金虎[1]2003年在《基于电弧信号特征分析的CO_2焊接质量监控方法》文中进行了进一步梳理CO_2气体保护焊是一种高效率、低廉的焊接制造技术，它在金属结构制造业中的应用极为广泛。针对焊接过程稳定性和焊接质量在线监控的问题，本文以CO_2气体保护焊的电压、电流和电弧声信号作为研究对象，进行了以下叁方面的工作。 利用时域、频域、小波、统计等多种方法对电流、电压、电弧声等信号进行分析。时域上着重分析叁种信号的同步性以及它们的自相关和互相关性。频域上分别研究了信号的傅立叶谱、短时傅立叶谱、功率密度谱以及相干函数，并对上述几种方法进行了比较。小波分析主要用来对信号进行降噪处理和分析声波信号的频段能量。对信号的时域和频域上的常用参数进行了统计。 焊接电弧声波中包含丰富的和电弧行为、熔滴过渡方式、电弧稳定性等相关的信息。本文从时域和频域两方面分析短路过渡的GMAW焊接过程中产生的电弧声信号特征，发现电弧声波呈现“振铃”形信号，主要产生于短路结束再引弧阶段，与电弧功率的微分信号相关性最大，频率主要集中在4～8kHz。根据其信号特征探讨了电弧声的产生和形成机理，认为电弧能量的变化是产生电弧声的激励源，保护气流、弧柱等构成时变的声道系统，声音激励和声道系统共同作用产生电弧声，并据此建立了电弧声LPC预测模型。 分别采用基于功率谱的多分辨率分析、电弧能量的多层小波包分解、高阶LPC线性预测分析和参数统计分析等方法提取焊接过程的特征参数，构成反映焊接过程稳定性和焊接质量的特征向量，以特征向量作为线性神经元、BP反馈等多种神经网络模型的输入参数，实现对焊接参数进行跟踪预测、对焊接质量进行分类。
马跃洲[2]2005年在《基于电弧声信号的CO_2焊质量监控方法研究》文中认为GMAW焊接电弧声信号中蕴涵着丰富的焊接状态信息,并与焊接参数、电弧行为、熔滴过渡方式、过程稳定性等密切相关,是焊接质量监控重要的源信号。本文以焊接质量在线监控为目的,以短路过渡CO_2焊接过程电弧声信号为主要研究对象,借助于现代信号分析方法,分析了电弧声信号的时频特征及其与焊接状态的相关性。在此基础上提出电弧声道的概念,并建立了声道的等效电气模型以及电弧声的参数化模型。采用小波包分解提取的电弧声频带能量和电弧声LPC模型参数构造特征向量,利用BP、RBF神经网络和支持向量机等机器学习模型,针对CO_2焊接飞溅量、保护气流量和焊丝干伸长,分别建立了预测模型和分类模型。测试结果表明,利用电弧声信号进行焊接状态的模式识别是可行的。论文工作主要包括以下内容: 针对GMAW特点设计了以AC6115采集卡为核心的CO_2焊接同步信号数据采集系统。基于Visual Basic语言开发了信号采集、波形显示、数据处理以及与Matlab接口的应用软件。 利用相关性分析、傅立叶谱、短时傅立叶、功率密度谱、小波分析等多种信号分析方法对焊接信号的时域、频域及时频域特征进行了研究,试图从信号分析角度丰富对焊接过程的认识。分析表明,短路过渡CO_2焊电弧声信号呈现周期性的“振铃”形信号,主要发生在短路过渡结束电弧再引燃阶段,并且与电弧功率的一阶差分高度相关,电弧能量的变化表现为声音产生的动因:电弧声的幅频谱主要分布在12kHz以下范围内并呈现出的一系列共振峰,其频谱特征与焊接参数密切相关:小波分析可在保证信号不失真的前提下有效地消除原信号上的高频噪声,并能提取电弧频带特征信息,其中电弧电压信号不同小波分解层高频部分的奇异点,可用来界定短路过渡过程的不同阶段。 分别利用傅立叶变换及小波分解技术提取不同频率范围内的电弧声能量作为表征焊接过程状态变化的特征集合。利用统计学中的假设检验方法对集合内元素与CO_2飞溅量的相关性进行评价,从而实现特征集合的降维处理。以电弧声频带能量集合作
