| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-25页 |
| ·引言 | 第9-13页 |
| ·GMAW过程稳定性建模方法 | 第13-18页 |
| ·信号分析与特征提取 | 第13-14页 |
| ·统计分析方法 | 第14-15页 |
| ·模式识别技术 | 第15-16页 |
| ·多信息融合 | 第16-18页 |
| ·GMAW过程中质量监控的物理量 | 第18-24页 |
| ·电弧电压与电流 | 第18-19页 |
| ·电弧声信号 | 第19-21页 |
| ·电弧光信号 | 第21-22页 |
| ·视觉传感 | 第22-24页 |
| ·本文研究的内容 | 第24-25页 |
| 第2章 实验系统及数据采集 | 第25-34页 |
| ·采集系统硬件 | 第25-27页 |
| ·实验系统构成 | 第25-26页 |
| ·信号适配电路 | 第26-27页 |
| ·采集系统软件 | 第27-29页 |
| ·虚拟仪器概述 | 第27-28页 |
| ·LABWINDOWS/CVI信号采集系统 | 第28-29页 |
| ·实验数据采集 | 第29-33页 |
| ·铝合金脉冲MIG焊试验条件及焊接规范 | 第30页 |
| ·实验数据 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于电信号铝合金脉冲MIG焊过程稳定性分析 | 第34-58页 |
| ·基于近似熵的铝合金脉冲MIG焊稳定性分析 | 第34-43页 |
| ·近似熵理论及算法 | 第34-35页 |
| ·焊接电信号近似熵计算 | 第35-37页 |
| ·基于电压信号近似熵的焊接稳定性评价体系 | 第37-43页 |
| ·基于概率密度的铝合金脉冲MIG焊过程稳定性分析 | 第43-52页 |
| ·电弧电压信号概率密布分析 | 第43-46页 |
| ·焊接过程稳定性评价体系 | 第46-52页 |
| ·铝合金脉冲MIG焊稳定性与脉冲电流的相关性 | 第52-57页 |
| ·峰值电流信号的选取与分析 | 第52-53页 |
| ·峰值电流的概率密度分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于信息融合的铝合金脉冲MIG焊过程稳定性分析 | 第58-72页 |
| ·基于二维近似熵的铝合金脉冲MIG焊稳定性分析 | 第58-66页 |
| ·二维近似熵理论及算法 | 第58-59页 |
| ·焊接电信号二维近似熵计算 | 第59-66页 |
| ·基于二维统计的RADON变换铝合金脉冲MIG焊电信号分析 | 第66-71页 |
| ·信号选取与分析 | 第66-67页 |
| ·二维相空间区域记数 | 第67-68页 |
| ·RADON 变换及分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 铝合金脉冲MIG焊过程稳定性智能预测 | 第72-87页 |
| ·基于电压概率密度的铝合金P-MIG焊稳定性SVM模式识别 | 第72-76页 |
| ·SVM基本理论 | 第72-75页 |
| ·焊接过程稳定性SVM识别 | 第75-76页 |
| ·基于神经网络铝合金脉冲MIG焊过程稳定性预测 | 第76-81页 |
| ·广义回归神经网络理论及结构 | 第77-78页 |
| ·焊接过程稳定性预测的GRNN模型及实例分析 | 第78-81页 |
| ·基于线光源焊缝加强高视觉检测 | 第81-86页 |
| ·视觉传感系统 | 第81-82页 |
| ·焊缝加强高视觉提取方法流程 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 结论 | 第87-88页 |
| 参考文献 | 第88-95页 |
| 致谢 | 第95-96页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第96页 |
