典型文献
基于声发射多特征融合的搅拌摩擦焊缺陷监测
文献摘要：
搅拌摩擦焊(friction stir welding,FSW)是一个多物理场耦合过程,焊接过程中声发射信号与焊接缺陷具有关联性.基于声发射检测与多特征融合研究FSW缺陷监测方法,实时检测固态介质中的声发射信号,利用短时傅里叶变换、小波变换、梅尔频谱对声发射信号进行分析,确定焊接缺陷与声发射信号之间的相关性,最后通过concat融合方法构建多特征向量.结果表明,FSW在预制缺陷处具有不同的声发射信号特征.短时傅里叶、小波变换的主要频段集中在20 kHz,出现缺陷时功率分别达到?40,0.8 dB以上,梅尔频谱的主要频段集中在3.5 kHz出现缺陷时功率达到?40 dB以上.应用多层神经网络分别建立基于单特征、多特征向量的焊接缺陷识别模型,多特征向量的焊接缺陷识别模型在数据集中的平均识别率达到97％,比基于单一特征缺陷识别模型提高18％.研究的多特征缺陷识别模型能更准确地对焊接状态进行识别与监测.
文献关键词：
搅拌摩擦焊;声发射信号;多特征融合;缺陷识别
中图分类号：
作者姓名：
孙屹博;龙海威;邹丽;杨鑫华
作者机构：
大连交通大学, 大连, 116028;辽宁省轨道交通装备焊接与可靠性重点实验室, 大连, 116028
文献出处：
引用格式：
[1]孙屹博;龙海威;邹丽;杨鑫华-.基于声发射多特征融合的搅拌摩擦焊缺陷监测)[J].焊接学报,2022(06):96-101
A类：
固态介质,concat
B类：
多特征融合,搅拌摩擦焊,缺陷监测,friction,stir,welding,FSW,一个多,多物理场耦合,耦合过程,焊接过程,中声,声发射信号,焊接缺陷,声发射检测,融合研究,监测方法,实时检测,短时傅里叶变换,小波变换,梅尔频谱,融合方法,多特征向量,预制缺陷,信号特征,频段,kHz,dB,功率达,多层神经网络,缺陷识别,识别模型,识别率,比基,对焊,焊接状态
AB值：
0.286077
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。
