首页期刊导航|焊接学报
期刊信息/Journal information
焊接学报
焊接学报

王亚

月刊

0253-360X

hjxbjb@126.com

0451-86323218

150028

哈尔滨市和兴路111号

焊接学报/Journal Transactions of the China Welding InstitutionCSCD北大核心CSTPCDEI
查看更多>>本刊主要刊登焊接各专业学科理论研究的专题论文和反映焊接新材料、新工艺方法的专题论文。它代表了中国焊接学术水平具有一定的权威性，在国内外拥有广大的读者，在国际上享有一定的声誉。被美国《工程索引（Ei）》、《科学引文索引（SCI）》收录，是中国科技论文统计源期刊。
正式出版
收录年代

    基于SSTFT与KSVD的异种材料FSW在线监测

    龙海威张佳莹刘锐孙屹博...
    77-84页
    查看更多>>摘要：异种材料轻量化结构是航空航天、铁路、汽车等领域的关键技术和研究热点之一,搅拌摩擦焊(FSW)是连接异种材料的有效方法,由于异种材料物理和化学性质的不同,容易在焊接过程中产生缺陷.针对铝合金与碳纤维增强热塑性塑料(CFRTP)搅拌摩擦焊(FSW)缺陷监测提出了基于同步压缩短时傅立叶变换与K-奇异值分解(SSTFT-KSVD)在线监测方法.使用声发射(AE)信号实时监测FSW状态,利用同步压缩短时傅立叶变换(SSTFT)提取时频域特征,最后通过K-奇异值分解(KSVD)模型对焊接状态与焊接缺陷进行了分类.结果表明,AE信号频率成分集中在 10 kHz,17 kHz,23 kHz和 25 kHz 4个频段,熔核塌陷和表面擦伤缺陷发生时,23 kHz频段的功率分别转移到 10 kHz,而表面擦伤发生时,25 kHz频段的功率转移到 17 kHz.在缺陷预测方面,KSVD预测模型的平均准确率达到 90%,响应时间达到 10 ms量级,比神经网络快 100倍.基于SSTFT-KSVD在线监测方法可以实现对Al-CFRTP异种材料的FSW快速监测.

    异种材料搅拌摩擦焊声发射信号同步压缩短时傅立叶变换K-奇异值分解在线监测

      原文链接:
    • 维普
    • 万方数据

    基于视觉传感的焊接电流及电压检测控制方法

    乐健李发园束志恒曾明如...
    85-89页
    查看更多>>摘要：焊接电流及电压是影响焊接质量的重要参数,为了提高焊接质量,研究了一种基于视觉传感技术的焊接电流及电压在线检测及精确控制方法.首先,分析焊接电流及电压图像的预处理,分割出了焊接电流及电压对应的字符图像;然后,使用了一种基于投影特征的焊接电流及电压对应字符的识别方法,并进一步实现了焊接电流及电压的识别;最后,研究了基于专家控制的焊接电流及电压自动控制方法,可提高焊接电流及电压自动调节的稳定性、准确性和快速性.结果表明,利用文中的方法,在线识别焊接电流及电压的准确度高于 99.75%,可实现焊接前及焊接过程中焊接电流及电压的自动检测控制,而且焊道尺寸根据需要在线调整,有助于提高焊接的自动化程度及焊接质量.

    视觉传感技术焊接电流及电压在线检测自动控制焊接自动化

      原文链接:
    • 维普
    • 万方数据

    图像自动增强与注意力机制深度学习的MIG焊缝跟踪系统

    朱明雷润吉翁军王金成...
    90-94页
    查看更多>>摘要：针对常规MIG焊难以根据组对偏差及热积累变形实时调整焊接位置的难题,提出并建立了被动视觉MIG焊缝跟踪试验系统,通过图像空间域滤波及自动增强算法,采用添加注意力机制的YOLO v7深度学习模型,在感兴区内对坡口的对中位置、电弧位置进行实时提取与分析;并采用模糊控制算法对预设偏差时的MIG焊过程进行实时控制.结果表明,采用图像自动增强算法完成了对图像的预处理,边缘位置的像素灰度值由 40增大到 110左右,显著提高了边缘位置信息提取的精度;基于YOLO v7 网络结构添加注意力机制模块,提升目标检测效率,整体平均精度值mAP指标达到 99.27%;预设偏差试验表明,对中偏差检测像素误差在8个像素以内,对中偏差距离控制在±0.5 mm之间.

