径为1.5m的圆中，用于采集整个处理过程中的声音的模拟信号，并传输到声音和振动分析仪5；声音振动分析仪5将接受到的声音的模拟信号转化为数字化的时域声信号。然后声音振动分析仪5再将接受到的声信息再传送给PC机6，由PC机6以文件的形式存储起来。信号处理与特征提取模块和判断模块均设置在PC机6中，然后由信号处理与特征提取模块对声信号进行滤波预处理并计算特征值；最后，由判别模块将计算得到的特征值输入多权值神经网络并输出质量判别结果，根据输出结果判定待判别焊后焊缝的应力处理是否合格。使用该系统进行应力消除处理质量判断，无需破坏焊件，便可以快速准确地判断焊后焊缝应力处理质量，成本低廉。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种基于智能声信息识别的焊后焊缝冲击质量判别方法，其特征在于：包括以下步骤：
S1.控制超声冲击枪枪头以不同的处理压力、处理速度、处理角度和冲击频率对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，计算所述声信号的特征值，构建包含多种应力处理情况的声信号样本集；其中，所述特征值包括短时过零率、短时能量、短时平均幅度和短时零能比；
S2.测定步骤S1中所述焊后焊缝的冲击处理质量，并根据测定结果对所述声信号样本集进行标注；
S3.建立多权值神经网络模型，并利用经过步骤S2标注得到的声信号样本集对所述多权值神经网络模型进行训练，得到可用于焊后焊缝冲击质量判别的多权值神经网络；
S4.获取待判别焊后焊缝冲击处理声信号的特征值，并输入步骤S3处理得到的多权值神经网络，输出待判别焊后焊缝冲击处理质量的判断结果；
其中，所述步骤S3具体为：
S31：提取所述声信号样本集中的N个声信号样本的特征值，得到声信号特征向量集；
S32：从所述声信号特征向量集中删除欧式距离最短的两个特征向量值，得到新的声信号特征向量集；删除掉的两个特征向量值构成一个神经元；
S33： 计算上一步骤得到的声信号特征向量中各个特征向量值与上一步骤得到的神经元中的两个特征向量值的欧氏距离，找到最短欧式距离，将所述最短欧式距离对应的两个特征向量值构成一个神经元；并从步骤S32所得到的声信号特征向量中删除掉对应的特征向量值，得到新的声信号特征向量集；
S34：重复步骤S33 N-2次，得到N-1个相连的神经元折线模型，所述神经元折线模型即为可用于焊后焊缝冲击质量判别的多权值神经网络。
2.根据权利要求1所述的焊后焊缝冲击质量判别方法，其特征在于，所述步骤S2具体为：
分别测定焊后焊缝冲击处理前后的应力并计算应力消除率，所述应力消除率的计算公式为：
应力消除率= (焊后焊缝冲击处理后的应力/焊后焊缝冲击处理前的应力)*100%；
若所述应力消除率高于70%，则标注为冲击质量合格；
若所述应力消除率低于70%，则标注为冲击质量不合格。
CN201911088740.4A 2019-11-08 2019-11-08 一种基于智能声信息识别的焊后焊缝冲击质量判别方法 Active CN110824006B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911088740.4A CN110824006B (zh) 2019-11-08 2019-11-08 一种基于智能声信息识别的焊后焊缝冲击质量判别方法
US17/288,560 US11927563B2 (en) 2019-11-08 2020-10-28 Smart acoustic information recognition-based welded weld impact quality determination method and system
PCT/CN2020/124189 WO2021068983A1 (zh) 2019-11-08 2020-10-28 一种基于智能声信息识别的焊后焊缝冲击质量判别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911088740.4A CN110824006B (zh) 2019-11-08 2019-11-08 一种基于智能声信息识别的焊后焊缝冲击质量判别方法

Publications (2)

Publication Number Publication Date
CN110824006A CN110824006A (zh) 2020-02-21
CN110824006B true CN110824006B (zh) 2021-12-28

Family

ID=69553566

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911088740.4A Active CN110824006B (zh) 2019-11-08 2019-11-08 一种基于智能声信息识别的焊后焊缝冲击质量判别方法

Country Status (3)

