铝合金点焊质量的逆过程检测方法研究

论文摘要

电阻点焊作为一种常用的焊接方法,由于其高生产效率和易于实现自动化的特点,而在汽车、航空、航天产品的生产中得到了广泛的应用,尤其在现今汽车行业的高速发展中,点焊的应用更加广泛。随着世界能源日益紧缺,汽车轻量化理念使得具有优良性能的轻金属-铝合金成为了汽车生产的主要材料,但由于铝合金点焊焊接性较差及影响点焊质量的因素较多的缘故,使得对铝合金点焊质量的研究日益成为焊接工作者研究的重点。目前,点焊质量检测存在两方面的不足,在特征提取上,点焊特征提取主要集中在宏观特征和奇异点特征上,而由于点焊过程的影响因素较多,使得点焊特征信号受噪声的干扰而发生了部分特征变异,而传统的提取方法不能很好的把握这种变化。在检测方法上,目前,点焊质量检测模型主要集中在建立数学函数模型上,但由于点焊的缺陷受到多种因素的影响,其与点焊信号特征之间的函数关系不够严格,导致目前的数学检测模型的检测精度较低。鉴于这种情况,目前已经有部分学者开始把模式识别的理论应用到点焊质量检测上,但还需要进行深入研究。因此本文针对目前点焊质量检测中存在的这些不足,本文做了以下方面的研究工作:（1）构建多信息融合的点焊信息采集系统,获得焊点的4个同步信号。构建了多信息融合的智能信息采集系统,采集了电极电压、焊接电流、焊接过程中的声发射和电极位移四个参量数据。该多信息融合的智能信息采集系统可以迅速快捷的完成点焊数据的采集、转换和存储,各智能采集终端通过数字处理模块实现与计算机的通信。基于多信息融合的点焊信息采集系统可以达到信号采集的快速、同步和高效。（2）应用信号分析理论和非线性动力学理论提取信号的特征值。由于在铝合金点焊过程中,各类信号的变化比较复杂且变化幅度较小,传统的特征提取方法就显得不够准确了,因此,本文结合信号分析理论和非线性动力学理论,考虑到信号分形维数较强的抗噪能力,及该指标对数据信号变化特征的总体反映能力,对点焊电极电压、点焊电流、点焊过程中的声发射信号和电极位移信号进行分形维数特征提取;根据电压对点焊形核的能量输入特征,对电压信号进行了双谱分析,提取了其三阶累积量的线谱最大5个谱线的均值作为电压的第二特征;通过对点焊电流的非线性分析发现,点焊电流信号具有混沌特征,而混沌特征能够有效反映信号的微弱变化,数据序列的混沌特征用Lyapunov指数来表征量,鉴于电流信号的变化对熔核尺寸和飞溅产生的影响极大,因此提取电流的Lyapunov指数作为电流的第二特征。点焊过程中的形核和飞溅都会造成声音信号能量的变化,因此,提取声音的能量变化率作为声音信号的第二特征。点焊的形核和飞溅直接影响了电极位移的变化规律,故提取了表征点焊电极位移变化不确定程度的位移信号的Renyi熵作为电极位移信号的第二特征。对每个焊点共获得了对应的8个特征值。（3）应用人工智能理论,模式识别理论及应用数学方面的知识,把模糊灰色信息系统、支持向量机和隐形Markov链引入点焊的质量检测中,并讨论了各模型的检测效果及本文提取的各数据特征对模型检出准确率的影响情况。首次把模糊灰色信息系统引入点焊质量检测领域,根据模糊灰色关联度的概念,构建了点焊的模糊灰色信息系统检测模型,并比较了各信号特征对模型检出准确率的影响,模糊灰色信息系统对点焊缺陷具有较好的的检测效果,当8个特征输入时达到最大检出准确率,熔核尺寸检出率为91%,飞溅状况检出率为92%;构建了点焊信号的支持向量机检测模型,并分析了个特征对模型检测精度的影响,发现支持向量机检测模型在5个或6个特征输入时,达到最佳检测效果,熔核尺寸检出率为86%。飞溅检测效果在5特征输入时达到最佳检出率为88%。首次构建了点焊的隐性Markov链检测模型,并分析了各特征组合对该模型的影响,发现在7特征输入时熔核的检出率达到最佳,为93%,而飞溅的最佳检出率也是在7特征输入时获得的为87%。（4）为达到同时检测焊点尺寸和飞溅两种缺陷的目的。