| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 课题背景及研究目的和意义 | 第9页 |
| 1.2 激光焊接质量监测研究现状 | 第9-15页 |
| 1.2.1 声信号监测研究 | 第10-11页 |
| 1.2.2 电信号监测研究 | 第11-13页 |
| 1.2.3 等离子体信号监测研究 | 第13页 |
| 1.2.4 视觉信号监测研究 | 第13-15页 |
| 1.3 人工神经网络在焊接领域的应用 | 第15-20页 |
| 1.3.1 人工神经网络概述 | 第15-16页 |
| 1.3.2 人工神经网络在焊接中应用 | 第16-20页 |
| 1.4 本文的主要研究内容 | 第20-22页 |
| 第2章 光纤激光焊接熔池形态监测试验系统 | 第22-34页 |
| 2.1 试验材料 | 第22页 |
| 2.2 试验设备 | 第22-24页 |
| 2.2.1 激光器和激光头 | 第22-23页 |
| 2.2.2 高速摄像系统 | 第23-24页 |
| 2.3 试验方案 | 第24-33页 |
| 2.3.1 同轴监测试验方法 | 第24-25页 |
| 2.3.2 焊接工艺试验 | 第25-27页 |
| 2.3.3 熔池和匙孔图像处理 | 第27-31页 |
| 2.3.4 焊缝尺寸标定 | 第31-32页 |
| 2.3.5 熔池和匙孔图像几何参数特征 | 第32页 |
| 2.3.6 熔池和匙孔几何特征与焊接质量之间的关系模型 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 TC4钛合金T型接头激光焊接同轴监测分析 | 第34-48页 |
| 3.1 前言 | 第34页 |
| 3.2 熔池特征量对焊缝成形的影响规律 | 第34-43页 |
| 3.2.1 激光功率对熔池特征量的影响 | 第34-36页 |
| 3.2.2 焊接速度对熔池特征量的影响 | 第36-38页 |
| 3.2.3 离焦量对熔池特征量的影响 | 第38-40页 |
| 3.2.4 熔池特征量与焊接质量的关系 | 第40-43页 |
| 3.3 T型接头激光焊接焊缝成形回归分析 | 第43-47页 |
| 3.3.1 结合面焊缝宽度回归分析 | 第43-45页 |
| 3.3.2 焊缝熔深回归分析 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 TC4钛合金对接接头激光焊接同轴监测分析 | 第48-58页 |
| 4.1 前言 | 第48页 |
| 4.2 熔池-匙孔图像与焊接熔透性的相关性 | 第48-53页 |
| 4.2.1 激光焊接熔透状态的分类和特征 | 第48-49页 |
| 4.2.2 熔池特征量与焊接熔透性的关系 | 第49-53页 |
| 4.3 对接接头激光焊接焊缝成形回归分析 | 第53-57页 |
| 4.3.1 1 /2板厚处焊缝宽度回归分析 | 第54-55页 |
| 4.3.2 焊缝背面熔宽回归分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于熔池几何特征量的焊接质量预测模型 | 第58-72页 |
| 5.1 前言 | 第58页 |
| 5.2 BP神经网络建模 | 第58-64页 |
| 5.2.1 BP神经网络结构的设计 | 第58-61页 |
| 5.2.2 BP神经网络参数的初始化 | 第61-62页 |
| 5.2.3 训练样本的归一化处理 | 第62页 |
| 5.2.4 BP神经网络预测模型的建立及分析 | 第62-64页 |
| 5.3 遗传算法改进的BP神经网络 | 第64-67页 |
| 5.3.1 遗传算法优化BP神经网络权值和阈值 | 第64-66页 |
| 5.3.2 实验结果及分析 | 第66-67页 |
| 5.4 经验公式与神经网络结果对比 | 第67-69页 |
| 5.5 对接接头神经网络预测研究 | 第69-70页 |
| 5.6 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |