Research on automatic classification of spot welding joint strength based on PSO-SVM
-
摘要: 点焊是汽车零部件的主要连接方式之一，其接头的拉伸和剪切强度是评价连接质量的重要因素. 在制备大量点焊试样的基础上，对各试样接头进行超声信号检测. 运用信号处理方法获得时域、频域和小波包特征值，通过对点焊试样进行拉剪试验，建立了点焊接头拉剪强度的分级标准. 根据试验数据训练了BP神经网络和基于粒子群优化支持向量机(particle swarm optimization support vector machines，PSO-SVM)的神经网络分类器. 最后通过输入不同数据量的特征值参数，比较两种神经网络模型对点焊强度分类的精度. 结果表明，结合9个超声信号特征值的PSO-SVM神经网络点焊强度分类精度达到95%.Abstract: Spot welding is one of the main connection methods of automobile parts, and the tensile and Shear strength of its joints are important factors to evaluate the connection quality. On the basis of preparing a large number of spot welding samples, this investigation conducted ultrasonic signal detection on the joints of each sample. Using signal processing methods to obtain time-domain, frequency-domain, and wavelet packet eigenvalues, a grading standard for the tensile and shear strength of spot welded joints was established by conducting tensile and shear tests on spot welded samples. According to the test data, BP neural network and neural network classifier based on Particle swarm optimization support vector machines (PSO-SVM) are trained. Finally, the accuracy of two neural network models for spot welding strength classification was compared by inputting feature value parameters with different data set. The experimental results show that the PSO-SVM neural network combined with 9 ultrasonic signal eigenvalues has a spot welding strength classification accuracy of 95%.
-
Keywords:
- spot welding /
- ultrasonic testing /
- shear strength /
- BP neural network /
- PSO-SVM
-
0. 序言
不锈钢轨道车辆以其高耐腐蚀性能、较小的车体自身质量、较低的维修费用和运营成本等显著优点成为国内外轨道交通轻量化车体的主流，而不锈钢车体，通常使用电阻点焊连接，每辆车的点焊焊点多达3万个[1]. 点焊作为一种经济、快速的连接方式，具有高效率、低能耗、高产出等优点，已成为地铁车辆、城市轻轨车辆、甚至高速动车组不锈钢车体结构金属板件之间的主要连接形式[2]. 由于点焊焊核处在封闭状态，而疲劳裂纹常常萌生于板的内侧，使得对点焊进行无损探伤以及裂纹长度和深度的监测比较困难，而通过疲劳试验得到的一般都是载荷—寿命(ΔF-N)曲线，因载荷模式、板厚组合、焊核直径不同而不同，不利于工程上的应用[3]. 因此，建立一种合理表征点焊疲劳特性的方法，对预测和评估点焊疲劳寿命有重要意义.
点焊疲劳寿命的预测方法主要包括名义应力法、热点应力法、缺口应力法、断裂力学法、局部法和结构应力法等. 其中大多数方法都存在对有限元网格敏感性大、适用范围小等局限，而结构应力法由于对网格不敏感，得到了较广泛应用. 现行基于结构应力的点焊疲劳寿命预测方法主要有Radaj法[4]、Rupp法[5]、Sheppard法[6-7]、Kang法[8]和Dong法[9]等. 早期，Radaj[4]根据点焊试验的外载荷、焊核直径和板厚来计算拉剪载荷下点焊试件焊核边缘处的最大结构应力. Rupp[5]提出基于结构应力方法预测点焊寿命，并通过建立壳单元和梁单元有限元模型仿真得到点焊结构应力，结果与真实应力较为接近. Dong[9]将承受复杂载荷的焊接结构应力等效地转化为用膜应力和弯曲应力表示的简单结构应力，建立了一条考虑各种影响因素的主S-N曲线. 闫坤[10]结合Dong法和Rupp法，提出了一种新的点焊疲劳特征参量和简化的结构应力，并评估了基于Kang结构应力、Sheppard结构应力和等效应力强度因子等6种特征参量下的点焊疲劳性能. 吴骁[11]提出了一种对Rupp结构应力计算式中的经验参数项进行优化的方法，并基于该方法得到了相关性较高的点焊S-N曲线. 谢素明等人[12]基于结构应力法分析了不锈钢车体中主横梁与底架边梁区域的点焊接头结构应力分布规律，并对焊点进行了寿命预测.
