首页> 正文

CO2气体保护焊干扰因素计算机识别系统的研究与设计

2020-11-22阅读(249)

CO2气体保护焊干扰因素计算机识别系统的研究与设计

论文摘要

随着焊接自动化的发展,对焊接过程中各种随机干扰因素进行自动识别与监测是亟待解决的问题。本文以CO2 气体保护焊电弧自身的动态电信号为信息源,从中提取导致产生焊接质量问题的干扰因素的特征,利用近年来人工智能领域中发展较为成功的人工神经网络开发了焊接过程干扰因素计算机识别系统。该系统能及时识别影响焊接质量的干扰因素,如送保护气量不正常、送丝速度波动、焊道上有油污等情况,对于保证焊接质量、降低材料与能源的浪费、提高焊接生产效率、具有很重要的现实意义。在研究中,利用正交试验方法确定了本课题实验条件下的正常焊接参数,在此基础上,通过人为设置各种干扰因素来模拟,实际焊接过程中出现的随机干扰因素情况。利用PCI-9112多功能数据采集卡并结合Visual C++ 6.0中的多线程技术开发了焊接电弧电信号采集模块,该模块能实时、准确、完整地采集到焊接过程中的电弧电信号数据。通过实验采集了大量各干扰因素条件下的焊接电流及电弧电压样本数据。对所采集的样本数据分别在时域进行了波形分析与概率统计分析,在频域进行了功率谱分析,确定利用概率统计分析方法提取各干扰因素条件下的电弧电信号样本数据的特征向量。本文在MATLAB 平台所提供的神经网络工具箱上,分别利用SOM（自组织特征映射）神经网络与LVQ（学习向量量化）神经网络,开发了两种焊接干扰因素识别器。利用所提取的各干扰因素焊接条件样本数据的特征向量分别对两种神经网络干扰因素识别器进行了训练和仿真。仿真结果分析表明LVQ 网络干扰因素识别器对各干扰因素总的识别率达92.5%,且LVQ 网络干扰因素识别器较SOM 网络干扰因素识别器具有更快的学习工作速度和更高的识别精度,更利于在线识别。利用Visual MATCOM 将上述用Visual C++ 6.0 语言开发的信号采集模块与用MATLAB 语言开发的神经网络干扰因素识别器程序无缝地集成为CO2 气体保护焊干扰因素的计算机识别系统。该系统能实时识别出造成焊接质量问题的焊接过程干扰因素,识别正确率高,识别效果好,具有较高的应用价值。本课题成功地将LVQ 神经网络应用于焊接过程干扰因素的识别,具有一定的创新性和较高的理论价值。

论文目录

  • 第一章 绪论
  • 1.1 问题的提出
  • 1.2 焊接干扰因素识别与质量监测的国内外研究现状
  • 1.2.1 利用焊接电流与电弧电压进行干扰识别与监测
  • 1.2.2 利用电弧声与光进行识别与监测
  • 1.3 本课题研究的目的、意义及主要工作
  • 2气体保护焊电信号采集系统的设计'>第二章 CO2气体保护焊电信号采集系统的设计
  • 2.1 焊接设备
  • 2.2 信号采集系统硬件的设计与构建
  • 2.3 采样频率的确定
  • 2.4 信号采集系统软件编程思想及程序设计
  • 2.5 信号采集系统界面的设计
  • 2.6 本章小结
  • 2气体保护焊工艺参数的确定及干扰因素设置'>第三章 CO2气体保护焊工艺参数的确定及干扰因素设置
  • 3.1 确定正常焊接工艺参数的正交试验设计
  • 3.2 正交实验结果及分析
  • 3.3 干扰因素的设置
  • 3.4 本章小结
  • 第四章 焊接电弧电信号样本数据的干扰特征分析
  • 4.1 对焊接电弧电信号样本数据的波形分析
  • 4.2 对焊接电弧电信号样本数据的概率统计分析
  • 4.2.1 概率统计分析方法简介
  • 4.2.2 各干扰因素条件下信号的概率统计分析
  • 4.3 对焊接电弧电信号样本数据的功率谱分析
  • 4.3.1 功率谱估计原理
  • 4.3.2 各干扰因素条件下的信号功率谱估计
  • 4.4 本章小结
  • 2气体保护焊干扰因素识别器的设计与仿真'>第五章 CO2气体保护焊干扰因素识别器的设计与仿真
  • 5.1 人工神经网络理论
  • 5.1.1 人脑神经网络的特征及人工神经网络的构成
  • 5.1.2 自组织特征映射神经网络
  • 5.1.3 学习矢量量化神经网络
  • 2焊接过程干扰因素识别器的设计'>5.2 CO2焊接过程干扰因素识别器的设计
  • 5.2.1 MATLAB 语言及神经网络工具箱简介
  • 5.2.2 两种神经网络干扰因素识别器的设计
  • 5.3 干扰因素样本数据特征向量的提取
  • 5.4 两种神经网络干扰因素识别器的仿真
  • 5.4.1 SOM 网络干扰因素识别器的仿真及分析
  • 5.4.2 LVQ 网络干扰因素识别器的仿真及分析
  • 5.5 本章小结
  • 2气体保护焊干扰因素识别系统的集成及验证'>第六章 CO2气体保护焊干扰因素识别系统的集成及验证
  • 6.1 干扰因素识别系统的软件开发与集成
  • 6.1.1 开发干扰因素识别系统的编程思想
  • 6.1.2 焊接干扰因素识别系统程序流程及设计
  • 6.1.3 干扰因素识别系统的集成
  • 6.1.4 系统界面的设计及其功能介绍
  • 2焊接干扰因素识别系统对干扰因素的识别验证'>6.2 CO2焊接干扰因素识别系统对干扰因素的识别验证
  • 6.2.1 识别试验方法及识别结果
  • 6.2.2 对识别试验数据的焊后分析
  • 6.3 本章小结
  • 第七章 结论
  • 参考文献
  • 攻读硕士期间发表的论文
  • 致谢

