人工神经网络技术在点焊质量控制中的应用研究

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 |

人工神经网络技术在点焊质量控制中的应用研究

方平¹, 谭义明², 吴禄², 张勇²

1. 南昌航空工业学院焊接研究所,江西南昌330034;2. 西北工业大学压力焊工程技术研究所,陕西西安710072

收稿日期:1998-11-09 修回日期:1999-01-22 出版日期:2000-02-25 发布日期:2000-02-25

ARTIFICIAL NEURAL NETWORKS APPLIED TO THE QUALITY CONTROL IN ALTERNATING CURRENT RESISTANCE SPOT WELDING

FANG Ping¹, TAN Yiming², WU Lu², ZHANG Yong²

1. Nanchang Institute of Aeronautical Technology, Nanchang 330034, China;2. Northwestern Polytechnical University, Xi′an 710072, China

Received:1998-11-09 Revised:1999-01-22 Online:2000-02-25 Published:2000-02-25

摘要/Abstract

摘要：

利用人工神经网络技术对交流电阻点焊的多个动态电参数进行融合处理,建立起以交流点焊过程中动态电参数作为输入空间;以熔核尺寸为输出空间,可用于实时在线检测和预测的低碳钢点焊质量监测系统。所建监测系统的熔核直径的平均预测误差小于5%,熔核高度的平均预测误差小于8%,完全可以满足工程实际的需要。

关键词: 人工神经网络, 电阻点焊, 质量控制

Abstract:

Several of the dynamic electrical parameters of alternating current resistance spot welding are blended by use of artificial neural networks,and a monitor system of spot welding quality of mild steel is established in this research.In this system,the dynamic electrical parameters are used as input space and the sizes of nugget are used as output space.The system can be used for detecting the quality and forecasting the size of nugget on real time during resistance spot welding. The average forecasting error of diameter of nugget is less than 5% and the average forecasting error of height of nugget is less than 8% in this monitor system. The system can satisfy the actual need of engineering completely.

Key words: artificial neural networks, resistance spot welding, quality control

中图分类号:

TG438.2
TP18

方平;谭义明;吴禄;张勇. 人工神经网络技术在点焊质量控制中的应用研究[J]. 航空学报, 2000, 21(1): 94-95，86.

FANG Ping;TAN Yiming;WU Lu;ZHANG Yong. ARTIFICIAL NEURAL NETWORKS APPLIED TO THE QUALITY CONTROL IN ALTERNATING CURRENT RESISTANCE SPOT WELDING[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2000, 21(1): 94-95，86.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	刘佳奇, 冯蕴雯, 路成, 薛小锋, 潘维煌. 基于智能神经网络的航空发动机运行安全分析[J]. 航空学报, 2022, 43(9): 625375-625375.
[2]	谢泽豪, 李建宇, 陈树海, 黄继华, 杨健. 钢/铝异种金属点焊研究进展[J]. 航空学报, 2022, 43(2): 625118-625118.
[3]	李昂, 聂党民, 温祥西, 韩宝华, 曾裕景. 管制-飞行状态相依网络演化过程[J]. 航空学报, 2021, 42(9): 324726-324726.
[4]	谢晨月, 王建春, 万敏平, 陈十一. 基于人工神经网络的可压缩湍流大涡模拟模型[J]. 航空学报, 2021, 42(9): 625723-625723.
[5]	万敏, 杜宇轩, 张卫红, 杨昀. 单向CFRP螺旋铣削力建模[J]. 航空学报, 2021, 42(10): 524134-524134.
[6]	师彬彬, 陈哲涵. 基于图像特征融合的粉末床缺陷检测方法[J]. 航空学报, 2021, 42(10): 524430-524430.
[7]	曹龙超, 周奇, 韩远飞, 宋波, 聂振国, 熊异, 夏凉. 激光选区熔化增材制造缺陷智能监测与过程控制综述[J]. 航空学报, 2021, 42(10): 524790-524790.
[8]	田硕, 尚建勤, 盖鹏涛, 陈福龙, 曾元松. 带筋整体壁板预应力喷丸成形数值模拟及变形预测[J]. 航空学报, 2019, 40(10): 422847-422847.
[9]	李鹏飞, 徐国栋, 董立珉, 候天蕊. X射线脉冲星信号时延的实时估计方法[J]. 航空学报, 2014, 35(7): 1966-1976.
[10]	陈哲涵, 杜福洲, 唐晓青. 基于关键测量特性的飞机装配检测数据建模研究[J]. 航空学报, 2012, 33(11): 2143-2152.
[11]	闻敬谦;李青. 基于工作流的飞机质量问题归零过程控制[J]. 航空学报, 2009, 30(11): 2207-2212.
[12]	陈果. 用结构自适应神经网络预测航空发动机性能趋势[J]. 航空学报, 2007, 28(3): 535-539.
[13]	吕震宙;杨子政;赵洁. 基于加权线性响应面法的神经网络可靠性分析方法[J]. 航空学报, 2006, 27(6): 1063-1067.
[14]	李诚;张明廉. 基于物理模型的拟人智能控制[J]. 航空学报, 2004, 25(2): 148-152.
[15]	聂胜才;唐晓青. 基于基因算法的加工质量故障诊断研究与实现[J]. 航空学报, 2001, 22(6): 521-524.

人工神经网络技术在点焊质量控制中的应用研究

ARTIFICIAL NEURAL NETWORKS APPLIED TO THE QUALITY CONTROL IN ALTERNATING CURRENT RESISTANCE SPOT WELDING

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价