尽管围绕点焊的结构应力计算、有限元模型简化、疲劳寿命预测方法、结构应力优化方法的研究已取得一系列进展，但工程中对点焊结构进行疲劳分析时，仍采用ΔF-N曲线或通过建立复杂的有限元模型来进行寿命预测. 然而，不锈钢车体等实际结构往往以不同板厚、焊核直径、焊点数的组合点焊形式呈现，如果对每种形式都进行疲劳试验或有限元建模，过程繁琐且费时费力. 因此，需要简化点焊模型，对不同ΔF-N曲线进行归一化处理，建立综合考虑载荷比和几何参数等因素的点焊S-N曲线，以及适合工程应用的P-S-N曲线.
文中基于广泛使用的Rupp结构应力法，研究点焊接头的结构应力，并根据疲劳试验寿命拟合得到点焊结构的S-N曲线，然后采用Goodman修正法将非对称循环下的结构应力当量为对称循环下的结构应力来消除应力比的影响，最终建立点焊的P-S-N曲线，使之更具工程参考价值.
1. 点焊疲劳试验
文章针对轨道车辆不锈钢车体结构中常见的点焊连接类型，设计点焊试件进行拉剪疲劳试验. 其中点焊试件的结构如图1所示，为了防止试验过程中因试件板厚不同而导致加载偏心，在夹持试件的端部焊接了辅助板，保证了夹持厚度一致和焊接接头受力均匀. 所有点焊试件的几何参数及载荷比见表1.
表 1 点焊试件几何参数及载荷比Table 1. Geometric parameters and load ratios of spot welded samples试件板厚组合s/mm 焊核直径d/mm 总长度L/mm 重叠长度l/mm 板宽D/mm 载荷比r 有效试样 材料 s1 s2 1.5 2.0 6.0 250 25 50 0.1 20 SUS301L，1/8H + 1/8H 1.5 3.0 6.0 250 25 50 0.1 20 SUS301L，1/8H + 1/16H 2.0 2.0 7.0 250 25 50 0.1 20 SUS301L，1/4H + 1/4H 2.0 2.0 7.0 250 25 50 0.1 20 SUS301L，1/8H + 1/8H 0.8 1.2 4.5 310 25 30 0.5 9 SUS301L + C850 0.8 2.5 4.5 310 25 30 0.5 8 2.0 2.0 6.0 310 25 30 0.5 9 1.5 2.0 6.0 310 25 30 0.5 7 1.5 1.5 6.0 310 25 30 0.1 9 1.5 1.5 6.0 310 25 30 0.5 10 试件在RUMUL高频疲劳试验机上进行拉剪疲劳试验，以正弦波加载，试验有效频率范围为50~100 Hz，由于从观测到点焊试件产生裂纹到试件完全断裂的时间很短，为方便记录试验结果，以点焊试件断裂作为失效评判依据，最终试验ΔF-N数据如图2所示. 由图可知，由于受板厚、焊核直径、载荷形式等的影响，ΔF-N数据分散性较大，拟合曲线线性相关系数平方R2仅为0.695 3. 如果针对不同的板厚、开孔直径组合给出不同的预测曲线，选取过程又将变得繁琐，因此绘制适用于不同板厚、焊核直径和载荷类型的点焊S-N曲线，更具有工程意义.
2. 结构应力计算方法
点焊结构应力计算方法中最为经典的是Rupp提出的等效结构应力法，如图3所示，Rupp评估法[5]对于点焊疲劳强度的预测主要包括对焊核和焊核周围母材区这两部分，对于厚板(
$d > 3.5\sqrt s $ )和小直径焊核点焊结构易在焊核处产生裂纹[13]，焊核处的结构应力主要由正应力和切应力构成. 对于薄板($d < 3.5\sqrt s $ )和大焊核直径的点焊结构易在母材区产生裂纹，母材区的结构应力主要由径向应力决定.![]()
图 3 典型的点焊结构模型Figure 3. Typical model of spot welded structure. (a) base material crack; (b) weld nugget crack根据结构应力计算模型，当板厚满足
$d > 3.5\sqrt s $ 时，Rupp得到母材区的结构应力为[5]$$\begin{aligned} {\sigma _{v1}} =& - {\sigma _{\max }}\left( {{F_{x1}}} \right)\cos \theta - {\sigma _{\max }}\left( {{F_{y1}}} \right)\sin \theta + {\sigma _{\max }}\left( {{F_{{\textit{z}}1}}} \right)+ \\& {\sigma _{\max }}\left( {{M_{x1}}} \right)\sin \theta - {\sigma _{\max }}\left( {{M_{y1}}} \right)\cos \theta \\ \end{aligned} $$ (1) 其中，
