59 / 2021-06-02 16:30:05

基于光谱特征机器学习的电弧增材制造过程在线监测

采用逐层熔敷的方式增材制造电力设备中的大型复杂金属构件，与传统的锻造和减材制造技术相比具有较高的时间和成本效益。电弧增材制造具有扫描速度快、能量高、熔池体积较大、成本较低的特点，可能成为电气设备的一种重要的制造方法。电弧增材过程在线监测可实时监控成形过程，发现缺陷、修复缺陷，可以减少成形件的废品率。本文通过对增材过程中的光谱信号实时采集分析，实现了对增材成型件质量的实时监测。首先基于搭接的增材制造实验平台和光谱采集系统，通过改变焊接电流、电压、机器人行进速度、送丝速度、保护气流速等可控的工艺参数，分析了不同工艺参数下增材铜合金对光谱强度的影响。针对电弧光谱信息冗余的特点，采用主成分分析的方法，得到了具有物理意义的第一主成分与第二主成分的特征信号，实现了电弧光谱信息的冗余去除以及特征提取。光谱分析得出第一主成分以及第二主成分分别对应着电弧光谱中的熔池金属谱线信息和保护气中的Ar谱线信息，分别反映了增材过程中的熔池以及电弧的动态变化过程。最后，以决策树作为分类算法，并通过遗传算法对其超参数进行寻优，用不同工艺情况下经主成分分析处理后的光谱信号构建训练集，建立了最优的决策树分类模型，该模型的分类准确率可达98.72%，与支持向量机、贝叶斯等分类器相比，准确率有了较大提高，同时具有较高的鲁棒性。