CN111168206A - 一种熔化极气体保护焊诊断方法及电弧信息采集装置 - Google Patents
一种熔化极气体保护焊诊断方法及电弧信息采集装置 Download PDFInfo
- Publication number
- CN111168206A CN111168206A CN202010044535.4A CN202010044535A CN111168206A CN 111168206 A CN111168206 A CN 111168206A CN 202010044535 A CN202010044535 A CN 202010044535A CN 111168206 A CN111168206 A CN 111168206A
- Authority
- CN
- China
- Prior art keywords
- welding
- time
- frequency
- spectrum
- electric arc
- 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.)
- Pending
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
- B23K9/173—Arc welding or cutting making use of shielding gas and of a 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
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
- B23K9/127—Means for tracking lines during arc welding or cutting
-
- 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
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
- B23K9/127—Means for tracking lines during arc welding or cutting
- B23K9/1272—Geometry oriented, e.g. beam optical trading
- B23K9/1276—Using non-contact, electric or magnetic means, e.g. inductive means
-
- 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
- B23K9/32—Accessories
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Geometry (AREA)
- Arc Welding In General (AREA)
Abstract
本发明一种熔化极气体保护焊诊断方法及电弧信息采集装置,诊断方法主要通过采集电弧信号,然后对其采用自适应时频分解方法进行分解,然后进行一系列的分析处理,构成表征电弧电信号的特征向量;同时用焊缝样本和熔滴过渡形式样本构建电弧信号表征的特征向量样本库,然后利用支持向量机进行分类训练;将获得的训练模型应用于实时焊接中,进行熔化极气体保护焊在线诊断。本发明一种熔化极气体保护焊诊断方法及电弧信息采集装置,通过对焊接过程进行有效的实时监测,根据监测的信号对焊接过程的稳定性进行评判,及时发现不稳定和超规范焊接过程并进行干预,从而大大提高焊接质量,同时减少焊后无损检测和返修的工作量。
Description
技术领域
本发明涉及熔化极气体保护焊技术领域,具体为一种熔化极气体保护焊诊断方法及电弧信息采集装置。
背景技术
熔化极气体保护焊(GMAW)是指利用焊丝与工件间产生的电弧作热源将金属熔化的焊接方法。焊接过程中,电弧熔化焊丝和母材形成的熔池及焊接区域在惰性气体或活性气体的保护下,可以有效地阻止周围环境空气的有害作用。熔化极气体保护焊是一个复杂多变的物理化学的快速局部冶金过程,电弧熔滴、熔池液态金属流动行为易受焊接电流、焊接电压、保护气流量、干伸长、焊速、母材类型、工件表面情况等多因素的共同影响,焊缝质量的优劣在很大程度上是取决于焊接过程的电弧状态稳定性。为了保证弧焊产品的焊接质量,焊前需要制定严格的焊接工艺规程。然而在实际生产过程中,即使严格遵守焊接工艺规程,也难以确保不出现焊接质量问题。因为在确定焊接工艺后,仍有部分内在和外在的因素影响焊接过程的稳定性,进而影响到焊接质量,例如:焊丝干伸长不一致、坡口加工精度、焊工疲劳程度、工件表面清洁度、焊枪姿态、环境湿度等因素。焊后无损检测存在一定滞后性,发现缺陷往往为时已晚,返修成本和难度相对较高。
发明内容
本发明的目的在于提出一种熔化极气体保护焊诊断方法及电弧信息采集装置,旨在解决现有技术中焊接过程未对电弧的稳定性进行判断,造成无法发现焊接过程中存在缺陷,焊后质量存在问题还需要进行返修的技术问题。
为实现上述目的,本发明提出一种熔化极气体保护焊诊断方法,包括以下步骤:
电弧信号传感采集装置采集焊接电信号;
设定焊接工艺参数,制备焊缝样本和熔滴过渡形式样本;
利用自适应时频分解方法对焊接电信号进时频分解,获取对应的本征模态分量;
对本征模态分量进行分析,计算其瞬时时频谱和边际谱;
对本征模态分量进行希尔伯特-黄变换和边际谱变换,提取时频谱熵和边际谱峰值比例系数;
对本征模态分量进行归一化处理,获得归一化能量值;
组合时频谱熵、边际谱峰值比例系数和归一化能量构成表征电弧电信号的特征向量;