Country Link
US (1) US11927563B2 (zh)
CN (1) CN110824006B (zh)
WO (1) WO2021068983A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110824006B (zh) * 2019-11-08 2021-12-28 南通大学 一种基于智能声信息识别的焊后焊缝冲击质量判别方法
CN113049683B (zh) * 2021-03-10 2022-05-10 南通大学 一种面向水下管线的超声波探伤装置
CN115418472A (zh) * 2022-08-04 2022-12-02 上海海事大学 一种超声振动时效系统
CN116698977B (zh) * 2023-08-07 2023-10-31 山东科技大学 一种基于声音信号的煤矸识别传感器及识别方法
CN117433666B (zh) * 2023-10-20 2024-05-07 江苏省特种设备安全监督检验研究院 基于应力检测的压力容器故障预警方法及系统
CN117283094B (zh) * 2023-11-22 2024-01-26 内蒙古工业大学 一种可自动追踪以及施加超声辅助的焊接系统
CN118463872A (zh) * 2024-07-09 2024-08-09 广州纬华节能设备有限公司 基于焊接工艺的声波检测焊缝的光学成像方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102923A (zh) * 2014-07-16 2014-10-15 西安建筑科技大学 一种基于mfcc算法的朱鹮个体识别方法
CN105637338A (zh) * 2013-11-05 2016-06-01 米其林集团总公司 用于轮胎异常的非破坏性检测的方法和装置
CN106992011A (zh) * 2017-01-25 2017-07-28 杭州电子科技大学 基于mf‑plpcc特征的工程机械声音识别方法
CN107545890A (zh) * 2017-08-31 2018-01-05 桂林电子科技大学 一种声音事件识别方法
CN109258509A (zh) * 2018-11-16 2019-01-25 太原理工大学 一种生猪异常声音智能监测系统与方法
CN109350014A (zh) * 2018-12-10 2019-02-19 苏州小蓝医疗科技有限公司 一种鼾声识别方法与系统
CN109448726A (zh) * 2019-01-14 2019-03-08 李庆湧 一种语音控制准确率的调整方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101492759B (zh) * 2009-03-03 2010-10-06 南京工业大学 一种抗应力腐蚀开裂的超声冲击处理工艺
US8146429B2 (en) * 2009-08-03 2012-04-03 Georgia Tech Research Corporation Methods and systems for classifying the type and severity of defects in welds
CN102489859B (zh) * 2011-12-16 2013-08-14 长春三友汽车部件制造有限公司 一种提高先进高强钢点焊接头力学性能的方法
EP3210011A1 (en) * 2014-10-24 2017-08-30 Renishaw Plc. Acoustic apparatus and method for inspection of an object
CN105171332A (zh) * 2015-11-02 2015-12-23 哈尔滨电机厂有限责任公司 贯流式水轮发电机转子支架焊缝裂纹的处理方法
CN107045718A (zh) * 2017-03-24 2017-08-15 南通大学 焊后焊缝三维追踪及应力处理方法
US10875125B2 (en) * 2017-06-20 2020-12-29 Lincoln Global, Inc. Machine learning for weldment classification and correlation
CN110824006B (zh) * 2019-11-08 2021-12-28 南通大学 一种基于智能声信息识别的焊后焊缝冲击质量判别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105637338A (zh) * 2013-11-05 2016-06-01 米其林集团总公司 用于轮胎异常的非破坏性检测的方法和装置
CN104102923A (zh) * 2014-07-16 2014-10-15 西安建筑科技大学 一种基于mfcc算法的朱鹮个体识别方法
CN106992011A (zh) * 2017-01-25 2017-07-28 杭州电子科技大学 基于mf‑plpcc特征的工程机械声音识别方法
CN107545890A (zh) * 2017-08-31 2018-01-05 桂林电子科技大学 一种声音事件识别方法
CN109258509A (zh) * 2018-11-16 2019-01-25 太原理工大学 一种生猪异常声音智能监测系统与方法
CN109350014A (zh) * 2018-12-10 2019-02-19 苏州小蓝医疗科技有限公司 一种鼾声识别方法与系统
CN109448726A (zh) * 2019-01-14 2019-03-08 李庆湧 一种语音控制准确率的调整方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于声发射技术的航空发动机冲击物智能识别方法研究;王妍;《万方学位论文库》;20190926;第8-32页 *

Also Published As

Publication number Publication date
CN110824006A (zh) 2020-02-21
US11927563B2 (en) 2024-03-12
WO2021068983A1 (zh) 2021-04-15
US20220276204A1 (en) 2022-09-01

Similar Documents

Publication Publication Date Title
CN110824006B (zh) 一种基于智能声信息识别的焊后焊缝冲击质量判别方法
US12026625B2 (en) On-line prediction method of surface roughness of parts based on SDAE-DBN algorithm
Lv et al. Automated control of welding penetration based on audio sensing technology
CN102528225B (zh) 一种gtaw焊接熔透状态的声音信号传感及预测方法
CN109142547B (zh) 一种基于卷积神经网络的声学在线无损检测方法
CN100451895C (zh) 用于控制工业过程的质量的方法
CN112232400A (zh) 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法
CN113695713B (zh) 一种热水器内胆焊接质量在线监测方法及装置
CN109014544B (zh) 微型电阻点焊质量在线监测方法
CN106841403A (zh) 一种基于神经网络的声学玻璃缺陷检测方法
Chen et al. In-situ crack and keyhole pore detection in laser directed energy deposition through acoustic signal and deep learning
CN110286155B (zh) 一种多层复合材料的损伤检测方法及系统
CN103551709B (zh) 一种a-tig焊焊缝成型的检测装置及方法
CN105921854B (zh) 一种旋转电弧窄间隙mag焊焊缝偏差识别装置及方法
CN103776903B (zh) 一种风电叶片脱层检测方法及检测系统
CN106198765A (zh) 一种用于金属裂纹监测的声学信号识别方法
CN111537610A (zh) 一种用于金属曲板损伤定位的传感器阵列优化方法
CN117419915A (zh) 一种多源信息融合的电机故障诊断方法
CN102879715A (zh) 变压器局部放电检测定位方法
US8426771B2 (en) Method of monitoring machine condition
CN112131781A (zh) 基于全连接神经网络与传递率函数的钢结构损伤检测方法
CN116275674A (zh) 一种电阻焊接质量检测方法及系统
Da Silva et al. Adaptive filter feature identification for structural health monitoring in an aeronautical panel
Rizvi et al. Anomaly Detection and Localization Using LSTM Based Autoencoder with Maximal Overlap Discrete Wavelet Transform for Structural Health Monitoring
Zhao et al. Welding quality identification based on bionic pattern recognition and sound information

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