-
题名基于机器学习的电弧行为识别与特征分析
- 1
-
-
作者
肖典
蒲柯伶
褚卓楠
方乃文
武鹏博
吴斌涛
-
机构
宁夏大学
中国机械总院集团哈尔滨焊接研究所有限公司
-
出处
《焊接学报》
EI
CAS
CSCD
北大核心
2024年第5期84-89,共6页
-
基金
国家重点研发计划资助项目(2021YFB3401100)
黑龙江省头雁行动计划-能源装备先进焊接技术创新团队资助项目(201916120)。
-
文摘
电弧熔丝增材制造过程中电弧行为是影响零件成形精度及质量的关键因素之一,针对电弧熔丝增材制造过程中电弧无振荡、摇摆振荡以及圆周振荡3种电弧状态的监测图像,提出一种基于局部二值模式(local binary pattern,LBP)与GoogLeNet神经网络结合识别电弧模式的新方法.结果表明,通过局部二值模式获取电弧形态图像中的纹理特征,然后建立GoogLeNet神经网络模型,相比于直接对原始图像进行神经网络的训练,该方法可有效识别电弧长度、宽度以及左右最大倾角随堆积层数的变化规律,从而精准判别电弧所属状态.针对常规存在熔池、熔滴以及复杂背景等因素干扰的电弧形态图像,该方法处理后可获得更清晰的电弧边缘轮廓,更有利于将熔池、熔滴和电弧的形态边界进行划分,最终的状态识别准确率可达99.50%,为电弧熔丝增材制造过程中的电弧状态监测提供理论参考.
-
关键词
电弧状态
局部二值模式
GoogLeNet神经网络
图像处理
-
Keywords
arc state
local binary pattern
GoogLeNet neural network
image processing
-
分类号
TG457
[金属学及工艺—焊接]
-
