英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
基于概率密度分布的电弧焊条焊接数据信号处理方法
Vikas Kumar， Shaju K. Albert, N. Chandrasekhar
关键词：SMAW 数据处理 耗材 过程监控 传感器
摘要：手工电弧焊(SMAW)工艺采用恒流型电源，具有下垂特性。由于焊接电弧的复杂性和焊接过程中金属的转移，焊接电流和电压存在很多随机变化，普通电流表或电压表无法直接记录。然而，在焊接过程中获取焊接数据，并对这些数据进行后续分析，对于评估各种焊接参数(即焊接耗材等)是非常有用的。为此，高速的数据采集是必不可少的。由于数据中的噪声水平很高，因此，在对该数据进行任何有意义的分析之前，对其进行过滤也很重要。本次研究提出了一种可靠的焊接数据采集技术，利用数字存储示波器(DSO)采集焊接过程中可能出现的电弧电压变化。采用多种信号处理方法选择合适的滤波技术。利用由此得到的的滤波数据使用概率密度分布的方法对不同焊剂涂层的电弧焊条进行了评价。并让得到的结果与设置的高速相机得到的图像关联起来。这就清楚地揭示了焊接耗材电弧特性的差异。研究结果表明，该方法可以作为比较不同焊条性能的工具。
- 绪论
弧焊是一种最常见、最受欢迎的焊接方法，该工艺操作简单，通用性强，成本低。由于其固有的优点，这一焊接方法被广泛应用于几乎所有类型的工业。电弧焊接过程中的电弧的随机行为和金属转移的各种方式，导致焊接过程中电压和电流的动态变化，因此对这一过程的监控是困难且具有挑战性的。如果我们能把实际过程中发生的变化按照其实际变化速率记录下来，我们就能比现在更好地理解焊接过程。开发这种测量机制的挑战在于，在焊接过程中，各种物理过程在很短的时间内通过电弧发生，导致了焊接电弧的随机行为。其中包括金属转移、短路、飞溅、电离、气-金属反应等。在焊接过程中，这些变化反映为电流和电压信号的波动。如果能够很好地获取和分析焊接过程中电压和电流的这种动态变化，就可以用来评价各种焊接参数。文献中对电源、耗材等各种焊接参数的分析也有类似的研究。以往的文献报道了利用概率密度分布(PDD)等统计工具、信号处理、人工神经网络技术来实现这一目的。为了证明CaCO3纳米粉体在焊料的助焊剂涂层中可以提高电弧稳定性，Chen等人采用了PDD技术。最近，电压和电流信号在焊接过程中被采集到了并且建立各种焊接缺陷与电流、电压PDDs特征图谱的相关性。利用vc 和MATLAB编程，绘制概率密度分布(PDD)和功率谱密度(PSD)曲线，分析了气体金属弧焊(GMAW)过程中获得的焊接数据。最近，使用了通用的DSO方法获得焊接数据(电压和电流)来研究SMAW工艺的各个方面。对于焊接过程中的故障识别，Li等人从焊接数据中导出了参数范围。随后，采用独立分量分析的方法，从采样数据中分离出金属起弧和短路传输数据。
在另一项研究中，获得了焊接数据(电压和电流)采用纤维涂敷焊条检测合金在焊缝金属镀层[10]中的富集效果。统计过程控制(SPC)系统用于计算各种统计参数，如均值和标准差。
这些统计参数的变化用控制图显示，并与焊接质量相关。为此，作者使用了趋势分析、公差分析和顺序分析技术[11]。为了检验这种效果，进行了实验测量脉冲气体保护金属弧焊(GMAW-P)中的熔滴过渡随电压变化规律。研究表明，熔滴脱落对焊接电弧电压有一定的影响，从而可以了解GMAW-P[12]熔滴转移的特点。辛普森用签名图像证明了GMAW过程中的故障识别是可以实时进行的。此外，还表明特征图像技术在识别焊接环境中发生的未知故障方面表现良好[13-17]。
许多研究者也使用人工神经网络技术来分析焊接数据[6,7]。Pal等人将电弧信号的各种统计参数作为神经网络模型的输入，用于预测脉冲金属惰性气体保护焊接焊缝质量。Wu等人采用模糊聚类方法对GMAW过程中的短路过程进行智能监控和识别。在另一项研究[20,21]中，为了识别GMAW过程中的过程扰动，使用了模糊逻辑和神经网络技术。pal等人利用小波包变换分析了焊接电流对脉冲惰性气体焊接接头强度的影响。李迪、宋永伦、叶峰[23]采用自组织映射(SOM)神经网络技术对弧焊信号进行特征提取，实现了对短路气体金属弧焊焊缝缺陷的自动检测，检测出产品的焊缝质量和缺陷。D、song、Y、Ye、Fhanjie Xuebao等采用电弧传感技术对GMAW焊接缺陷进行了识别。本文采用SOM技术对电弧信号进行直方图分类，提取电弧信号的特征。