高忠林[3]2008年在《弧焊电源控制及焊接质量在线监测数字化基础研究》文中认为现代工业生产对号称“工业缝纫机”的焊接设备提出了更高的要求。提高焊接工艺性能的关键之一在于先进的焊接设备,实现先进的焊接设备在于采用先进的控制理论及针对工艺特点采取合理的控制算法。本文基于数字化焊接的概念,对数字化焊接电源,熔化极气体保护焊(GMAW)焊接过程数学模型以及焊接信号(电流、电压,焊接速度等)特征分析,焊接质量预测以及在线监控等基础问题进行了研究。首先研制了以数字信号处理器(DSP)与单片机(MCU)双处理器为控制核心的数字化弧焊电源。完成了主电路,数字控制系统电路,IGBT驱动电路,电流、电压反馈电路,人机接口电路,送丝系统电路以及保护电路的研制,并完成了电源软件系统的设计与调试。其次,进行了CO2焊接短路过渡波形控制研究,分析了CO2短路过渡可以减小飞溅和改善焊缝成型的电压、电流波形。提出了叁种波形控制方法,对叁种控制方案及效果进行了比较分析。再次,为了实现先进控制方法在焊接电源控制中的应用,分析了GMAW焊接过程所涉及的焊接参数及相互关系,对GMAW过程电路系统、电弧系统、熔滴上的作用力、熔滴过渡、焊丝熔化速度进行分析。建立GMAW过程数学模型;应用基于微分几何的反馈线性化方法,将GMAW过程电流及弧长模型同胚映射为等价的线性系统,使复杂的非线性控制问题转化成简单的线性系统的控制问题;将滑模变结构控制方法应用于焊接电流及弧长的控制,并运用Matlab进行仿真研究。然后,进行了有关CO2焊接电信号分析处理研究。DSP强大的数据处理能力和快速运算能力为焊接信号的实时处理分析提供了合适的平台,为形成焊接过程质量实时评价系统、形成焊接过程的实时闭环控制提供了可能。利用相关性分析、傅立叶谱、短时傅立叶、功率密度谱、小波分析等多种现代信号分析方法对CO2焊接电压、电流的时域、频域及时频域特征进行数据挖掘,从信号分析角度丰富对焊接电压、电流信号深层所蕴含信息的认识,为实现焊接过程的实时监控提供理论基础。最后,采用BP算法经样本训练对焊缝几何尺寸进行预测研究。针对普通BP算法存在的问题,采用自适应学习率及附加动量项的方法进行改进,以提高BP网络的运算速度。采用支持向量机,分别运用线性核函数,多项式核函数,RBF核函数以及ERBF核函数对焊缝尺寸进行预测,从而实现通过神经网络模型预测焊缝形貌来达到焊接质量的实时监控及焊接过程的在线控制的目的。
吕文桂[4]2013年在《电弧燃烧特性计算机声音分析系统》文中研究表明随着现代科技的不断发展，基于声、光、电等焊接过程中重要信息的焊接质量在线监控技术也得到了长足的发展。目前，基于光学传感器、视觉传感器和超声波等先进传感技术，在针对电弧光电信号的焊接质量在线监控技术上已经趋于成熟，而基于电弧声信号的研究还处于起步阶段。本文就是基于声信号的焊接质量在线采集与分析。本文的研究对象是直流正接钨极氩弧焊（TIG焊）电弧声信号。TIG焊的优点是焊接过程稳定，只有引弧、熄弧以及出现明显焊接缺陷时声音会发生明显变化。TIG焊电弧声信号作为焊接过程中重要伴生物之一，包含了丰富的焊接信息，通过对整个焊接过程和对引弧和熄弧的电弧声信号的监控或者根据声信号的特征来对自动化焊接进行控制。研究内容主要包括电弧声音的采集、处理与分析叁大步骤，一是采用软硬件结合的方式，声音的采集系统由拾音器和前置放大电路组成；二是处理部分，由二阶带通滤波器和模数转换系统组成；第叁部分是声信号的分析，由NI公司的LABVIEW语言进行声信号的时域和频域分析。由PIC18F4520控制的模数转换系统可以将经过拾音系统的采集和放大以及滤波后的模拟信号转换成数字信号传输给LabVIEW2012进行数字分析。本课题中，采用LabVIEW对TIG的整个焊接过程以及引弧和熄弧两个阶段的电弧声信号分别进行了分析。分析包括时域上的幅值和相关性的分析以及频域上的快速傅里叶变换和功率谱密度分析。通过对电弧声信号的分析可以对整个焊接过程中声信号的特征有所了解，尤其是对于引弧和熄弧阶段电弧声信号特征的掌握，使得焊工对自动化焊接和焊接控制等方面有更大的把握。
