基于數據融合的激光焊接實時監(jiān)測系統(tǒng)研究.pdf

1、激光焊接過程的實時監(jiān)測對保證焊接質量具有重大意義。多傳感器系統(tǒng)的引入，可以有效克服激光焊接過程的復雜性給焊接過程實時監(jiān)測所帶來的檢測對象多、信息容量大等困難，是目前國內外專家學者的研究方向之一。本課題根據激光焊接過程的特點將多傳感器數據融合技術應用于激光焊接過程實時監(jiān)測系統(tǒng)的研究中，并且以虛擬檢測系統(tǒng)的方式采用軟件化的方法實現監(jiān)測系統(tǒng)中特征信號的提取和融合。 本文首先說明了激光焊接過程監(jiān)測中檢測對象的特點，并以此為依據選擇了紫藍

2、光傳感器、紅外傳感器以及聲波傳感器來采集與焊接過程密切相關的特征信號。通過對這幾種傳感器信號調理電路的優(yōu)化，設計了一套適應性好、易于擴充的通用多傳感器系統(tǒng)硬件平臺，在此基礎上提出了適合本系統(tǒng)的帶有參數反饋機制的多傳感器數據融合系統(tǒng)結構。傳感器系統(tǒng)采集到的原始數據經過硬件平臺的處理被采集到計算機中，通過濾波器陣列算法對這些數據進行特征提取，將研究對象從數據空間映射到特征空間中，這樣就將數據融合問題轉換為模式識別中的數據分類問題。文中使用神

3、經網絡算法對這些信號特征進行數據融合，較好地完成了系統(tǒng)預先設計的功能。為了進一步解決實際應用中可能遇到的樣本集合偏小的問題，引入了支持向量機（SVM）這種比較新穎的基于統(tǒng)計學習理論的機器學習方法。最后通過實驗數據分析對比了支持向量機和神經網絡在小樣本的學習問題上的性能。 本課題設計的激光焊接實時監(jiān)測系統(tǒng)已成功地應用于某重點實驗室的激光焊接設備上。經過實際的焊接試驗發(fā)現，如果僅選取單個傳感器數據進行焊接過程缺陷識別，則激光焊接監(jiān)測