用焊缝样本和熔滴过渡形式样本构建电弧信号表征的特征向量样本库,将特征向量作为输入,样本类型作为输出,利用支持向量机进行分类训练;
利用训练好的支持向量机模型进行分类预测,实现焊缝判别,熔滴过渡形式判别;
将获得的训练模型应用于实时焊接中,进行熔化极气体保护焊在线诊断。
优选地,在步骤“利用自适应时频分解方法对焊接电信号进时频分解,获取对应的本征模态分量”中,通过在分解过程中引入自适应高斯白噪声来减少模态分量的频率混叠现象。
优选地,在步骤“提取时频谱熵”中,将希尔伯特-黄谱作为一个二维平面进行划分为N个相等大小的时频块,定义每一个时频块的能量为Wi(i=1,2,...,N),可得时频面的总能量定义为将每一个时频块的能量进行归一化处理qi=Wi/A,因此∑qi=1;定义时频谱的时频熵为:
优选地,在步骤“对本征模态分量进行归一化处理,获得归一化能量值”中,选择前8个本征模态分量IMF1(n)~IMF8(n),分别计算每个模态分量的能量值则总能量进行归一化处理获取对应的8个归一化能量值[E1/E,…,E8/E]。
本发明还提出一种电弧信息采集装置,用于如上所述的诊断方法中采集焊接电信号,其包括焊机、霍尔电流电压传感盒、滤波模块和数据采集卡,所述霍尔电流电压传感盒与所述焊机和所述滤波模块电连接,所述数据采集卡与所述滤波模块电连接;
所述霍尔电流电压传感盒用于采集焊缝中心的激励线圈上的电流、电压信号,并发送给所述滤波模块,所述滤波模块对信号进行过滤,然后将过滤后的信号储存在所述数据采集卡中。
优选地,所述霍尔电流电压传感盒中,电流信号的传感精度为0.5%,电压信号的传感精度为1%。
优选地,所述滤波模块能够滤除10KHz以上的高频干扰信号。
本发明一种熔化极气体保护焊诊断方法及电弧信息采集装置,通过对焊接过程进行有效的实时监测,根据监测的信号对焊接过程的稳定性进行评判,及时发现不稳定和超规范焊接过程并进行干预,从而大大提高焊接质量,同时减少焊后无损检测和返修的工作量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明熔化极气体保护焊诊断方法步骤流程图;
图2为本发明噪声优化的自适应时频分解步骤图;
图3为本发明实施例一中电流信号图;
图4为本发明实施例一自适应时频分解分量的图;
图5为本发明实施例一瞬时时频谱图;
图6为本发明实施例一边际谱图;
图7为本发明电弧信息采集装置结构示意图。
附图标号说明:
1-焊机,11-焊枪,2-霍尔电流电压传感盒,3-滤波模块,4-数据采集卡,5-送丝机,6-工件。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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的一部分实施例,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作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。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示,一种熔化极气体保护焊诊断方法,其特征在于,包括以下步骤:
电弧信号传感采集装置采集焊接电信号;
设定焊接工艺参数,制备焊缝样本和熔滴过渡形式样本;
利用自适应时频分解方法对焊接电信号进时频分解,获取对应的本征模态分量;
对本征模态分量进行分析,计算其瞬时时频谱和边际谱;
对本征模态分量进行希尔伯特-黄变换和边际谱变换,提取时频谱熵和边际谱峰值比例系数;
对本征模态分量进行归一化处理,获得归一化能量值;
组合时频谱熵、边际谱峰值比例系数和归一化能量构成表征电弧电信号的特征向量;
用焊缝样本和熔滴过渡形式样本构建电弧信号表征的特征向量样本库,将特征向量作为输入,样本类型作为输出,利用支持向量机进行分类训练;
利用训练好的支持向量机模型进行分类预测,实现焊缝判别,熔滴过渡形式判别;
将获得的训练模型应用于实时焊接中,进行熔化极气体保护焊在线诊断。
进一步地,在步骤“利用自适应时频分解方法对焊接电信号进时频分解,获取对应的本征模态分量”中,通过在分解过程中引入自适应高斯白噪声来减少模态分量的频率混叠现象。
进一步地,在步骤“提取时频谱熵”中,将希尔伯特-黄谱作为一个二维平面进行划分为N个相等大小的时频块,定义每一个时频块的能量为Wi(i=1,2,...,N),可得时频面的总能量定义为将每一个时频块的能量进行归一化处理qi=Wi/A,因此∑qi=1;定义时频谱的时频熵为:
进一步地,在步骤“对本征模态分量进行归一化处理,获得归一化能量值”中,选择前8个本征模态分量IMF1(n)~IMF8(n),分别计算每个模态分量的能量值则总能量进行归一化处理获取对应的8个归一化能量值[E1/E,…,E8/E]。
具体地,用能够采集熔化极气体保护焊电流、电压信号的采集装置,实时采集GMAW焊接过程中的电弧信息,采集焊接电信号为电流、电压信号,且采集电流电压信号的采样率为10KHz。
设定焊接工艺参数,焊接工艺参数包括保护气流量、电弧送丝速度、电弧电压以及焊接速度等;制备焊缝表面气孔、焊缝成形良好和焊缝成形凹凸不平三类焊缝样本和熔滴过渡形式样本,熔滴过渡形式样本分为短路过渡和短路+粗滴过度的混合过渡。