聂晶[5]2009年在《铝合金脉冲MIG焊过程稳定性分析》文中指出GMAW焊接是一个集声、光、电于一体的复杂的物理、化学过程,各种电弧信号为焊接过程质量控制提供重要信息。电弧电压以及焊接电流信号作为焊接过程中的伴生物之一,其蕴涵着丰富的电弧信息,它与电弧行为、熔滴过渡方式、电弧稳定性、焊缝质量等有着密切的相关性,是研究焊接过程稳定性及焊接质量监控的重要信息源之一。本课题以铝合金脉冲MIG焊过程稳定性分析为目的,焊接电流与电弧电压等动态焊接信号为对象,利用现代信号处理以及信息融合等领域的技术方法对焊接电信号进行分析研究,初步建立了可以用来评价铝合金脉冲MIG焊过程稳定性的参数化模型。利用人工神经网络和支持向量机等先进模式识别方法建立焊接电信号与焊接状态的映射模型,对焊接速度、送丝速度、占空比等焊接参数的最佳匹配状态进行了预测与分类。为铝合金脉冲MIG焊在线实时控制提供了稳定性反馈。主要研究内容包括以下几个方面:建立了基于Labwindows的声、光、电以及视频同步数据采集系统。通过对一系列铝合金脉冲MIG焊接过程中的电弧电压信号的近似熵分析,且与实际焊缝对比分析,证明用铝合金脉冲MIG焊电弧电压信号的近似熵来衡量焊接过程稳定性的可行性,同时又利用了概率密度分布的信号分析方法对一系列的铝合金脉冲MIG焊接过程中的电弧电压信号进行了分析,发现了不同焊接参数下的电弧电压信号的概率密度分布不同并从中可以发现一定规律,同时与实际焊缝对比分析,证明用铝合金脉冲MIG焊电弧电压信号的概率密度峰值的比值来衡量焊接过程稳定性也是可行的,并利用两种方法下的分析结果初步建立了可以用来评价铝合金脉冲MIG焊过程稳定性的参数化模型。利用二维统计以及二维近似熵理论等信息融合方法进一步对铝合金脉冲MIG焊过程的电信号进行分析,得到焊接电流和电弧电压信号与焊接参数间的相关性。对多信息融合下的焊接过程稳定性分析进一步的研究奠定了基础。利用人工神经网络和支持向量机先进模式识别方法对铝合金脉冲MIG焊过程稳定性以及焊接过程最佳参数匹配进行了预测与分类;最后利用激光线光源对铝合金脉冲MIG焊缝进行了加强高视觉提取,都取得了很好的效果。
吕娜[6]2014年在《基于电弧声信号的铝合金脉冲GTAW熔透特征识别及其实时控制研究》文中研究指明焊接动态过程信息获取与质量实时控制对于自动化焊接制造业来说一直是研究的重点以及难点，传统的事后焊接缺陷检测方法耗时费力，难以满足现代制造业对焊接制造高质量、高效率和低成本的要求。而在实时评价焊接质量的各项标准中，焊缝的熔透状态一直被作为监控焊接过程与实现焊接质量控制的最重要的特征信息之一。电弧声信号作为焊接过程的电弧信息伴生信号之一，已经被证明了是一种有效又不可缺少的信息。对于有经验的焊工凭借耳听就结合个人经验就可以大致判断焊接过程中相关状态的变化。可见，电弧声信号中包含了大量与焊接动态过程相关的信息。其中的信息含量仅次于视觉信息，但相较于视觉信息却具有实时性较好的优势。但是如何将这些信息转化成能够利用，能够理解的“可听图像”，使它像视觉信息一样被广泛的使用，需要搞清楚其产生的机理以及信息的具体分布。基于上述原因，本文引入焊接电弧的声音信号信息，采用现代信号处理技术和语音识别方法对焊接动态过程和熔透状态进行研究，旨在探索与发现一条焊接质量在线预测的新途径和方法。本文以铝合金的脉冲GTAW焊接过程中的质量控制为研究背景，基于焊接自动化过程的试验平台，以脉冲GTAW过程电弧声信号为研究对象，通过对比电弧电压及电流信号频率特点，发现了电弧声信号的声源激励的产生机理，电弧声信号的声源激励周期出现且频率为70Hz，与焊接电源工频一致，确定焊机工频变化为电弧声信号产生的激励源，证明了电弧声源激励为电弧能量的变化。