构建熔核尺寸检测和飞溅检测模型阵列。本文首次构建了模糊灰色信息系统检测模型阵列,达到同时检测熔核尺寸和飞溅的目的,本文构建了8特征输入的点焊尺寸灰色信息系统检测模型和6特征输入的点焊飞溅灰色信息系统检测模型阵列,其最佳检测效果较好,检出率达到89%,支持向量机阵列模型的最佳检出率为80%,隐性Markov链检测模型的最佳检出率为81%。比较发现,模糊灰色信息系统检测模型为最佳点焊缺陷检测模型,其他两种方法可以作为辅助检查方法。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 铝合金焊接工艺特点
• 1.2.1 铝及铝合金的物理化学性质
• 1.2.2 铝合金的点焊工艺特点
• 1.3 点焊质量检测方法
• 1.3.1 影响点焊质量的因素
• 1.3.2 国内外对点焊质量检测方法的研究
• 1.4 本文的研究目的和主要研究内容
• 第二章 铝合金点焊质量监测系统构建及数据采集
• 2.1 点焊质量逆过程检测基础
• 2.1.1 电流检测技术
• 2.1.2 电压检测技术
• 2.1.3 电极位移检测技术
• 2.1.4 声发射检测技术
• 2.2 点焊数据采集系统构建
• 2.2.1 数据采集系统的硬件构成
• 2.2.1.1 传感器的选择
• 2.2.1.2 采集卡的选择
• 2.2.2 数据采集系统的软件构建
• 2.2.2.1 Labview 虚拟仪器技术
• 2.2.2.2 点焊质量检测系统的软件构成
• 2.3 实验材料及方法
• 2.3.1 点焊熔核质量的判定
• 2.3.2 试验数据采集
• 2.4 小结
• 第三章 铝合金点焊数据信号特征提取
• 3.1 点焊信号的分形特征提取
• 3.1.1 分形的特征
• 3.1.2 分形特征参数
• 3.1.3 点焊信号时间序列分形盒维数的算法
• 3.2 点焊电压信号的双谱线谱特征提取
• 3.2.1 累积量和高阶谱
• 3.2.2 点焊电压信号特征提取
• 3.3 电流的混沌特征提取
• 3.3.1 混沌理论基础
• 3.3.2 点焊电流信号混沌特性的探讨
• 3.3.2.1 点焊电流信号时间序列的最佳时间延迟的确定
• 3.3.2.2 点焊电流信号最小嵌入维数d 的确定
• 3.3.2.3 点焊电流信号的最大Lyapunov 指数的确定
• 3.4 声音信号能量变化率均值特征
• 3.5 电极位移信号 Renyi 信息熵
• 3.6 小结
• 第四章 点焊质量逆过程检测方法研究
• 4.1 模糊灰色信息系统检测方法
• 4.1.1 模糊数学基础
• 4.1.2 模糊灰色信息系统
• 4.1.3 基于模糊灰色信息系统的点焊质量检测模型
• 4.1.3.1 模糊灰色信息系统模型构建
• 4.1.3.2 模糊灰色信息系统模型的熔核尺寸检测结果分析
• 4.1.3.3 模糊灰色信息系统模型的飞溅检测结果分析
• 4.1.3.4 基于模糊灰色信息系统的点焊缺陷检测阵列检测结果分析
• 4.2 支持向量机模型检测方法
• 4.2.1 支持向量机原理
• 4.2.2 点焊的SVM 模检测模型
• 4.2.2.1 点焊SVM 模型构建
• 4.2.2.2 SVM 模型熔核尺寸检测结果分析
• 4.2.2.3 SVM 模型飞溅检测结果分析
• 4.2.2.4 基于SVM 的点焊缺陷检测阵列结果分析
• 4.3 隐形 Markov 链检测方法
• 4.3.1 隐马尔可夫（HMM）模型
• 4.3.2 点焊的HMM 检测模型
• 4.3.2.1 基于HMM 检测模型构建
• 4.3.2.2 HMM 模型熔核尺寸检测结果分析
• 4.3.2.3 HMM 模型点焊飞溅检测结果分析
• 4.3.2.4 基于HMM 的点焊缺陷检测阵列模型
• 4.4 小结
• 第五章 结论
• 参考文献
• 发表论文和科研情况说明
• 致谢