基于时间序列深度学习的超窄间隙焊接质量预测方法

• 作者: 张爱华 白忠领 马晶 魏浩
• 来源期刊: 电焊机
• 关键词: 超窄间隙 时序数据 卷积网络 质量预测
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 焊接工艺
• 页码范围: 43-47
• 页数: 5页
• 分类号: TG47
• 语种: 中文
• DOI: 10.7512/j.issn.1001-2303.2020.08.09

摘要

焊接过程中,电信号与焊接质量密切相关.超窄间隙焊接是一种高效低热输入的新焊接方法,但其电弧控制与熔滴过渡过程复杂,传统的信号特征提取与分析方法往往不能完整表达和充分利用时间序列信息.结合超窄间隙焊接过程特点,运用完整电信号时间序列构建卷积神经网络,在深入挖掘同属性信号时序信息的同时,充分考虑同步采集的焊接电流和电弧电压信号之间的时间关联信息,对焊接质量进行预测.试验结果表明,基于完整时序信号的深度网络模型能够准确地预测焊接质量,准确率达到95％,在使用RTX2080GPU作为运算加速器的情况下,模型预测所需时间仅为0.178 ms,为实时预测超窄间隙焊接质量奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张爱华	兰州理工大学电气工程与信息工程学院	130	802	15.0	21.0
5	白忠领	兰州理工大学电气工程与信息工程学院	3	0	0.0	0.0
6	魏浩	兰州理工大学电气工程与信息工程学院	1	0	0.0	0.0
7	马晶	兰州理工大学电气工程与信息工程学院	5	2	1.0	1.0