基于电弧声信号的CO2焊质量监控方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-12页 |
| 第1章 绪论 | 第12-19页 |
| 1．2 GMAW质量监控的研究现状 | 第13-17页 |
| 1．2．1 质量监控的电弧信号 | 第13-16页 |
| 1．2．2 质量监控的建模方法 | 第16-17页 |
| 1．3 本文的研究内容 | 第17-19页 |
| 第2章 电弧信号数据采集系统 | 第19-23页 |
| 2．1 采集系统硬件 | 第19-20页 |
| 2．1．1 实验系统构成 | 第19-20页 |
| 2．1．2 信号适配电路 | 第20页 |
| 2．2 采集系统软件 | 第20-22页 |
| 2．3 本章小结 | 第22-23页 |
| 第3章 CO_2焊电弧信号特征分析 | 第23-45页 |
| 3．1 时域分析 | 第23-27页 |
| 3．1．1 同步信号波形 | 第23-25页 |
| 3．1．2 时域相关性分析 | 第25-27页 |
| 3．2 频域分析 | 第27-34页 |
| 3．2．1 傅里叶谱分析 | 第27-29页 |
| 3．2．2 傅里叶语谱图 | 第29-30页 |
| 3．2．3 功率谱估计 | 第30-33页 |
| 3．2．4 频域相关性分析 | 第33-34页 |
| 3．3 时频分析 | 第34-44页 |
| 3．3．1 短时傅里叶分析 | 第34-36页 |
| 3．3．2 小波分析基础 | 第36-39页 |
| 3．3．3 小波降噪处理 | 第39-40页 |
| 3．3．4 小波分析结果 | 第40-44页 |
| 3．4 本章小结 | 第44-45页 |
| 第4章 基于电弧声频带能量的飞溅预测 | 第45-56页 |
| 4．1 电弧声的频带能量 | 第45-47页 |
| 4．1．1 基于傅立叶变换的频带能量 | 第45-46页 |
| 4．1．2 基于小波包分解的频带能量 | 第46-47页 |
| 4．2 频带能量与飞溅率的相关性 | 第47-51页 |
| 4．2．1 假设检验方法 | 第48-50页 |
| 4．2．2 频带能量的统计检验 | 第50-51页 |
| 4．3 神经网络飞溅率预测模型 | 第51-54页 |
| 4．3．1 BP网络的结构和算法 | 第51-53页 |
| 4．3．2 基于 BP网络的飞溅率预测 | 第53-54页 |
| 4．4 本章小结 | 第54-56页 |
| 第5章 电弧声道的参数化模型 | 第56-71页 |
| 5．1 电弧声道模型 | 第56-59页 |
| 5．1．1 电弧声的产生机理 | 第56-57页 |
| 5．1．2 电弧声道及其等效模型 | 第57-59页 |
| 5．2 线性预测模型 | 第59-63页 |
| 5．2．1 模型结构 | 第60-61页 |
| 5．2．2 线性预测方程组 | 第61-63页 |
| 5．3 线性预测求解 | 第63-68页 |
| 5．3．1 自相关法 | 第63-64页 |
| 5．3．2 协方差法 | 第64-65页 |
| 5．3．3 格型法 | 第65-68页 |
| 5．4 电弧声信号 LPC分析 | 第68-70页 |
| 5．4．1 电弧声 LPC模型 | 第68页 |
| 5．4．2 电弧声 LPC分析 | 第68-70页 |
| 5．5 本章小结 | 第70-71页 |
| 第6章 基于电弧声 LPC系数的焊接模式识别 | 第71-91页 |
| 6．1 径向基函数网络 | 第71-75页 |
| 6．1．1 RBF网络的结构 | 第71-73页 |
| 6．1．2 RBF网络的训练 | 第73-75页 |
| 6．2 基于 RBF网络的焊接模式识别 | 第75-80页 |
| 6．2．1 保护气流量的识别 | 第76-78页 |
| 6．2．2 焊丝干伸长的识别 | 第78-80页 |
| 6．3 支持向量机 | 第80-87页 |
| 6．3．1 机器学习问题的表示 | 第80-81页 |
| 6．3．2 风险最小化问题 | 第81-83页 |
| 6．3．3 支持向量机基本理论 | 第83-86页 |
| 6．3．4 支持向量机算法 | 第86-87页 |
| 6．4 基于 SVM的焊接模式识别 | 第87-90页 |
| 6．4．1 焊接气流量识别 | 第87-89页 |
| 6．4．2 焊丝干伸长识别 | 第89-90页 |
| 6．5 本章小结 | 第90-91页 |
| 结论 | 第91-92页 |
| 参考文献 | 第92-98页 |
| 攻读博士学位期间发表的相关论文 | 第98-99页 |
| 致谢 | 第99页 |