电弧声信号激励源内部每周期包括一次主峰和一次次峰，主峰对应于电弧的起弧状态，次峰对应于电弧的熄弧状态，DCT变换分析发现对电弧声信号其决定性做用的是脉冲的主峰起弧瞬间，次峰熄弧能量变化对电弧声声源影响很小。为了进一步分析电弧声信号的熔透特性，提出了一整套熔透特征的时-频-时频域特征提取算法，包括有听觉注意AC-ROI预处理方法及极大模阈值去噪方法，能够有效的去除GTAW电弧声内部包含的噪声信息。通过时域分析、频域分析以及小波变换后，确定了23维的特征向量组作为对电弧声信号熔透状态分析的主要特征，包括均值>0.08，能量>100，标准差>0.12，协方差>0.015，峭度因子>3，偏态因子>2，作为熔透状态识别特征；以及DCT的5.5-9.5kHz频段能量作为叁种熔透状态识别特征值；频带3.75-5kHz、5-6.25kHz、6.25-7.5kHz和8.75-10kHz内的电弧声信号频带能量特征值作为过熔透和未熔透的识别特征；5-6.25kHz和8.75-10kHz频率段内容差值作为叁种熔透状态的识别特征；除此外，还提取出了电弧声信号的声道熔透特征系数，倒谱系数x (n)以及线性预测分析ai。大量数据分析证明，这些特征都与焊接过程熔透状态有很好的对应性。考虑到电弧声信号与熔透状态关系非线性的特点，设计了一种基于电弧声音信息的焊缝熔透状态BP_Adaboost神经网络预测模型，得到了94%的辨识率，具有准确率高、适用性强的优点。同时还引入并设计新型的小波分析隐马尔科夫模型WA-HMM熔透状态预测模型，结合小波分析与隐马尔科夫模型的优良的辨识性能，得到WA-HMM型6状态有跨越二阶差分MFCC预测模型，识别率最高达到95.83%。观察到电弧声信号对弧长变化敏感反应的特点，提出了一套基于电弧声信号焊接弧长及焊缝下塌量的预测模型，包括一种小波包-滑动均值滤波的方法，成功去除了环境噪声与脉冲干扰噪声电弧声特征信号的影响；提出了一种分段线性拟合的方法，将有效弧长范围(3-7)mm内的变化趋势分为两种4-3mm和6-5-4mm弧长拟合模型，预测精度达到0.580487mm，相对于单一的线性模型其精度明显提高。还将模型细化为1mm阶跃模型与2mm阶跃模型两种，分别对应于小电流熔池缓慢变化和大电流熔池迅速下塌的两种情况。最终，开发了一套脉冲GTAW电弧声信号熔透状态的特征提取及模型建立的软件系统。包括：文件加载模块、文件预处理模块、声音文件的特征提取模块、辅助视觉图像信息处理模块、熔透状态辨识模块以及弧长预测模块，为电弧声信号的分析处理提供便利的开发工具。设计并验证了基于电弧声传感的脉冲GTAW焊接动态过程的控制器试验，包括电弧弧长高度控制的分段-PID控制部分，实现对焊接过程弧长及焊缝下塌量在±0.5mm范围之内的实时控制；以及结合BP神经网络的分段函数PW-BP控制器可以实现不同形状的变散热焊接工件的焊缝熔透状态实时闭环控制实验，实验结果表明，与恒规范实验焊件相比，焊缝熔透质量均匀，成形质量有明显提高。
瞿敏[7]2005年在《GMAW电弧声参数化模型及模式识别》文中指出GMAW电弧声信号作为焊接过程的伴生物之一蕴涵了丰富的电弧信息,它与电弧行为、熔滴过渡方式、焊接参数、电弧稳定性等密切相关,并且其传感、采集方法简单易行,是研究GMAW焊接过程稳定性及焊接质量监控的重要信息源。因此本课题以短路过渡GMAW焊接状态检测为目的,以焊接过程电弧声信号为研究对象,分析电弧声信号特征及其与焊接状态的相关性;探寻电弧声波产生机理,提出电弧声道概念并建立声道数学模型,借助声道模型有效提取电弧声信号特征;利用RBF人工神经网络及SVM模型建立电弧声信号与焊接状态的映射模型,从而实现焊接过程状态的模式识别。 开发了以AC6115型A/D卡为核心的焊接过程信号同步采集系统,并基于Visual Basic语言设计了焊接信号数据采集图形用户界面。