在另外一项研究中使用MATLAB Simulink软件包建立了不同的控制算法，进而开发出计算机动画的气体金属弧焊仿真模块。这是用来培训焊接人员，使他们能够足够了解GMAW过程，学习这项技术[25]。
在本研究中，提出了合适的数据采集速率的选择和焊接信号的滤波技术。这些数据是在焊接过程中使用不同的焊接耗材和高速DSO获得的。这些焊条具有不同的焊剂组成，因此，通过对所得数据的统计分析，可以在焊盘制备完成后立即焊接耗材进行鉴别。为了在线存储整个数据，在数字存储示波器(DSO)和外部计算机之间连接了以太网电缆。将采集到的不同焊条的数据进行后处理，研究和比较各种焊料的行为，最后将结果与高速摄像机得到的结果进行对比和关联。
- 实验装置
2.1数据采集装置
数据采集设置与我们之前实验工作中使用的设置类似[5-7]。焊接数据在线采集采用500 MHz带宽的DSO(型号DSO7054B)，最大采样速率为4 GSa/s。它有一个扩展的12.1英寸图形显示、4通道和交流到直流耦合。DSO的深度存储器为8mpts，输入阻抗为50欧和1兆欧。示波器用于焊接参数的实时采集和显示。电流测量采用高灵敏度的1 mA/A或10 mA/A霍尔效应的PAC系列电流钳。这样，测量可达600A直流和100A交流。对于采用的电压测量差分探头，对这些探头进行了优化以获取差分信号。
2.2焊接装置
电焊机设有数据采集系统如图1(a)所示，该设置的完整示意图如图1(c)所示。
为了比较不同的焊接耗材，并说明本研究开发的程序可以用来区分不同焊条的电弧特性，获得了在焊接过程中使用碱性涂层、金红石涂层和纤维素引弧焊条的数据，并进行了分析。采用逆变电源和E7018(碱性镀层)、E6013(金红石镀层)、E6010(纤维素镀层)焊条在碳钢板上用同一焊机进行堆焊焊接。焊接所用焊条的前两个直径为3.15，纤维素焊条的直径为2.5 mm。e7018、e6013型焊条设置恒流100A, e6010型焊条设置恒流50A。然后使用DSO设置获取20秒的电压和电流信号。为了保证数据的一致性，每一种焊条都要进行三道堆焊，并对三次焊接进行数据采集。然后对数据进行滤波，进行时域和统计分析。
因为这三种焊条都是焊接的。使用相同的焊接和电源，其电弧特性的差异应与这些焊条的跨电弧金属转移行为的差异有关。因此，使用高速相机与激光照明和适当的过滤器观察了这种通过电弧的金属转移。Fastcam MC2.1光子对焦是所使用的相机，其最大捕捉速度为每秒10,000帧，最小快门开启时间为1/100,000秒。在当前的实验中，我们以5000帧/秒的速度获取图像。摄像机由滤波系统、宏光学系统、采集板和同步模块组成。图像通过摄像机采集到PC机上。对于5000帧/秒的数据，高速摄像机记录了当前实验中焊接总时间20秒的最后4.094秒的数据。系统图片如图1(b)所示，对照组实验设置示意图如图2所示。虽然焊条熔剂被粗略地分为纤维素、金红石、碱性等，但在同一类型的熔剂中，熔剂的确切组成是不同的。例如，基本涂层焊条可能含有金红石，以改善电弧特性或渣可分离性。同样地，由于焊剂有其他组成部分，焊剂的主要组成部分的准确质量分数wt. %也会变化。预计这些变化将导致焊接电弧特性的变化。结果表明，采用DSO获得的电弧数据能够区分由焊剂组成的细微变化引起的电弧特性的差异。为了证明这一焊接数据是从两组焊条获得的;一种是e7018型焊条，金红石含量在0 ~ 7wt %之间，另一种是e6013型焊条，金红石含量在45 ~ 55wt %之间(表1)。在用相同的焊机和电源制作120A电流和25v的堆焊时，对每个焊条都采集了数据。
- 结果和讨论
3.1选择合适的数据采集速率
使用E7018焊条绘制的典型时域图如图3所示，展示了实际焊接过程中变化的程度。在SMAW过程中，由于电弧间隙的随机变化，稳态值(记录值25 V)附近会发生变化。因此，在这些图(图3)中，稳态电压值在$18 - 35v之间变化。这些时域图也显示电压值的突然下降;电压突然下降的持续时间和发生的方式可以与实际焊接过程相关联。
虽然在以上所有的分析中，数据的获取时间都是20秒，但是只有500 ms的数据用于时域分析。PDD技术使我们能够利用20秒内获得的全部数据来研究弧焊工艺。一个典型的使用E7018焊条的PDD图如图4 (b)所示。观察到E7018焊条焊缝的电压PDD有两个明显的峰值，一个在低电压下，另一个在高电压下。该PDD的第一个峰值对应于电压信号时域分析中注意到的电压骤降(图3)，而电压PDD的第二个峰值对应于稳态电压值(记录值为$25 V)。