    焊缝跟踪被动视觉图像增强深度学习

      原文链接:
    • 维普
    • 万方数据

    基于光谱物理特征感知网络的DED稀释率监测

    白子键张志芬王杰张帅...
    95-100页
    查看更多>>摘要：稀释率对激光能量沉积基体和熔覆层之间的冶金结合强度和成形精度至关重要.论文搭建了一套基于y-双通道光纤的DED过程稀释率实时监测系统.基于所采集等离子体光谱信号,提取基板和粉末关键代表元素谱线比表征稀释率变化.搭建光谱物理特征感知网络(Pi-LGNet),以光谱预处理信号和所提元素谱线等光谱物理特征作为双通道输入,实现了DED过程中稀释率的分类识别.结果表明,所提关键代表元素谱线比与稀释率具有强相关关系,所提Pi-LGNet网络模型准确率可达91.8%,消融试验和对比试验验证了该网络对光谱信号识别的优越性.

    等离子体光谱激光能量沉积物理特征感知深度学习在线监测

      原文链接:
    • 维普
    • 万方数据

    基于三探针检测的TC4钛合金激光深熔焊等离子体动态行为研究

    张涵博杨立军田云付黄一鸣...
    101-109页
    查看更多>>摘要：在激光深熔焊中,激光诱导等离子体的产生具有很强的随机性和时变性.利用新型无源三探针电信号采集装置,采集高时间分辨率的等离子体电信号,获得大样本的等离子体温度等热力学信息,采用无监督学习方法中的K-均值聚类对复杂的等离子体动态行为聚类分析.结果表明,在文中试验条件下,等离子体的喷发频率主要集中在 1240-2200 Hz范围,等离子体喷发的温度变化率主要分布在 5000-30000 K/ms的范围内;等离子体的摆动频率主要在 1050-1410 Hz范围,等离子体摆动的温度变化率主要分布在200-2000 K/ms的范围内,喷发和摆动的温度变化率差异明显.

    激光深熔焊电信号等离子体动态行为K-均值聚类

      原文链接:
    • 维普
    • 万方数据

    基于光电同轴传感的极耳激光焊虚焊实时检测

    曾达吴頔彭彪杜辉...
    110-114页
    查看更多>>摘要：针对多层铝箔极耳和铝片的搭接形式,首先搭建了基于多波段光电同轴传感的激光焊过程实时监测系统,开展了不同激光功率和离焦量的激光焊试验,实时采集不同激光能量下的多波段光电信号;其次,利用小波散射网络从原始信号中提取出多尺度高维特征,并结合长短期记忆网络实现时间动态建模,最终达到实时检测虚焊缺陷的目标.结果表明,在小样本规模下,构建的WSN-LSTM模型准确率达到 99.6%,其分类性能优于其他循环神经网络和轻量化卷积神经网络模型.同时,WSN-LSTM模型轻量化使其在训练时间最短,且平均单个样本处理时间仅为 0.15 ms,有利于在动力电池产线快速部署,并实现虚焊缺陷的实时检测.

    光电传感激光焊小波散射网络在线监测虚焊检测

      原文链接:
    • 维普
    • 万方数据

    基于视觉传感的热丝激光金属沉积熔滴—熔池多特征信息同步监测

    李春凯潘宇石玗王文楷...
    115-120页
    查看更多>>摘要：为了提高热丝激光金属沉积(HW-LMD)过程中的质量稳定性和实现熔滴—熔池多特征信息的同步实时监测,采用基于高动态视觉相机结合YOLO v8深度学习神经网络的高精度实时监控方法,通过相机捕捉HW-LMD过程中的动态变化,并利用YOLO v8神经网络对过渡方式和熔池行为进行同步监测,首先判断沉积过程是否为稳定的液桥过渡,然后在液桥过渡模式下提取熔池尺寸的关键点信息.结果表明,YOLO v8神经网络在检测沉积过程过渡方式和熔池关键点信息方面具有高精确度,精确率分别达到了 98.8%和 99.9%,熔池宽度的平均误差为 4.1%,且推理时间平均仅为 12 ms/帧,满足了HW-LMD过程实时监控的需求.