该系统界面友好,操作简单、性能稳定,实现CO_2焊接过程信号高采样率下的连续采集及信号波形显示等功能。 利用多种信号分析方法分析研究了短路过渡电弧声信号的时域及频域特征及其与焊接电流、电压及功率信号的相关性。时域分析表明电弧声信号呈现“振铃”形,且主要发生在短路前期及短路结束再引弧电弧能量剧烈变化阶段,电弧声信号与电弧能量变化高度相似,此时电弧能量变化表现为电弧声声源激励。通过进一步频域分析,结果表明电弧声信号与电弧功率微分信号特征的差异性,从而证明电弧能量变化并不能完全表征电弧声信号。 基于电弧声信号的时域与频域特征分析,讨论了电弧声产生机理,提出了电弧声道概念。指出电弧能量变化是电弧声的声源激励,保护气、弧柱及其周围磁场及热场构成电弧声道系统,电弧声是声源激励与电弧声道系统的共同作用的结果。为进一步深入研究电弧声特征,利用线性预测(LPC)分析方法建立电弧声道的数学模型,将电弧声道系统等效为一个全极性时变数字滤波器。该模型可以精确描述电弧声波频谱包络。因此借助于LPC模型系数及声道反射系数可以有效提取电弧声信号特征。分别利用LPC预测系数及反射系数建立了电弧声波与焊接状态之间的RBF人工神经网络模型及支持向量机(SVM)模型,实现了利用焊接电弧声信号对焊接过程保护气体流量及焊丝干伸长的识别分类。
兰虎[8]2009年在《基于电弧声信号特征MIG焊熔透状态模式识别》文中研究指明电弧声作为焊接过程伴生物之一,并不为人们所希望,却又无法避免,其本质是频率介于20~20kHz之间的气载振动信号。实际上,有经验的焊工凭借耳听并结合个人经验就可以大致判断焊缝成形质量以及焊接过程的稳定性。由此可见,电弧声中必然蕴藏着焊接过程中相关状态变化的信息。本文主要针对焊接过程熔透状态的模式识别,以MIG焊平板对接射流过渡过程电弧声为研究对象,采用现代数字信号处理与分析技术,探寻了电弧声与熔透状态的相关性,在此基础上抽取和量化了可表征熔透状态的电弧声信号特征,构造其联合特征向量,并采用主成分分析(PCA)进行特征空间的降维压缩。利用BP、RBF神经网络等机器学习模型,建立了电弧声与熔透状态间的映射模型。测试结果表明,利用电弧声信号进行焊接过程熔透状态的分类识别是可行的。论文工作主要包括以下内容:在已有数采硬件平台基础上,基于图形化虚拟仪器编程语言LabVIEW,通过封装功能模块及调用硬件驱动的动态链接程序,开发了一套采用中断触发方式进行实时数据采集存盘,集用户身份验证、实验参数记录、采集参数配置、历史波形回显、信号降噪和特征提取于一体的软件系统。利用短时傅里叶变换(STFT)和小波分析(WT)等多种信号分析方法对电弧声信号与焊接过程熔透状态的相关性进行了研究,试图从信号分析角度丰富对焊接过程的认识。分析表明,采用db04小波对电弧声进行4层小波降噪,在保证信号不失真的前提下,可有效消除夹杂在原信号中的高频噪声;电弧声的功率谱主要分布在7.5kHz以下范围内,波形包络相对集中,其中1.5kHz~4.5kHz频率段信号能量的变化可以准确地反映出焊接过程熔透状态的改变。由此看来,电弧声与焊接过程熔透状态密切相关,并给出了其能量和频谱特性随熔透状态变化的解释。借助于短时加窗技术,分别从时域、频域、倒谱域和几何域提取电弧声特征,包括信号短时能量E_n、短时平均幅度M_n、短时平均过零率Z_n、短时零能比ZER_n、短时功率谱P_n、线性预测(LP)系数{a_i}、峰度系数KU、标准Mel频率倒谱系数(MFCC)及其一阶差分△MFCC、二阶差分△△MFCC。综合小波包频带能量特征E5 k,构建了电弧声信号的60维联合特征向量A_T,并对其进行PCA分析,克服了特征参数之间的多重相关性,实现了原始特征空间的降维处理。以PCA降维后的10维电弧声联合特征为输入向量和熔透状态(未熔透、稍微熔透、熔透、稍微过熔透和过熔透)为目标输出,通过构造训练、测试样本集,分别建立了电弧声到熔透状态的BP和RBF神经网络映射模型,实现了对MIG焊接过程熔透状态的识别与分类。