利用自适应时频分解方法进行电弧信号x(n)的分解,并引入自适应高斯白噪声εiνi(n)来减少模态分量的频率混叠现象。具体过程为:首先,设定迭代次数I=100,初始白噪声幅值ε0=0.2,向原始电弧信号x(n)中添加幅值为ε0的高斯白噪声νi(n)(服从N(0,1)分布)形成新的信号x(n)+ε0νi(n),求该信号的I次标准EMD算法分解的第一模态分量,计算其平均值从而得到该信号的第一模态分量IMF1(n)。将原始信号与第一模态分量差值作为残余信号r1(n)=x(n)-IMF1(n),残余信号的标准差作为白噪声幅值ε1=std(r1(n)),形成的新的含噪信号为r1(n)+ε1νi(n),求该信号的I次标准EMD(经验模态分解)算法分解的第一模态分量,计算其平均值从而得到该信号的第二模态分量IMF2(n)。重复上述过程,直至第K模态分量IMFK(n)的残余信号rK(n)的峰值数小于2为止。最终得到了原始电弧信号x(n)的自适应分解结果
基于时频谱的二维分布特性,对其进行划分。首先将希尔伯特-黄谱作为一个二维平面进行划分为N个相等大小的时频块,定义每一个时频块的能量为Wi(i=1,2,...,N),可得时频面的总能量定义为将每一个时频块的能量进行归一化处理qi=Wi/A,因此∑qi=1。定义时频谱的时频熵为:
将计算获得的本征模态分量归一化能量值[E1/E,…,E8/E]、时频谱时频熵s(q)和边际谱感兴区间峰值比例系数R组合形成表征该原始信号的特征向量;
统一处理焊缝样本和熔滴过渡形式样本,构建出电弧信息表征的特征向量样本库;
利用SVM(支持向量机)分类来实现焊缝表面气孔、焊缝成形良好和焊缝成形凹凸不平三类焊缝成形质量的分类;
利用SVM(支持向量机)分类来实现短路过渡和短路+粗滴过度的熔滴过渡形式的分类;
将获得的训练模型应用于实时焊接中,进行GMAW在线诊断。
实施例一
以保护气突变形成气孔缺陷的熔化极气保焊诊断为例。
S1:根据需求,设定机器人焊接2条20cm长直焊缝路径,设定保护气的气路通断,其中一条断开气路,另一条闭合气路,制备保护气流量突变导致气孔缺陷产生的工艺试验;
S2:在焊接前,设定采集系统的采样率为10KHz,并设定信号存储路径;
S3:在焊接前,设定熔化极气保焊工艺参数,具体参数为:电流80A,电压16.5V,保护气为80%Ar+20%CO2,正常气流量为15L/min,焊接速度40cm/min;
S4:进行焊接试验,机器人根据设定的路径进行焊接,通过机械手段控制保护气的气路端口和闭合,同时利用采集装置采集信号。
S5:自适应时频分解算法处理采集到的电信号,计算分解分量的时频谱熵、边际谱峰值比例系数以及前8个归一化能量,组合构成表征电信号本质的特征向量。
S6:特征向量输入到已经训练好的支持向量机模型进行气孔缺陷的熔化极气保焊诊断。
本发明另一方面,如图3所示,一种电弧信息采集装置,用于如上所述的诊断方法中采集焊接电信号,其包括焊机1、霍尔电流电压传感盒2、滤波模块3和数据采集卡4,所述霍尔电流电压传感盒2与所述焊机1和所述滤波模块3电连接,所述数据采集卡4与所述滤波模块3电连接;
所述霍尔电流电压传感盒2用于采集焊缝中心的激励线圈上的电流、电压信号,并发送给所述滤波模块3,所述滤波模块3对信号进行过滤,然后将过滤后的信号储存在所述数据采集卡4中。
进一步地,所述霍尔电流电压传感盒2中,电流信号的传感精度为0.5%,电压信号的传感精度为1%。
进一步地,所述滤波模块3能够滤除10KHz以上的高频干扰信号。
所述焊机1用于焊接,送丝机5将焊丝送至所述焊机1上,所述焊机1上的焊枪11使用焊丝对工件6进行焊接。在焊接过程中,所述霍尔电流电压传感盒2采集所述焊机1上焊缝中心的激励线圈上的电流、电压信号,并将该信号发送给所述滤波模块3,所述滤波模块3对该信号进行过滤,滤除特定频率的干扰信号,然后将过滤后的信号发送至所述数据采集卡4中储存,方便后期对信号采用自适应时频分解方法进行分解。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种熔化极气体保护焊诊断方法,其特征在于,包括以下步骤:
电弧信号传感采集装置采集焊接电信号;
设定焊接工艺参数,制备焊缝样本和熔滴过渡形式样本;
利用自适应时频分解方法对焊接电信号进时频分解,获取对应的本征模态分量;
对本征模态分量进行分析,计算其瞬时时频谱和边际谱;
对本征模态分量进行希尔伯特-黄变换和边际谱变换,提取时频谱熵和边际谱峰值比例系数;
对本征模态分量进行归一化处理,获得归一化能量值;
组合时频谱熵、边际谱峰值比例系数和归一化能量构成表征电弧电信号的特征向量;
用焊缝样本和熔滴过渡形式样本构建电弧信号表征的特征向量样本库,将特征向量作为输入,样本类型作为输出,利用支持向量机进行分类训练;
利用训练好的支持向量机模型进行分类预测,实现焊缝判别,熔滴过渡形式判别;
将获得的训练模型应用于实时焊接中,进行熔化极气体保护焊在线诊断。
2.根据权利要求1所述的一种熔化极气体保护焊诊断方法,其特征在于:在步骤“利用自适应时频分解方法对焊接电信号进时频分解,获取对应的本征模态分量”中,通过在分解过程中引入自适应高斯白噪声来减少模态分量的频率混叠现象。
8.一种电弧信息采集装置,用于如权利要求1-7任一所述的诊断方法中采集焊接电信号,其特征在于:包括焊机、霍尔电流电压传感盒、滤波模块和数据采集卡,所述霍尔电流电压传感盒与所述焊机和所述滤波模块电连接,所述数据采集卡与所述滤波模块电连接;
所述霍尔电流电压传感盒用于采集焊缝中心的激励线圈上的电流、电压信号,并发送给所述滤波模块,所述滤波模块对信号进行过滤,然后将过滤后的信号储存在所述数据采集卡中。
9.根据权利要求8所述的一种电弧信息采集装置,其特征在于:所述霍尔电流电压传感盒中,电流信号的传感精度为0.5%,电压信号的传感精度为1%。
