典型文献
基于声音信号的GMAW焊接状态监测方法研究
文献摘要：
针对焊接过程中因保护气体和外部气流干扰等情况所产生的异常焊接状态,提出了一种基于电弧声音信号特征结合长短期记忆(LSTM)神经网络的监测方法,基于梅尔频谱(Mel-spectrogram)下的电弧声音特征对焊接过程进行分析.采用高速脉冲全位置熔化极气体保护焊(GMAW)下行焊焊接技术,搭建了短弧高速脉冲X80管线钢GMAW实验平台,记录了全工况条件下的电弧声数据.根据电弧声音信号特点,采用daubechies小波作为小波基函数,利用启发式阈值对电弧声信号进行分解和重构,有效提高了电弧声音信号的信噪比.通过正常和异常焊接状态下声音信号的梅尔频谱特征训练LSTM神经网络,建立了电弧声音信号的预测模型来检测异常焊接状态,该方法的灵敏度可以达到94.57％.
文献关键词：
声音信号;焊接过程;GMAW;焊接状态;小波基函数;梅尔频谱;LSTM神经网络
中图分类号：
作者姓名：
倪畅;薛瑞雷;刘宏胜;周建平;李晓娟
作者机构：
新疆大学 智能制造现代产业学院(机械工程学院),新疆 乌鲁木齐 830000
文献出处：
引用格式：
[1]倪畅;薛瑞雷;刘宏胜;周建平;李晓娟-.基于声音信号的GMAW焊接状态监测方法研究)[J].现代电子技术,2022(23):115-120
A类：
daubechies
B类：
声音信号,GMAW,焊接状态,状态监测,监测方法,对焊,焊接过程,保护气体,外部气流,电弧声,信号特征,特征结合,长短期记忆,梅尔频谱,Mel,spectrogram,全位置,熔化极气体保护焊,焊接技术,X80,管线钢,实验平台,全工况,工况条件,小波基函数,启发式,声信号,频谱特征
AB值：
0.261783
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
