Al-Mg合金钨极气体保护焊接电弧的光谱特征提取方法

上海交通大学学报（自然版） ›› 2013, Vol. 47 ›› Issue (11): 1655-1660.

• 金属学与金属工艺 • 下一篇

Al-Mg合金钨极气体保护焊接电弧的光谱特征提取方法

余焕伟，叶震，张志芬，陈华斌，陈善本

（上海交通大学材料科学与工程学院, 上海 200240）

收稿日期:2013-01-09 出版日期:2013-11-28 发布日期:2013-11-28
基金资助:
国家自然科学基金资助项目(51075268)

Arc Spectral Characteristics Extraction Method in Pulsed Gas Tungsten Arc Welding for Al-Mg Alloy

YU Huanwei,YE Zhen,ZHANG Zhifen,CHEN Huabin,CHEN Shanben

(School of Materials Science and Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2013-01-09 Online:2013-11-28 Published:2013-11-28

摘要/Abstract

摘要：

摘要：
以Al-Mg合金的脉冲交流钨极气体保护焊接为背景，运用主成分分析方法对电弧光谱进行冗余信息去除和特征信号提取，分别使用信号脉冲周期内平均和小波重构的方法对特征信号进行去脉冲干扰，并对特征信号和不同类型焊接缺陷间的关系进行研究.结果表明，第1、2主成分包含了电弧光谱中的主要信息，分别对应Ar I谱线和金属谱线，反映了焊接过程的不同方面，第1主成分特征信号与电弧的热量输入关系较大，而第2主成分特征信号与熔池的稳定性密切相关.

关键词: 钨极气体保护焊, 电弧光谱, 主成分分析, 特征提取, 焊接缺陷

Abstract:

In this paper, aimed at the problems in arc spectral information in AlMg Alloy pulsed alternating current (AC) GTAW, principal component analysis (PCA) was utilized for redundancy removal and spectral characteristic signals extraction. The spectral wavelengths were classified as the first and the second principal components, associated with Ar I lines and metal lines respectively; pulse interference caused by welding current was eliminated by using mean value during signal’s pulse period (MSP) and wavelet reconstruction. The relations between these extracted signals and different defects were discussed. The results show that the first principal component is closely related to the arc heat input while the second principal component is closely related to the weld pool stability.

Key words: gas tungsten arc welding (GTAW), arc spectra, principal component analysis, characteristics extraction, welding defect

中图分类号:

TG 409

余焕伟，叶震，张志芬，陈华斌，陈善本. Al-Mg合金钨极气体保护焊接电弧的光谱特征提取方法[J]. 上海交通大学学报（自然版）, 2013, 47(11): 1655-1660.

YU Huanwei,YE Zhen,ZHANG Zhifen,CHEN Huabin,CHEN Shanben. Arc Spectral Characteristics Extraction Method in Pulsed Gas Tungsten Arc Welding for Al-Mg Alloy

[J]. Journal of Shanghai Jiaotong University, 2013, 47(11): 1655-1660.

参考文献

［1］陈善本. 焊接过程现代控制技术［M］. 哈尔滨, 哈尔滨工业大学出版社, 2001: 1720.

［2］Wang J J, Lin T, Chen S B. Obtaining weld pool vision information during aluminium alloy TIG welding［J］. Int J Adv Manuf Tech, 2005, 26(3): 219227.

［3］Xu Y, Yu H, Zhong J, et al. Realtime seam tracking control technology during welding robot GTAW process based on passive vision sensor［J］. J Mater Process Tech, 2012, 212(8): 16541662.

［4］Christner B, Lovell R, Campbell M. Developing a GTAW penetration control system for the Titan IV program［J］. Welding & Metal Fabrication, 1998, 66: 2938.

［5］樊丁，黄健康，石玗，等. 基于电弧声ARMA双谱分析对熔滴过渡类型SVM模式识别［J］. 上海交通大学学报, 2008, 42(增刊): 4245.

FAN Ding, HUANG Jiankang, SHI Yu, et al. Droplet transfer pattern recognition by SVM based on arc acoustic ARMA bispectrum analysis［J］. Journal of Shanghai Jiaotong University,2008,42(sup):4245.

［6］杨运强, 李俊岳, 胡胜钢, 等. 熔化极脉冲电弧焊熔滴过渡特征光谱信息及其应用［J］. 焊接学报, 2001(4): 3638.

YANG Yunqiang, LI Junyue, HU shenggang, et al. The characteristic spectral information of droplet transfer in pulsed MIG welding and it’s applications［J］. Transactions of the China Welding Institution, 2001(4): 3638.