    • 相关论文文献

    • [1].理性分析干扰因素 精准解答实验问题[J]. 教学考试 2020(23)
    • [2].排除题目干扰因素巧解题[J]. 中学生数学 2017(17)
    • [3].药物对常用临床检验指标的干扰因素[J]. 中国医药指南 2017(14)
    • [4].公租房执行效果干扰因素研究[J]. 湖北民族学院学报(哲学社会科学版) 2015(01)
    • [5].如何避免单片机控制系统的干扰因素[J]. 网络安全技术与应用 2014(11)
    • [6].临床ELISA检测干扰因素分析及处理[J]. 中国误诊学杂志 2011(18)
    • [7].探讨药物对常用临床检验指标的干扰因素[J]. 中国卫生标准管理 2016(01)
    • [8].浅析TD-LTE网络性能干扰因素及防治对策[J]. 无线互联科技 2016(13)
    • [9].力学应用问题中的干扰因素及对策[J]. 中学物理 2014(08)
    • [10].电子自动化控制中的干扰因素及改善措施[J]. 中外企业家 2019(35)
    • [11].对教学中的“干扰因素”的理性思考[J]. 中小学数学(小学版) 2009(Z2)
    • [12].水质分析挥发酚检测过程中干扰因素消除分析[J]. 河南科技 2015(19)
    • [13].电子自动化控制中的干扰因素及改善分析[J]. 计算机产品与流通 2019(02)
    • [14].酶联免疫吸附试验的干扰因素和对策[J]. 实用医技杂志 2011(12)
    • [15].初中生英语学业成绩干扰因素及其应对策略的研究[J]. 校园英语 2019(07)
    • [16].驾驭动荡[J]. 上海国资 2009(06)
    • [17].浅谈化工仪表的外部干扰因素及消除措施[J]. 科技视界 2014(16)
    • [18].影响免疫检验结果的干扰因素[J]. 保健文汇 2019(09)
    • [19].化工仪表的外部干扰因素及消除措施的研究与探讨[J]. 电子世界 2016(17)
    • [20].爱如病毒喜欢潜伏[J]. 中国新闻周刊 2009(35)
    • [21].电力系统继电保护干扰因素及措施分析[J]. 科技创新与应用 2013(03)
    • [22].原子吸收分光光度法在矿石矿物分析中的应用[J]. 科技创新导报 2012(06)
    • [23].自动化控制中的干扰因素与对策分析[J]. 集成电路应用 2019(08)
    • [24].电子自动化控制中的干扰因素及处理对策[J]. 中国战略新兴产业 2018(36)
    • [25].振幅整合脑电图干扰因素分析与护理对策[J]. 齐鲁护理杂志 2017(24)
    • [26].地震观测干扰因素的识别与观测环境的保护措施[J]. 科技资讯 2018(18)
    • [27].广播电视传输过程干扰因素及策略研究[J]. 科学技术创新 2019(09)
    • [28].相互干扰因素对宿主-寄生物种群模型的影响[J]. 宁夏师范学院学报 2015(03)
    • [29].透孔而视——避免走入使用现代教学手段的误区[J]. 中国体卫艺教育论坛 2009(02)
    • [30].自动血细胞分析仪血小板计数的干扰因素分析[J]. 山西医药杂志(下半月刊) 2010(09)

    标签：;  ;  ;  ;  

    CO2气体保护焊干扰因素计算机识别系统的研究与设计
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5