10.根据权利要求8所述的一种电弧传感采集装置,其特征在于:所述滤波模块能够滤除10KHz以上的高频干扰信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010044535.4A CN111168206A (zh) | 2020-01-14 | 2020-01-14 | 一种熔化极气体保护焊诊断方法及电弧信息采集装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010044535.4A CN111168206A (zh) | 2020-01-14 | 2020-01-14 | 一种熔化极气体保护焊诊断方法及电弧信息采集装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111168206A true CN111168206A (zh) | 2020-05-19 |
Family
ID=70618259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010044535.4A Pending CN111168206A (zh) | 2020-01-14 | 2020-01-14 | 一种熔化极气体保护焊诊断方法及电弧信息采集装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111168206A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116038077A (zh) * | 2022-12-30 | 2023-05-02 | 深圳市麦格米特焊接技术有限公司 | 气体保护焊接系统及其控制方法、控制器、存储介质 |
CN116944727A (zh) * | 2023-07-28 | 2023-10-27 | 奇瑞新能源汽车股份有限公司 | 一种焊接过程稳定性无损检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2792209A1 (en) * | 2012-02-06 | 2013-08-06 | C.R.F. Societa Consortile Per Azioni | A method for monitoring the quality of industrial processes and system therefrom |
CN106271036A (zh) * | 2016-08-12 | 2017-01-04 | 广州市精源电子设备有限公司 | 超声波金属焊接质量评估方法、装置和超声波金属焊接机 |
CN108027911A (zh) * | 2015-07-29 | 2018-05-11 | 伊利诺斯工具制品有限公司 | 促进焊接即服务软件的系统及方法 |
CN109290664A (zh) * | 2018-10-23 | 2019-02-01 | 华南理工大学 | 基于声音传感与电流控制的k-tig焊熔透监控系统与方法 |
-
2020
- 2020-01-14 CN CN202010044535.4A patent/CN111168206A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2792209A1 (en) * | 2012-02-06 | 2013-08-06 | C.R.F. Societa Consortile Per Azioni | A method for monitoring the quality of industrial processes and system therefrom |
CN103246241A (zh) * | 2012-02-06 | 2013-08-14 | C.R.F.阿西安尼顾问公司 | 用于监视工业过程的质量的方法及其系统 |
CN108027911A (zh) * | 2015-07-29 | 2018-05-11 | 伊利诺斯工具制品有限公司 | 促进焊接即服务软件的系统及方法 |
CN106271036A (zh) * | 2016-08-12 | 2017-01-04 | 广州市精源电子设备有限公司 | 超声波金属焊接质量评估方法、装置和超声波金属焊接机 |
CN109290664A (zh) * | 2018-10-23 | 2019-02-01 | 华南理工大学 | 基于声音传感与电流控制的k-tig焊熔透监控系统与方法 |
Non-Patent Citations (2)
Title |
---|
佚名: "《基于振动分析的旋转机械故障诊断原理及应用》", 31 May 2014, 电子科技大学出版社 * |
黄勇: "基于多特征指数的焊接质量在线监测与评价技术研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116038077A (zh) * | 2022-12-30 | 2023-05-02 | 深圳市麦格米特焊接技术有限公司 | 气体保护焊接系统及其控制方法、控制器、存储介质 |
CN116038077B (zh) * | 2022-12-30 | 2024-03-12 | 深圳市麦格米特焊接技术有限公司 | 气体保护焊接系统及其控制方法、控制器、存储介质 |
CN116944727A (zh) * | 2023-07-28 | 2023-10-27 | 奇瑞新能源汽车股份有限公司 | 一种焊接过程稳定性无损检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69818275T2 (de) | Qualitätsmessung der schweissung | |
US6744011B1 (en) | Online monitoring system and method for a short-circuiting gas metal arc welding process | |
