原文传递
基于深度学习的低碳钢多层单道GMAW焊缝尺寸预测研究
| 论文题名： | 基于深度学习的低碳钢多层单道GMAW焊缝尺寸预测研究 |
| 关键词： | 焊缝检测;多层单道焊;焊缝尺寸;深度学习;熔池图像 |
| 摘要： | 多层单道焊接通常用于宽厚件的焊接，在机械、航空航天、建筑等领域有着广泛的应用。在多层单道焊工程应用中，需严格保证每层焊缝的焊接质量，因此，实现对焊缝质量的实时检测具有重要意义。 其中，焊缝尺寸是评判焊接质量的重要标准，通过焊缝尺寸可准确判断未熔透、未填满、余高过高等缺陷，从而有效提高焊缝质量。熔池图像包含信息量大，能够直观反映熔池的动态变化，常用于焊缝尺寸信息的判断。但对焊缝质量进行检测时，单一的熔池图像对焊缝信息的表征有限，因此本课题引入了焊接参数、焊接过程中的电信号和熔池图像共同对焊缝尺寸信息进行预测。 本课题采用数据归一化及数据增强方法消除数据间的量纲差异，丰富样本数据;基于AlexNet模型进行优化得到熔池分类模型，实现不同焊接过程的分类;基于PyTorch框架构建焊缝尺寸预测模型，分别通过残差网络和残差收缩网络对图像、电信号进行特征提取,采用特征融合模块实现多信息特征的融合。经测试，模型有效结合了多种信息源的特点，预测结果稳定且误差能保持较低水平。 经过实验验证，本课题提出的焊接过程分类模型能够对焊接过程实现精确分类，焊缝尺寸预测模型对各工序的焊缝尺寸预测时具有较高的预测精度。分类模型预测精度达到99.70％,验证集中对打底焊、填充焊、盖面焊的识别准确率分别为99.74％,98.86％,98.6％。预测模型中打底焊的焊缝厚度、背面余高、熔宽的最小平均绝对误差分别为0.0267mm,0.0246mm,0.0257mm。填充焊的焊缝厚度、熔深、熔宽的最小平均绝对误差分别为0.092mm,0.144mm,0.084mm。盖面焊的焊缝厚度、熔深、熔宽的最小平均绝对误差分别为0.123mm,0.133mm,0.148mm。 |
| 作者： | 王松聿 |
| 专业： | 材料加工工程 |
| 导师： | 陈姬 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