［7］Park H, Sehun R, Kim D. A fuzzy pattern recognition based system for monitoring laser weld quality ［J］. Measurement Science and Technology, 2001(12): 13181324.

［8］Li P J, Zhang Y M. Precision sensing of arc length in GTAW based on arc light spectrum ［J］. J Manuf Sci ET Asme, 2001, 123 (1): 6265.

［9］Sforza P, de Blasiis D. Online optical monitoring system for arc welding ［J］. Independent Nondestructive Testing and Evaluation, 2002, 35(1): 3743.

［10］Mirapeix J, GarcíaAllende P B, Cobo A, et al. Realtime arcwelding defect detection and classification with principal component analysis and artificial neural networks［J］. Independent Nondestructive Testing and Evaluation, 2007, 40(4): 315323.

［11］宋永伦. 交流焊接电弧的若干机理与工程应用基础［J］. 电焊机, 2009, 39(1): 9799.

SONG Yonglun. Some understanding of the practical knowledge on A.C.TIG welding arc［J］. Electric Welding Machine, 2009, 39(1): 9799.

［12］杨晓红，宋永伦，胡坤平.交流TIG电弧过零时段的时间能量分布特征［J］. 焊接学报, 2009, 30(2): 2125.

YANG Xiaohong, Song Yonglun, Hu Kunping. Characteristic of timeenergy distribution at currentzero period on AC TIG welding arc［J］. Transactions of the China Welding Institution, 2009, 30(2): 2125

［13］Jolliffe I T. Principal Component Analysis ［M］. New York, Springer, 2002: 16.

[1]	张晏合, 臧月进, 陈渤, 徐铭晟. 基于解耦表征变分自编码机的雷达目标识别算法[J]. 空天防御, 2022, 5(2): 87-93.
[2]	王微, 王冰, 胡雄, 孙德建. 基于在线改进符号序列熵与逻辑回归模型的岸桥起升减速箱在线退化评估[J]. 上海交通大学学报, 2021, 55(10): 1272-1280.
[3]	王俊, 王赛, 任俞明, 陈德红, 崔闪, 魏少明. 结合深度学习去噪和超分辨的SAR检测识别[J]. 空天防御, 2020, 3(3): 24-30.
[4]	来颜博, 阎高伟, 程兰, 陈泽华. 基于动态独立成分分析和动态主成分分析的测地线流式核无监督回归模型[J]. 上海交通大学学报, 2020, 54(12): 1269-1277.
[5]	颜波，张磊，褚学宁. 基于卷积神经网络的用户感知评估建模[J]. 上海交通大学学报, 2019, 53(7): 844-851.
[6]	高雅1，王占永1，2，路庆昌1，彭仲仁1. 城市高架路沿侧细颗粒物的垂直分布特征研究[J]. 上海交通大学学报（自然版）, 2018, 52(6): 650-657.
[7]	吴军a, b，黎国强a，吴超勇a，程一伟c，邓超c. 数据驱动的滚动轴承性能衰退状态监测方法[J]. 上海交通大学学报（自然版）, 2018, 52(5): 538-544.
[8]	商诺诺, 梁艳, 翟恒峰, 原浩娟. 一种高效的雷达信号全脉冲特征提取方法[J]. 空天防御, 2018, 1(4): 37-43.
[9]	吴倩红，韩蓓，冯琳，李国杰，江秀臣. “人工智能+”时代下的智能电网预测分析[J]. 上海交通大学学报（自然版）, 2018, 52(10): 1206-1219.
[10]	王瑞，刘宾，周天润，杨羽. 基于协同表示的声振传感器网络车辆分类识别[J]. 上海交通大学学报（自然版）, 2018, 52(1): 103-110.
[11]	高筱婷，杨东升. 基于数据驱动的智能电器运行状态监测方法 [J]. 上海交通大学学报（自然版）, 2017, 51(9): 1104-1110.
[12]	王嗣阳，许黎明，赖小平. 砂轮磨削过载判据及其快速诊断[J]. 上海交通大学学报（自然版）, 2015, 49(09): 1346-1352.
[13]	成谢锋,傅女婷. 心音身份识别综述[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1745-1750.
[14]	王佳婧1，2，张树生1，何卫平1. 基于多信息融合的失效DPM码识别[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1675-1680.
[15]	杨漪1，姚晓栋1，杨建国1，张余升2，袁峰2. 基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模[J]. 上海交通大学学报（自然版）, 2013, 47(05): 750-753.

Al-Mg合金钨极气体保护焊接电弧的光谱特征提取方法

Arc Spectral Characteristics Extraction Method in Pulsed Gas Tungsten Arc Welding for Al-Mg Alloy

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价