DE102017010799B4 (de) | Maschinenlernvorrichtung zum Lernen einer Bearbeitungsreihenfolge eines Robotersystems mit einer Mehrzahl von Laserbearbeitungsrobotern, dazugehöriges Robotersystem sowie Maschinenlernverfahren zum Lernen einer Bearbeitungsreihenfolge des Robotersystems mit einer Mehrzahl von Laserbearbeitungsrobotern | |
Liu et al. | Dynamic neuro-fuzzy-based human intelligence modeling and control in GTAW | |
CN111168206A (zh) | 一种熔化极气体保护焊诊断方法及电弧信息采集装置 | |
CN111047225A (zh) | 一种基于边缘侧模型处理的smt表面组装组件焊点的质量评定方法 | |
CN101089546B (zh) | 激光加工用的间隙检测装置及方法、激光加工用系统 | |
US20040034608A1 (en) | Luminescence sensing system for welding | |
Liang et al. | Characteristics of metal droplet transfer in wire-arc additive manufacturing of aluminum alloy | |
EP2870482B1 (de) | Verfahren zur identifizierung und diskriminierung von materialien für einen produktionsprozess, und zugehöriges system | |
DE202012013151U1 (de) | System zur Charakterisierung manueller Schweissvorgänge | |
CN108624880A (zh) | 一种激光熔覆质量智能控制系统及其智能控制方法 | |
WO2000074888A1 (de) | Verfahren zur ermittlung der schweissprozessspannung | |
CN102463419A (zh) | 激光焊接的质量检查方法和设备 | |
CN106695103A (zh) | 一种电子束深熔焊穿透成形实时监控检测装置 | |
Solano et al. | Detection and characterization of metal transfer in GMAW using computational vision algorithms | |
Kumar et al. | Analysis of arc welding process using Digital Storage Oscilloscope | |
DE102020213646A1 (de) | Verfahren und system zum testen der strukturellen integrität einer metallverbindung | |
DE102018108738A1 (de) | Verfahren zur Ermittlung eines Alterungszustandes einer Batterie, Computerprogramm, Speichermittel, Steuergerät und Fahrzeug | |
CN116000453B (zh) | 一种激光焊接质量实时监控方法及系统 | |
CN112183555A (zh) | 焊接质量的检测方法、系统、电子设备和存储介质 | |
EP3580006B1 (de) | Verfahren und vorrichtung zur detektion eines schweissdrahtdurchmessers oder einer schweissdrahtzusammensetzung bei einem schweissgerät | |
Kumar et al. | The state-of-the-art methodologies for quality analysis of arc welding process using weld data acquisition and analysis techniques | |
Wei et al. | Detection of weld surface porosity by statistical analysis of arc current in gas metal arc welding | |
Ding | Design of integrated neural network model for weld seam tracking and penetration monitoring |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |
|
RJ01 | Rejection of invention patent application after publication |