$${\sigma _{\max }}\left( {{F_{x1}}} \right){\rm{ = }}\frac{{{F_{x1}}}}{{{\text{π}} d{s_1}}}$$ (2) $${\sigma _{\max }}\left( {{F_{y1}}} \right){\rm{ = }}\frac{{{F_{y1}}}}{{{\text{π}} d{s_1}}}$$ (3) $${\sigma _{\max }}\left( {{M_{x1}}} \right){\rm{ = }}{K_1}\left( {\frac{{1.872{M_{x1}}}}{{ds_1^2}}} \right)$$ (4) $${\sigma _{\max }}\left( {{M_{y1}}} \right){\rm{ = }}{K_1}\left( {\frac{{1.872{M_{y1}}}}{{ds_1^2}}} \right)$$ (5) 式中：
${F_{{\textit{z}}1}} > 0$ 为焊核直径(mm)；${F_{{\textit{z}}1}} > 0$ 为板1的厚度(mm)；${F_{{\textit{z}}1}} > 0$ 为经验修正系数；${F_{{\textit{z}}1}} > 0$ 为所计算应力的角度.当焊核所受轴向力为拉力时，会导致疲劳破坏，需考虑轴向力的影响，即当
${F_{{\textit{z}}1}} > 0$ 时$${\sigma _{\max }}\left( {{M_{y1}}} \right){\rm{ = }}{K_1}\left( {\frac{{1.872{M_{y1}}}}{{ds_1^2}}} \right)$$ (6) 当焊核所受轴向力为压力时，不会产生疲劳，此时忽略轴向力的作用，即当
${F_{{\textit{z}}1}} \leqslant 0$ 时$$\sigma \left( {{F_{{\textit{z}}1}}} \right){\rm{ = }}0$$ (7) 当点焊接头满足
$d < 3.5\sqrt s $ 时焊核处的结构应力计算公式为[4, 14]$$ \tau = {\tau _{\max }}\left( {{F_{x3}}} \right)\sin \theta + {\tau _{\max }}\left( {{F_{y3}}} \right)\cos \theta $$ (8) $$ \sigma = \sigma \left( {{F_{{\textit{z}}3}}} \right) + {\sigma _{\max }}\left( {{M_{x3}}} \right)\sin \theta - {\sigma _{\max }}\left( {{M_{y3}}} \right)\cos \theta $$ (9) 其中，
$${\tau _{\max }}\left( {{F_{x3}}} \right) = \frac{{16{F_{x3}}}}{{3{\text{π}} {d^2}}}$$ (10) $${\tau _{\max }}\left( {{F_{y3}}} \right) = \frac{{16{F_{y3}}}}{{3{\text{π}} {d^2}}}$$ (11) 当
$ {F_{{\textit{z}}3}} > 0$ 时$$\sigma \left( {{F_{z3}}} \right) = \frac{{4{F_{z3}}}}{{{\text{π}} {d^2}}}$$ (12) 当
${F_{{\textit{z}}3}} \leqslant 0$ 时$$\sigma \left( {{F_{{\textit{z}}3}}} \right) = 0$$ (13) $${\sigma _{\max }}\left( {{M_{x3}}} \right) = \frac{{32{M_{x3}}}}{{{\text{π}} {d^3}}}$$ (14) $${\sigma _{\max }}\left( {{M_{y3}}} \right) = \frac{{32{M_{y3}}}}{{{\text{π}} {d^3}}}$$ (15) 然后根据应力分量，可以计算出焊核的绝对最大主应力
${\sigma _{\rm{AMP}}}$ 为当
$\sigma \geqslant 0$ 时$${\sigma _{\rm{AMP}}} = \frac{\sigma }{2} + \sqrt {{{\left( {\frac{\sigma }{2}} \right)}^2} + {\tau ^2}} $$ (16) 当
$ \sigma < 0$ 时$${\sigma _{\rm{AMP}}} = \frac{\sigma }{2} - \sqrt {{{\left( {\frac{\sigma }{2}} \right)}^2} + {\tau ^2}} $$ (17) 3. S-N曲线拟合及修正
3.1 S-N曲线拟合
分别建立如图4所示的点焊试件体单元和壳单元有限元模型，焊核分别采用体单元和CBAR单元模拟. 通过准静态拉伸试验和有限元仿真对比来验证有限元模型的准确性，准静态试验载荷为Fmin = 611 N，Fmax = 6 111 N，则r为0.1. 应变片贴片位置如图5所示，在距变形环外缘2 mm处[15].