杨玲[9]2009年在《基于LabView的CO_2气体保护焊的质量检测系统研究》文中研究说明本文作者自主开发了一个专门针对弧焊过程的集数据采集、实时检测和焊后数据分析为一体的系统。该系统是以虚拟仪器图形化编程语言LabView8.0为平台,硬件选用计算机、霍尔传感器以及PCI2006数据采集卡搭建的。本系统功能强大,具有可移值性,还可按使用者需求改动,界面逼真,运用简单。本文利用此系统,选用CO_2气体保护焊过程为研究对象,以CO_2气体保护焊过程中的电弧电压和焊接电流为信号源,完成了数据的采集、实时的检测和焊后的数据分析。本系统主要实现了以下几个功能:1.本系统对CO_2气体保护焊的焊接电流、电弧电压进行了采集、实时检测和显示了波形,还可以按照用户需求存储在指定位置。2.本系统对采集到的焊接电流和电弧电压首先采取了滤波处理。而后做出了统计分析模块,统计分析中包括焊接电流和电弧电压的概率密度分析,以及提取了如算术平均值、最大值、最小值和均方根等等;做出了时域分析模块,时域分析中包括了焊接电流、电弧电压的自相关函数及电流电压互相关函数;做出了频域分析模块,频域分析包括有焊接电流、电弧电压的自功率谱和电流电压的互功率谱及互功率谱的相位及幅值。3.本系统根据采集到的焊接电流和电弧电压数据绘制出了短路时间频数分布图、燃弧时间频数分布图、短路过渡频率频数分布图、过渡周期频数分布图;计算出了平均短路时间、平均燃弧时间、平均短路过渡频率、平均过渡周期。本文根据系统得出的图形及结果结合焊接实际情况对本次试验的CO_2气体保护焊过程进行了分析和评价,证明了本系统是能够为分析与评价焊接质量提供真实而有效的依据,能够为CO_2气体保护焊过程在线实时检测提供现成的工具,能够为今后的CO_2气体保护焊过程质量在线实时评价与预估提供了参考,同时还能对弧焊工艺方面有着参考意义。
马跃洲, 马春伟, 张鹏贤, 陈剑虹[10]2002年在《基于电弧声波特征的CO_2焊接飞溅预测》文中进行了进一步梳理在对短路过渡CO2 焊电弧声波信号的时频特征及其与过渡过程、焊接飞溅的相关性分析的基础上 ,利用小波变换的分析方法提取不同频段上的声波能量作为表征飞溅大小的特征向量 ,通过神经网络模型建立特征向量到飞溅量的映射模型 ,从而对CO2 焊接飞溅量的预测。结果表明 ,利用电弧声波信号能够正确地预测焊接飞溅 ,是实现焊接质量在线监控的新途径
参考文献：
[1]. 基于电弧信号特征分析的CO_2焊接质量监控方法[D]. 金虎. 兰州理工大学. 2003
[2]. 基于电弧声信号的CO_2焊质量监控方法研究[D]. 马跃洲. 兰州理工大学. 2005
[3]. 弧焊电源控制及焊接质量在线监测数字化基础研究[D]. 高忠林. 天津大学. 2008
[4]. 电弧燃烧特性计算机声音分析系统[D]. 吕文桂. 沈阳大学. 2013
[5]. 铝合金脉冲MIG焊过程稳定性分析[D]. 聂晶. 兰州理工大学. 2009
[6]. 基于电弧声信号的铝合金脉冲GTAW熔透特征识别及其实时控制研究[D]. 吕娜. 上海交通大学. 2014
[7]. GMAW电弧声参数化模型及模式识别[D]. 瞿敏. 兰州理工大学. 2005
[8]. 基于电弧声信号特征MIG焊熔透状态模式识别[D]. 兰虎. 哈尔滨理工大学. 2009
[9]. 基于LabView的CO_2气体保护焊的质量检测系统研究[D]. 杨玲. 武汉理工大学. 2009
[10]. 基于电弧声波特征的CO_2焊接飞溅预测[J]. 马跃洲, 马春伟, 张鹏贤, 陈剑虹. 焊接学报. 2002
标签：金属学及金属工艺论文; 焊接电弧论文; 电弧论文; 铝合金焊接论文; 过程控制论文; 预测控制论文; 频域论文; mig焊论文;