基于时间序列深度学习的超窄间隙焊接质量预测方法

	基于时间序列深度学习的超窄间隙焊接质量预测方法
	张爱华 1,2; 魏浩 1; 马晶 1,2; 白忠领 1
刊名	电焊机
	2020-08-20
期号	2020-08 页码:43-47+138
关键词	超窄间隙时序数据卷积网络质量预测
英文摘要	焊接过程中,电信号与焊接质量密切相关。超窄间隙焊接是一种高效低热输入的新焊接方法,但其电弧控制与熔滴过渡过程复杂,传统的信号特征提取与分析方法往往不能完整表达和充分利用时间序列信息。结合超窄间隙焊接过程特点,运用完整电信号时间序列构建卷积神经网络,在深入挖掘同属性信号时序信息的同时,充分考虑同步采集的焊接电流和电弧电压信号之间的时间关联信息,对焊接质量进行预测。试验结果表明,基于完整时序信号的深度网络模型能够准确地预测焊接质量,准确率达到95%,在使用RTX2080GPU作为运算加速器的情况下,模型预测所需时间仅为0.178 ms,为实时预测超窄间隙焊接质量奠定了基础。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/103767]
专题	电气工程与信息工程学院
作者单位	1.兰州理工大学电气工程与信息工程学院; 2.兰州理工大学电气与控制工程国家级实验教学示范中心
推荐引用方式 GB/T 7714	张爱华,魏浩,马晶,等. 基于时间序列深度学习的超窄间隙焊接质量预测方法[J]. 电焊机,2020(2020-08):43-47+138.
APA	张爱华,魏浩,马晶,&白忠领.(2020).基于时间序列深度学习的超窄间隙焊接质量预测方法.电焊机(2020-08),43-47+138.
MLA	张爱华,et al."基于时间序列深度学习的超窄间隙焊接质量预测方法".电焊机 .2020-08(2020):43-47+138.