![]()
图 4 点焊试件有限元模型Figure 4. Finite element model of spot welded sample. (a) solid element model; (b) shell element model![]()
图 5 准静态试验中应变片贴片位置Figure 5. Position of the strain gauge on the sample in the quasi-static test试验与仿真结果对比如表2所示[15]，可以看出体单元模型仿真所得应变结果与试验测得应变值十分接近，而壳单元模型中梁单元的节点力与体单元模型焊核横截面的力非常接近，证明采用两种有限元模型均可以较为准确地模拟点焊，为了方便提取点焊结构的受力，文中采用点焊壳单元模型来模拟点焊试件.
表 2 体单元模型仿真结果与试验结果对比Table 2. Comparison of simulation result of solid element model and test result提取结果 应变 剪切力Fσ/N 轴向力FN/N 试验 518 体单元模型 515 6111 139.2 壳单元模型 6110.2 140.47 将壳单元有限元模型加载后，导入Nastran软件进行仿真，得到各类型试件在最大载荷Fmax和最小载荷Fmin下梁单元节点的力和力矩，然后带入结构应力公式计算结构应力. 文中点焊试件板厚满足
$d > 3.5\sqrt s $ ，故将得到的梁单元节点的力和力矩带入式(1) ~ 式(7)，得到拉剪载荷下的点焊试件的等效结构应力.在双对数坐标系下，以试验的疲劳寿命N为横坐标，以等效结构应力幅值Δσs为纵坐标，基于最小二乘法对表1中材料为SUS301L + C850的点焊试验数据进行线性回归拟合，得到点焊试件不区分及区分应力比r(载荷比)的S-N曲线如图6所示. 在疲劳数据处理中，一般以5倍寿命范围来评价S-N曲线的好坏，如果大多数疲劳数据位于5倍寿命范围之内，则认为该S-N曲线关联性较强，可以用来预测疲劳寿命[11, 16].
![]()
图 6 材料为SUS301L + C850的点焊试件的S-N曲线Figure 6. S-N curves of spot welded samples made of SUS301L + C850. (a) S-N curve of spot welded samples under all stress ratios; (b) S-N curve of spot welded samples under stress ratio r = 0.1; (c) S-N curve of spot welded samples under stress ratio r = 0.5由图可知，考虑所有应力比的S-N曲线R2 = 0.658 2，相关性较差，个别数据点位于5倍寿命范围之外. 应力比r = 0.1和0.5下的S-N曲线R2分别为0.824 5和0.848 2，所有的数据点都位于5倍寿命范围之内，相关性较好. 可见，应力比对点焊试件的S-N曲线影响较大，因此分析点焊试件在拉剪状态下的疲劳特性时，不可忽略应力比的影响. 在实际的应用过程中应当对不同应力比的S-N曲线加以区分.
3.2 S-N曲线修正
将试验数据根据应力均值Sm大小划分为三级，得到不同应力均值水平下点焊的S-N曲线如图7所示. 可以看出应力均值水平越高，S-N曲线越低，点焊的疲劳强度越小. 对比图6b和图6c可知，应力比r越大，S-N曲线越低，即Sm越大，点焊的疲劳强度越小，因为r和Sm相关联且满足[17]
$${S_{\rm{m}}} = (1 + r){S_{\rm{a}}}/(1 - r)$$ (18) 式中：Sa为应力幅值.
![]()
图 7 不同应力均值水平下点焊试件的S-N曲线Figure 7. S-N curves of spot welded samples at different stress mean levels为了消除应力比对点焊试件S-N曲线的影响，需要对同种材料不同应力比下点焊试件的结构应力进行修正，从而得点焊相关性更高的基本S-N曲线(r = −1). 文中点焊试验得到的Sa-Sm曲线(应力幅—应力均值曲线)趋于Goodman直线，故采用Goodman修正法将非对称循环下的结构应力当量为对称循环下的结构应力. 以材料为SUS301L + C850的点焊试件为例，将应力比为r = 0.1和0.5的结构应力修正为r = −1时的结构应力，最后得到点焊试件的基本S-N曲线如图8所示. 根据同样的方法可以将其他应力比下的结构应力通过Goodman修正法等效为r = −1时的结构应力，从而消除应力比对点焊试件S-N曲线影响. 对比图6a和图8可以看出，修正后点焊的基本S-N曲线线性相关程度(R2 = 0.729 6)较未修正的所有应力比下的S-N曲线(R2 = 0.658 2)高.