焊缝数据采集速率非常重要，因为在焊接过程中，如果采集数据的速度低于实际事件的速度，就会导致实际信号的变化。因此，与实际过程中发生的变化相比，该数据采集速率应该足够高。因此，为了得到合适的数据采集速率，需要以不同的速率采集电压数据，以采集不同的数据量。然后利用时域和PDD曲线对其进行分析。应该指出的是，电流数据没有用于此目的，因为SMAW过程基本上利用的是CC(恒流)型电源，其中只有电压变化会很大。从电压数据在不同速率下的时域分析(图3)可以看出，即使采样速率在20000 ~ 1000000个/s之间变化，采样速率的影响也不明显。然而，从图4(a)中电压数据的PDD分析可以清楚地看出数据采集速率的影响。从图中可以看出，电压PDD在约100,000个样本/ s后达到饱和，这意味着在此采集速率之后，数据采样速率的进一步提高对采集数据的影响并不显著。因此，选择100,000个样品/s作为焊缝参数分析的标准数据采集速率。为了证明采集数据的可重复性，我们对每个采集率进行了三次试验并进行了分析。研究发现，在特定的采集速率下，数据是可重复的。通过观察图4(b)可以看出，在10万个样品/秒的电压PDD三次试验均具有良好的重复性。
用PDD分析得到的电压和电流数据,将DSO(图4)与汉诺威[8]分析仪(图5、6)的电压数据PDD进行对比，以优化应用的时域和PDD技术。为了进行比较，这些数据是使用相同的焊条(E7018)，相同的焊机和逆变电源获得的。从这些图中可以清楚地看出，用DSO得到的PDDs和用分析仪得到的PDD之间有很好的相关性和相似性。因此，通过刚才的练习，我们优化了时间领域和PDD技术。在接下来的章节中，这些技术将用于评估不同的焊接消耗品。
3.2过滤技术的性能评估
焊接环境下数据采集系统的原始数据被有害噪声破坏。因此，对获得的电信号进行适当的滤波，使噪声以最小的可能影响后续处理。有许多传统的频域滤波，如FFT[26]和许多最新的技术，如小波变换[27]。
用于处理信号的两种主要技术是基于FFT滤波和离散小波变换(DWT)多分辨率分析的通滤波器(高通、低通、带通和带消除滤波器)。采用bior小波和Daubechies小波进行多分辨率分析。为了比较上述两种滤波技术的性能，选择信噪比(Signal To Noise Ratio, SNR)作为评价两种滤波技术性能的标准。滤波后的信号信噪比记录在表2中。可以看出，与DWT方法相比，低通FFT方法的信噪比有了显著的提高。因此，为了所有的分析目的，FFT LPF被用来滤除焊接信号中的噪声。这里需要注意的是，在500hz时对FFT LPF的截止频率进行了优化，得到的最大信噪比为48.874 dB，如表2所示。
3.3不同焊条电弧特性的变化
PDD对过滤后的电压曲线从而获得数据(使用FFT滤波器)对焊接7018 E和6013 E焊条的焊接图7显示了两个不同的峰值,第一个或者说低电压峰值PDD对应于E7018和E6013电焊条的熔滴短路过渡。而另一个峰值表示电源电压表上显示的电压。在使用E7018和E6013焊条进行的保护金属电弧焊中，大部分金属转移都是以短路形式发生的[28]。这可以通过观察图8中高速相机设置得到的金属转移图像进一步验证。进一步从这个图可以看出在E7018和E6013焊条多数金属转移方式是短路过渡而且E6013液滴大小大于E7018焊条,这与之前Haiyun等人报道的结果是一致的[28]。
图9为使用E6010焊条得到的电压PDD，通过将该PDD与图7所示的PDD进行对比可知，在E6010焊条中，除了前两个峰值外，在较高电压下还有一个额外的峰值。这是由于E6010焊条除了短路金属转移外还发生了爆炸转移[28,29]。通过使用E6010焊条焊接过程中电弧上金属过渡的高速传输图像，可以证实上述事实(图10 (a))。这张图显示了发生在E6010焊条上的短路金属过渡，图10(b)是发生在相同焊条上的爆炸/喷射转移。应该注意的是，在使用e7018或e6013焊条焊接过程中，没有观察到爆炸/喷射转移模式。
3.4电弧特性随焊剂组成的变化
E6013焊条的时域分析如图11所示。从图中可以看出，当E6013焊条中的金红石含量
全文共6632字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[2351]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
