[01365007]GMAW焊接过程多维特征矢量提取与智能监测方法的研究

当GMAW焊接过程遇到干扰或将要产生焊接缺陷时，目前的自动焊接系统或机器人都不能自动做出判断和相应的调整，因而会出现焊接质量的波动。因此，提取出表征焊接过程质量的特征信息，实现焊接过程质量的实时监测，具有重要的理论意义和工程实用价值。GMAW焊接过程中的电参数(焊接电压和焊接电流)及其瞬时变化特点包含了焊接过程的大量信息。如果利用当代最先进的计算机检测技术，直接对焊接过程本身固有的电参数信号实施检测和处理，既能提取表征焊接过程质量的特征信息，又不需要额外的传感器(如视觉、声学传感器)，检测手段简单、可靠、准确度高。但是，要得出表征焊接过程质量的特征信息，首先必须对检测到的海量原始数据(焊接电压和焊接电流的瞬时值)进行有效、快速的压缩和处理。同时，识别和评估表征焊接过程质量的特征信息，需要具有丰富的专家知识和实践经验。这就限制了上述思路在实际中的推广应用。　　本项目围绕GMAW焊接过程智能监测面临的两大关键问题(多维特征矢量的构建；智能化辨识和评估方法)，开展深入、系统的研究。将整个研究工作划分为“在线检测、离线辨识”和“在线检测、在线辨识”两个阶段。在实时采集和处理焊接电压和焊接电流瞬时值的基础上，进一步提取和构建表征GMAW焊接过程质量的多维特征矢量，分别采用模糊逻辑、神经网络和模糊聚类神经网络等人工智能技术，实现对焊接过程干扰信息的自动识别。及时发现焊接过程遇到干扰或焊缝成形缺陷的产生倾向，这将为焊接过程的实时监控提供有效的新理论和新方法。　　本项目研究成果在国内外重要学术刊物发表后，美国、德国、澳大利亚、英国、意大利、波兰、斯洛文尼亚、印度、台湾等国家和地区以及国内的同行专家学者在其发表的论文和出版的专著中给予了正面引用和评价。