![]()
图 8 基于Goodman修正法修正后点焊试件的基本S-N曲线Figure 8. Basic S-N curve of spot welded samples modified by Goodman correction method4. P-S-N曲线拟合
点焊S-N曲线是对点焊结构进行疲劳寿命预测的前提和基础. 在实际疲劳分析中，尤其是构件的可靠性设计中，往往需要使用不同存活率的S-N曲线，即P-S-N曲线. 文中基于表1中前4组点焊试样的S-N曲线，采用3种方法绘制其P-S-N曲线，并确认最优的点焊P-S-N曲线，具体步骤如下.
4.1 方法一
(1)通过点焊拉剪疲劳试验得到寿命N，然后对点焊有限元模型进行仿真，提取梁单元的力和力矩并基于Rupp评估法得到点焊的等效结构应力.
(2)计算试件的破坏率.
$${p_i} = \frac{i}{{1 + n}}$$ (19) (3)将pi作为概率值，在标准正态分布表中查得对应的概率密度函数值ui.
(4)令yi = lg(Ni)，xi = ui，P-S-N曲线方程为A + B × up= lg(N). 根据xi和yi计算系数Lxx，Lyy，和Lxy，均值
$\overline X $ 和$\overline Y $ [17].$${L_{xx}}{\rm{ = }}\sum {(x - \overline X )^2} = \sum {x_i}^2 - {\left(\sum {x_i}\right)^2}/n$$ (20) $${L_{yy}}{\rm{ = }}\sum {(y - \overline Y )^2} = \sum {y_i}^2 - {\left(\sum {y_i}\right)^2}/n$$ (21) $${L_{xy}}{\rm{ = }}\sum (x - \overline X )(y - \overline Y ) = \sum {x_i}{y_i} - \sum {x_i}\sum {y_i}/n$$ (22) (5)计算P-S-N曲线方程系数A和B[17].
$${{B = }}{L_{xy}}{\rm{/}}{L_{xx}}$$ (23) $${{A = }}\overline Y - {\rm{B}}\overline X $$ (24) (6)根据需要的存活率ps，查标准正态分布表中对应的概率密度函数值up, 例如：ps = 50%，则up = 0；ps = 99.9%，则up = −3.09.
(7)将应力Si下存活率psi对应的upi带入P-S-N曲线方程A + Bup = lg(N)，得到存活率为psi，应力为Si的寿命的估计值Npi.
$$ {{A}} + {{B}}\times{u_{pi}} = \lg ({N_{pi}}) $$ (25) (8)在对数坐标系中以结构应力幅值Δσs为纵坐标，估算寿命Npi为横坐标，基于最小二乘法拟合得到不同存活率psi下点焊试件的P-S-N曲线如图9所示.
4.2 方法二
(1)通过试验得到点焊试件的寿命N，然后通过仿真并基于Rupp评估法得到点焊的等效结构应力S.
(2)求试件在每组载荷下对数寿命的均值
$\overline N $ ，对均值寿命$\overline N $ 和结构应力S使用最小二乘法拟合，得到均值下的S-N曲线(即50%存活率曲线).(3)求试件在每组载荷下对数寿命的标准差
$\sigma $ ，然后求出所有试件对数寿命标准差的均值$\overline \sigma $ .(4)求不同存活率下的点焊试件的寿命值
$\lg {N_p}_i$ .$$\lg {N_{pi}} = \overline N + \overline \sigma \times {u_{pi}}$$ (26) 式中：upi为根据需要的存活率psi查标准正态分布表得到对应的概率密度函数值.
(5)根据结构应力幅值Δσs和不同存活率下的寿命
${N_p}_i$ ，基于最小二乘法拟合得到点焊的P-S-N曲线如图10所示.4.3 方法三
(1)通过点焊拉剪疲劳试验得到试件的寿命N，然后通过仿真并基于Rupp评估法得到点焊的等效结构应力S.
(2)对等效结构应力S和试验寿命N取对数，并采用最小二乘法拟合得到均值下的S-N曲线(50%存活率曲线).
(3)将所有的点焊试验寿命值N通过S-N曲线等效至5 × 106次循环时的疲劳寿命Ne[18].
(4)求所有对数等效寿命
$\lg {N_e}$ 的标准差${\sigma _e}$ .(5)根据需要的存活率psi，在标准正态分布表中可以查得psi值对应的概率密度函数值upi.
(6)求不同存活率psi对应的点焊估算对数寿命lgNpi.
$$\lg {N_{pi}} = N + {\sigma _e}\times {u_{pi}}$$ (27) (7)在对数坐标系中以等效结构应力幅值Δσs为纵坐标，以估算对数寿命Npi为横坐标，基于最小二乘法拟合得到点焊的P-S-N曲线如图11所示.
