基于深度学习的超窄间隙焊接质量评估方法研究
| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-18页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 研究现状 | 第18-21页 |
| 1.2.1 焊接质量评估的研究现状 | 第18-19页 |
| 1.2.2 深度学习的研究现状 | 第19-21页 |
| 1.3 内容与章节安排 | 第21-23页 |
| 第2章 超窄间隙焊接试验系统 | 第23-42页 |
| 2.1 引言 | 第23页 |
| 2.2 焊接试验平台 | 第23-29页 |
| 2.2.1 专用焊枪 | 第23-24页 |
| 2.2.2 弧焊电源与送丝机 | 第24-25页 |
| 2.2.3 机械臂行走机构 | 第25-27页 |
| 2.2.4 运动控制系统 | 第27-29页 |
| 2.3 信号采集系统 | 第29-36页 |
| 2.3.1 信号采集系统硬件构成 | 第30-33页 |
| 2.3.2 信号采集系统软件设计 | 第33-36页 |
| 2.4 焊剂带的制备 | 第36-37页 |
| 2.4.1 焊剂片的制作工艺 | 第36-37页 |
| 2.4.2 玻璃纤维网的制作工艺 | 第37页 |
| 2.4.3 焊剂带的制作工艺 | 第37页 |
| 2.5 试验数据来源与焊接质量评估标准 | 第37-41页 |
| 2.5.1 设计并进行焊接试验 | 第37-39页 |
| 2.5.2 焊接质量评估标准 | 第39-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第3章 焊接质量特征参数的提取 | 第42-49页 |
| 3.1 引言 | 第42页 |
| 3.2 焊接过程信号滤波算法 | 第42-45页 |
| 3.2.1 算术平均值滤波算法 | 第43页 |
| 3.2.2 递推平均滤波算法 | 第43-44页 |
| 3.2.3 中值滤波算法 | 第44-45页 |
| 3.3 特征提取 | 第45-47页 |
| 3.3.1 基于经验的特征参数 | 第45-46页 |
| 3.3.2 焊接过程信号时域分析 | 第46-47页 |
| 3.4 焊接质量评估的特征参数组成 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于传统神经网络的超窄间隙焊接质量评估 | 第49-58页 |
| 4.1 引言 | 第49页 |
| 4.2 基于BP神经网络的超窄间隙焊接质量评估 | 第49-54页 |
| 4.2.1 BP神经网络简介 | 第49-50页 |
| 4.2.2 BP神经网络学习算法 | 第50页 |
| 4.2.3 BP神经网络参数的确定 | 第50-52页 |
| 4.2.4 焊接质量评估流程及结果 | 第52-54页 |
| 4.3 基于SVM的超窄间隙焊接质量评估 | 第54-57页 |
| 4.3.1 SVM简介 | 第54页 |
| 4.3.2 SVM原理 | 第54-56页 |
| 4.3.3 SVM参数调节 | 第56页 |
| 4.3.4 焊接质量评估流程及结果 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于深度学习的超窄间隙焊接质量评估 | 第58-74页 |
| 5.1 引言 | 第58页 |
| 5.2 深度学习相关理论 | 第58-66页 |
| 5.2.1 深度学习框架选择 | 第58-60页 |
| 5.2.2 代价函数选择 | 第60-62页 |
| 5.2.3 激活函数选择 | 第62-63页 |
| 5.2.4 优化器选择 | 第63-64页 |
| 5.2.5 有效避免过拟合 | 第64-65页 |
| 5.2.6 硬件发展 | 第65-66页 |
| 5.3 深度网络模型参数设定 | 第66-70页 |
| 5.3.1 迭代次数及批样本数 | 第66页 |
| 5.3.2 深度神经网络结构 | 第66-69页 |
| 5.3.3 学习率 | 第69页 |
| 5.3.4 焊接质量评估流程 | 第69-70页 |
| 5.4 基于深度神经网络的焊接质量评估 | 第70-73页 |
| 5.4.1 焊接质量评估模型 | 第70-71页 |
| 5.4.2 试验结果分析 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第82页 |