    热丝激光金属沉积过程监控YOLOv8深度学习神经网络熔池尺寸过渡方式

      原文链接:
    • 维普
    • 万方数据

    基于CNN-LSTM混合驱动的焊接成形质量监测

    王杰张志芬白子键张帅...
    121-127页
    查看更多>>摘要：焊接成形质量监测对于现代制造业至关重要,现有的质量识别方法大多基于单一传感器,识别精度难以进一步提升,面对复杂条件下的抗干扰能力较弱.针对单一传感器识别技术存在的不足,多源信息融合技术能够发挥不同类型传感器的自身优势,实现对焊接过程更为全面且准确的监测.在进行多信息融合过程中,深度学习模型的特征挖掘机制仍然欠缺解释,不同信息的互补性仍未明晰,为此,提出一种基于多源信息混合驱动的CNN-LSTM焊接成形质量监测模型.结果表明,通过融合图像和电压信号实现了99.72%的平均识别准确率,可视化结果还展示了不同信息之间的互补优势.

    焊接成形质量多源信息融合深度学习混合驱动信息互补

      原文链接:
    • 维普
    • 万方数据

    基于OCT原位测量的可调环模激光焊飞溅定量评价

    黄宏星吴頔曾达彭彪...
    128-132页
    查看更多>>摘要：为了快速准确定量评价金属飞溅以优化工艺和保证焊接质量,采用 1060铝合金可调环模(variable beam profile,VBP)激光焊为研究对象,搭建了基于光学相干层析成像(opticalc coherence tomography,OCT)的激光焊匙孔深度原位测量系统,并提出了一种 1DCNN-BiLSTM复合深度学习模型,该模型利用两种网络单元的特性对匙孔深度信息进行局部和全局时序特征挖掘,实现了飞溅状态的定量评价.结果表明,该模型的飞溅识别准确率达到 99.69%,为VBP激光焊工艺优化和质量控制提供了指导依据和闭环反馈.

    动力电池可调环模激光焊光学相干断层扫描飞溅评价深度学习

      原文链接:
    • 维普
    • 万方数据

    基于鲸鱼优化算法的焊缝尺寸预测

    姚屏李文强陈威何日恒...
    133-139页
    查看更多>>摘要：在机器人电弧焊过程中,准确预测焊缝尺寸对于控制焊接成形质量具有重要意义.文中提出了一种融合鲸鱼优化算法(whale optimization algorithm,WOA)与深度信念网络(deep belief network,DBN)的预测模型,简称WOA-DBN.该模型以电流、频率、占空比和焊接速度作为输入参数,进行了四因素十水平正交试验,构建了针对电弧焊焊缝尺寸的预测模型.为提升算法的搜索效率、增强收敛性能并避免陷入局部最优解,引入了混沌反向学习初始化种群、非线性收敛因子以及模拟退火操作和自适应变异扰动等策略,建立了一种混沌鲸鱼优化算法优化的深度信念网络模型,即AAMCWOA-DBN.通过试验对比,AAMCWOA-DBN模型在预测精度和性能指标方面均优于传统的WOA-DBN模型,熔宽预测的MAPE仅有 1.85%,余高预测的MAPE仅有 0.47%.文中利用人工智能算法对电弧焊的焊缝尺寸进行预测,为焊接成形控制和焊接质量的智能化提供了新的研究视角和方法,有望在相关领域得到应用.

    人工智能机器人电弧焊焊缝尺寸预测WOA-DBNAAMCWOA-DBN

      原文链接:
    • 维普
    • 万方数据