通过对比3种方法得到的点焊P-S-N曲线可知，由方法二得到的点焊P-S-N曲线图中一些数据点落在99.9%存活率曲线以外，数据点相对曲线较分散，拟合效果不佳；由方法一和方法三得到的点焊P-S-N曲线图中大部分数据点都在99.9%存活率曲线以内，数据相对曲线较紧凑，拟合效果较好. 综上可得，采用方法一和方法三拟合得到的P-S-N曲线更适合于点焊的疲劳寿命预测，为实际工程应用提供参考.
5. 结论
(1) 通过拉剪疲劳试验得到点焊试件在不同板厚、焊核直径和载荷比下的疲劳寿命. 根据点焊壳单元有限元模型仿真得到梁单元的力和力矩，并基于Rupp评估法得到点焊试件的等效结构应力.
(2) 基于点焊试件的疲劳寿命和等效结构应力，采用最小二乘法拟合得到点焊试件在不同应力比以及所有应力比下的S-N曲线.
(3)对比点焊S-N曲线得出应力比对点焊的S-N曲线影响很大，而且应力比与应力均值成正比，应力均值越大，点焊的疲劳强度越低. 基于Goodman修正法将非对称循环下的结构应力当量为对称循环下的结构应力后得到了点焊的基本S-N曲线，消除了应力比对S-N曲线的影响.
(4) 基于点焊的S-N曲线，通过三种方法得到了点焊的P-S-N曲线，对比三种P-S-N曲线的拟合效果认为基于破坏率的方法一和基于等效寿命的方法三法拟合效果较好，更适合实际工程应用.
-
![]()
图 6 点焊超声信号三层小波包变换子带信号
Figure 6. Three layer wavelet packet transform subband signal of spot welding ultrasonic signal. (a) S1; (b) S2; (c) S3; (d) S4; (e) S5; (f) S6; (g) S7; (h) S8
![]()
图 7 点焊拉剪失效模式
Figure 7. Failure mode of spot welding tensile shear. (a) base material tearing; (b) nugget extraction; (c) interfacial tearing
![]()
图 9 点焊试样拉剪强度分布
Figure 9. Tensile and shear strength distribution of spot welding sample
![]()
图 10 基于PSO算法优化的SVM神经网络模型流程图
Figure 10. Chart of SVM neural network model optimized based on PSO algorithm
![]()
图 11 BP神经网络测试集分类结果
Figure 11. Classification results of BP neural network test set. (a) time domain characteristic value；(b) frequency domain characteristic value；(c) wavelet packet domain characteristic value；(d) all characteristic value
![]()
图 12 PSO-SVM神经网络测试集分类结果
Figure 12. Classification results of PSO-SVM neural network test set. (a) time domain characteristic value；(b) frequency domain characteristic value；(c) wavelet packet domain characteristic value；(d) all characteristic value
![]()
图 13 PSO-SVM 寻找最佳参数的适应度曲线
Figure 13. Fitness curve of PSO-SVM to find the best parameters. (a) partial eigenvalue; (b) all eigenvalue
表 1 点焊超声检测时频特征值及最大拉剪强度
Table 1 Time domain and frequency domain characteristic value and maximum tensile shear strength of spot welding ultrasonic testing
序号 时域特征值 频域特征值 小波包特征值 拉剪强度 $ \bar S/mm $ $ K $ $ {f_m}/MHz $ $ {A_m} $ $ Kurt $ $ \bar E $ $ {S_E}^2 $ $ \bar \alpha (dB/mm) $ $ {S_a}^2 $ $ L/KN $ 1 2.74 0.136 1.172 0.603 0.409 0.138 0.321 2.52 0.68 16.67 2 2.65 0.158 1.172 0.456 0.389 0.656 0.815 2.82 0.35 18.72 3 2.65 0.042 1.172 0.664 0.527 0.950 0.235 1.75 0.67 19.06 4 2.64 0.067 1.172 0.974 0.495 0.865 0.310 0.96 1.92 14.32 5 2.56 0.354 1.172 0.655 0.493 0.515 0.827 2.13 1.17 13.14 6 2.57 0.43 1.172 0.661 0.477 0.219 0.826 0.96 1.16 11.62 7 2.79 0.207 1.367 0.566 0.442 0.994 0.944 1.97 0.39 15.18 8 2.86 0.409 1.172 0.505 0.341 0.877 0.584 3.14 0.26 17.81 $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ $\vdots $ 99 2.65 0.223 0.780 0.378 0.325 0.632 0.384 3.72 2.64 16.16 100 2.53 0.154 1.367 0.489 0.366 0.853 0.226 1.49 0.85 15.72 
下载: 导出CSV
表 2 不同神经网络分类器识别正确率
Table 2 Recognition accuracy of different neural network classifiers
特征值类型 BP神经网络 PSO-SVM神经网络 正确识别
数量n/个正确率
a(%)正确识别
数量n/个正确率
a(%)时域特征值 10 50 11 55 频域特征值 9 45 10 50 小波包特征值 13 65 16 80 全部特征值 14 70 19 95
下载: 导出CSV
-
[1] 王斌, 李升, 朱富慧, 等. 基于超声无损检测的扩散连接界面缺陷尺寸评估[J]. 焊接学报, 2020, 41(8): 34 − 38. doi: 10.12073/j.hjxb.20200323004 Wang Bin, Li Sheng, Zhu Fuhui, et al. Evaluation of interface defect size in diffusion bonding based on ultrasonic non-destructive testing[J]. Transactions of the China Welding Institution, 2020, 41(8): 34 − 38. doi: 10.12073/j.hjxb.20200323004
[2] Abbas Moghanizadeh. Evaluation of the physical properties of spot welding using ultrasonic testing[J]. The International Journal of Advanced Manufacturing Technology, 2016, 85: 535 − 545. doi: 10.1007/s00170-015-7952-y
[3] Esmaeil Mirmahdi. Numerical and experimental modeling of spot welding defects by ultrasonic testing on similar sheets and dissimilar sheets[J]. Russian Journal of Nondestructive Testing, 2020, 56: 620 − 634. doi: 10.1134/S1061830920080069
[4] 赵大伟, 王元勋, 梁东杰, 等. 基于功率信号动态特征的钛合金电阻点焊熔核直径预测[J]. 焊接学报, 2022, 43(1): 55 − 59. doi: 10.12073/j.hjxb.20201026001 Zhao Dawei, Wang Yuanxun, Liang Dongjie, et al. Prediction of nugget diameter in titanium alloy resistance spot welding based on dynamic characteristics of power signals[J]. Transactions of the China Welding Institution, 2022, 43(1): 55 − 59. doi: 10.12073/j.hjxb.20201026001
[5] 杨鑫华, 贾昕, 朱平, 等. 基于信息增益率的点焊接头疲劳性能影响因素分析[J]. 焊接学报, 2020, 41(10): 73 − 78. Yang Xinhua, Jia Xin, Zhu Ping, et al. Analysis of factors affecting the fatigue performance of spot welded joints based on information gain rate[J]. Transactions of the China Welding Institution, 2020, 41(10): 73 − 78.
[6] Elangovan S, Anand K. , Prakasan K. Parametric optimization of ultrasonic metal welding using response surface methodology and genetic algorithm[J]. The International Journal of Advanced Manufacturing Technology, 2012, 63: 561 − 572. doi: 10.1007/s00170-012-3920-y
[7] Hyo-Sun Yu, Byung-Guk Ahn. A study on ultrasonic test for evaluation of spot weldability in automotive materials[J]. KSME International Journal, 13, 775-782.
[8] Siljama Oskar, Koskinen Tuomas, Jessen-Juhler Oskari, et al. Automated flaw detection in multi-channel phased array ultrasonic data using machine learning[J]. Journal of Nondestructive Evaluation, 2021, 40(3): 67 − 80. doi: 10.1007/s10921-021-00796-4
[9] 张佳莹, 丛森, 刚铁, 林尚扬. 基于频率–相位编码信号激励的焊缝超声检测分析[J]. 焊接学报, 2018, 39(7): 7-11, 41. Zhang Jiaying, Cong Sen, Gangtie, Lin Shangyang Analysis of Weld Ultrasonic Testing Based on Frequency Phase Encoded Signal Excitation[J]. Transactions of the China Welding Institution, 2018, 39 (7): 7-11, 41.
[10] Wang Ting, Xu Chunsheng, Ma Guocheng, et al. Analysis of ultrasonic C-scan image features and image processing for spot welding[J]. China Welding, 2015, 24(2): 52 − 56.
[11] Liu J, Xu G C, Gu X P, et al. Ultrasonic test of resistance spot welds based on wavelet package analysis[J]. Ultrasonics, 2014, 56: 557 − 565.
[12] Zhao Yiying, Huang Qingjiu. Image enhancement of robot welding seam based on wavelet transform and contrast guidance[J]. International Journal of Innovative Computing, Information and Control, 2022, 18(1): 149 − 159.
[13] Yang P, Li Q. Wavelet transform based feature extraction for ultrasonic flaw signal classification[J]. Neural Computing & Applications, 2014, 24(3-4): 817 − 826.
[14] 吴刚, 关山月, 汪小凯, 等. 薄板点焊超声检测信号特征分析与缺陷识别[J]. 焊接学报, 2019, 40(4): 112 − 118. Wu Gang, Guan Shanyue, Wang Xiaokai, et al. Signal feature analysis and defect identification of ultrasonic testing for thin plate spot welding[J]. Transactions of the China Welding Institution, 2019, 40(4): 112 − 118.
[15] 吴刚, 关山月, 汪小凯, 等. 基于超声信号增益补偿的电阻点焊熔核直径评估算法[J]. 中国测试, 2018, 44(8): 13 − 19. Wu Gang, Guan Shanyue, Wang Xiaokai, et al. Evaluation algorithm for nugget diameter in resistance spot welding based on ultrasonic signal gain compensation[J]. China Measurement & Test, 2018, 44(8): 13 − 19.
[16] Xu Mengxi, Shi Jianqiang, Chen Wei, et al. A Band selection method for hyperspectral image based on particle swarm optimization algorithm with dynamic sub-swarms[J]. Journal of Signal Processing Systems, 2018, 90: 1269 − 1279. doi: 10.1007/s11265-018-1348-9
[17] Fei Ye. Evolving the SVM model based on a hybrid method using swarm optimization techniques in combination with a genetic algorithm for medical diagnosis[J]. Multimedia Tools and Applications, 2018, 77: 3889 − 3918. doi: 10.1007/s11042-016-4233-1
-
期刊类型引用(14)
1. 韩彬，高建章，周聪，贾彦杰，刘雪光，谢斐，牛盛源，李立英. 坡度X70管线钢全自动外焊接头组织与性能. 中国石油大学学报(自然科学版). 2024(03): 145-153 . 
百度学术
2. 靳红星. D1219 mm管道山地自动焊系统研制及应用. 压力容器. 2024(06): 36-42 . 百度学术
3. 高建章，韩彬，贾彦杰，刘雪光，先云泽，秦小省，李立英. 大坡度X70管线钢全自动焊内根焊接头组织与性能. 焊接. 2024(08): 61-68 . 百度学术
4. 刘铎. 金属管道焊接接头延性断裂行为及显微表征. 信息记录材料. 2023(02): 49-51 . 百度学术
5. 贾彦杰，周聪，李立英，高建章，杨健，吴易哲，吴彦鹏，韩彬. 管线钢焊接接头韧性影响因素及评价方法. 电焊机. 2023(05): 43-53 . 百度学术
6. 薛永盛，刘鹏鹏，王峰，宋泽宇. 大管径X80级管线钢焊接弯头热处理工艺研究. 焊接技术. 2023(05): 75-78 . 百度学术
7. 王鹏宇，闫臣. 从油气管道工程建设的发展看焊接技术的进步. 焊接. 2023(06): 44-51+64 . 百度学术
8. 丰帆，马明，高彦伟，叶陈峣，李立英，韩彬. 天然气场站用1Cr18Ni9Ti管道全自动横焊接头组织与性能. 焊管. 2023(12): 40-46 . 百度学术
9. 何小东，高雄雄，David Han，池强，霍春勇，José B.Bacalhau. 高铌X80管道不同强度匹配环焊接头性能及应变演化. 焊接学报. 2022(02): 34-39+115 . 本站查看
10. 文学，钱建康，汪宏辉，王鹏宇，郭祥，付伟杰，雷正龙. 装配条件对X80钢外根焊接头成分与性能的影响. 焊接. 2022(05): 24-28+35 . 百度学术
11. 汪宏辉，王鹏宇. 水网地区铜衬垫外根焊全自动焊接技术适应性. 焊接. 2022(07): 60-64 . 百度学术
12. 武建朝，王晓娥. 自动焊在现代煤化工项目上的研究与应用. 机械制造文摘(焊接分册). 2022(05): 38-43 . 百度学术
13. 陈自振，程义远，李天伟，任建志，马志军，韩卫亮. X80管线钢药芯焊丝气保护全自动焊焊缝性能研究. 材料导报. 2022(S2): 352-355 . 百度学术
14. 王汉奎，商学欣，柳旺，宋明，何仁洋. 高钢级油气管线环焊缝应变时效脆化研究. 压力容器. 2021(05): 8-13 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 100
- HTML全文浏览量: 30
- PDF下载量: 11
- 被引次数: 15
