基于支持向量機(jī)的點(diǎn)焊質(zhì)量分類

1、基于支持向量機(jī)的點(diǎn)焊質(zhì)量分類摘要：以點(diǎn)焊質(zhì)量監(jiān)控為目的，通過對點(diǎn)焊過程電極位移信號、動態(tài)電阻信號的同步采集和信號分析，從2種信號中提取12個有效的特征分量，構(gòu)造點(diǎn)焊過程的監(jiān)測數(shù)據(jù)集， 以焊點(diǎn)的抗剪強(qiáng)度為指標(biāo)，利用支持向量機(jī)(svm)和rbf神經(jīng)網(wǎng)絡(luò)對焊點(diǎn)質(zhì)量進(jìn)行分類。測試結(jié)果表明，2種信號特征向量作為svm的輸入向量，在參數(shù)匹配的情況下，使用不同的核函數(shù)對噴濺和焊點(diǎn)質(zhì)量分類均能取得較好的分類結(jié)果分類器性能明顯優(yōu)于rbf神經(jīng)網(wǎng)絡(luò)模型。小樣本情況tsvm具有較好的泛化能力，正確率仍保持在80以上，據(jù)此認(rèn)為提取電極位移和動態(tài)電阻的特征向量構(gòu)筑輸入向量建立的svm動態(tài)模型對點(diǎn)焊接頭進(jìn)行質(zhì)量分類是可行的

2、。關(guān)鍵宇：電阻點(diǎn)焊；svm；質(zhì)量分類；泛化能力；特征提取中圄分類號：tg4382 文獻(xiàn)標(biāo)識碼：a電阻點(diǎn)焊自產(chǎn)生以來，以其高效率、低成本、易于實(shí)現(xiàn)自動化的優(yōu)點(diǎn)廣泛應(yīng)用于大量薄板焊接結(jié)構(gòu)生產(chǎn)中，但點(diǎn)焊過程的非線性及多變量耦合使得焊接過程難以控制?，F(xiàn)代信號處理、模式識別技術(shù)的發(fā)展，使得點(diǎn)焊過程質(zhì)量監(jiān)控技術(shù)有了長足的進(jìn)步，javedt1以焊接電流、時間、電極壓力為輸入?yún)?shù)，焊點(diǎn)質(zhì)量為輸出參數(shù)，利用bp網(wǎng)絡(luò)建立輸入與輸出的映射；hao利用線性回歸分析建立監(jiān)控參量與鋁合金焊點(diǎn)強(qiáng)度及熔核直徑之間的映射模型【2?；诟怕式y(tǒng)計(jì)模型得到的各類別特征向量分布的統(tǒng)計(jì)分類方法正逐漸在電阻點(diǎn)焊領(lǐng)域中得到廣泛應(yīng)用。統(tǒng)計(jì)分類

3、方法很多，如：決策樹和決策表等。本文提供一種利用動態(tài)電阻和電極位移信號提取特征向量構(gòu)建數(shù)據(jù)集，建立基于svm的點(diǎn)焊質(zhì)量分類模型。1 支持向量機(jī)支持向量機(jī)(svm)是數(shù)據(jù)挖掘的一項(xiàng)新技術(shù)是借助最優(yōu)化方法解決機(jī)器學(xué)習(xí)問題的新工具：是克服“維數(shù)災(zāi)難”和“過學(xué)習(xí)” 等困難的有力手段 。其基本原理是通過定義適當(dāng)?shù)膬?nèi)積函數(shù)。將訓(xùn)練數(shù)據(jù)集從輸入空間非線性的映射到一個高維特征空間(hilbert空間)， 使樣本在該空間線性可分然后求取新空間中的最優(yōu)線性分類面。假定訓(xùn)練數(shù)據(jù)可以被一個超平面正確地分開則最優(yōu)超平面將由離它最近的少數(shù)樣本點(diǎn)決定這些決定最優(yōu)超平面的樣本點(diǎn)就稱為支持向量。設(shè)線性可分樣本集(毛， )， =

4、1， ，z,xrd,y+1，一1)，d維空間中線性判別函數(shù)：收稿日期：20070329xr-b， (1)svm是通過對拉格朗日算子的最大化來確定最大分類間隔的解。構(gòu)造拉格朗日函數(shù)為：l(w，。，6)= 1 i z_oei( 伽+6)+a，厶 i=1 =1嘶0，i=1，2， ，n， (2)其中，嘶是拉格朗日算子，并且滿足下式：110嘶c和 n 0， (3)i=1則在上面2個條件下最大化上述構(gòu)造拉格朗日函數(shù)的對偶形式，就可得出由嘶所決定的支持向量。即：max l 啦一 1嗍 輯， (4)i=1 - i。j=l優(yōu)化 d牛苷取決于變換后的特征向量之間的數(shù)乘，若用一個核函數(shù)k(x，y)來代替數(shù)乘，就可以

5、避免計(jì)算變換 ，此時判別函數(shù)就可以寫成 ( )+6。使用核函數(shù)來代替數(shù)乘就不需要明確知道，這對于高維特征空間可以有效避免“維數(shù)災(zāi)難” 的問題。核函數(shù)類型的選擇，或者說一種變換的選擇，對于支持向量機(jī)非常重要，它決定對分類中相似性和相似程度標(biāo)準(zhǔn)的選擇。由于分類問題可以看成一個相似問題。相似性又可以由向量的內(nèi)積來描述，因此，選擇映射或者說選擇核函數(shù)將直接影響分類的結(jié)果。常用核函數(shù)有如下形式：線性核函數(shù)：k(x，置) 多項(xiàng)式核函數(shù)：k(x，鼉)=( ) )prbf(radial basis function)核函數(shù)：k( ，xi)=exp(-t l 一置i )sigmoid核函數(shù)：k(x， i)=ta

6、nh(s( i)+g)50 焊接設(shè)備與材料 焊接技術(shù) 第36卷第5期20o7年10月2 試驗(yàn)數(shù)據(jù)集點(diǎn)焊試驗(yàn)系統(tǒng)由恒流控制交流點(diǎn)焊機(jī)唐山松下yf一0201z2、傳感器、數(shù)據(jù)采集卡以及計(jì)算機(jī)組成，對焊接電流、焊接電壓、電極位移信號進(jìn)行實(shí)時采集。利用rogowski 流傳感器測取電流、焊接電壓取自電極頭兩端電壓，da一5型直流差動位移傳感器采集電極位移信號，數(shù)據(jù)采集系統(tǒng)由12位的ac6115 a d轉(zhuǎn)換卡以及基于該卡用vb開發(fā)的數(shù)據(jù)采集軟件構(gòu)成，同步采樣率可達(dá)40 khz。信號分析和特征提取建立在madab軟件平臺上，通過構(gòu)筑特征向量建立svm點(diǎn)焊質(zhì)量分類模型。圖1為厚10 mm低碳鋼板標(biāo)準(zhǔn)試樣搭接

7、試驗(yàn)，給定焊接電流57 ka。電極壓力31 kn，焊接時間20周波的信號采樣圖。之腳：i 一0占 1 (b)周渡圖1 采集信號21 檢測信號選擇影響熔核生長的主要因素有焊接電流和電極壓力5。動態(tài)電阻和電極位移信號能夠較好地反映焊接電流、電極壓力的變化 以及如表面狀態(tài)、網(wǎng)壓波動等因素對接頭質(zhì)量的影響。因此選擇動態(tài)電阻、電極位移為質(zhì)量檢測信號，其中動態(tài)電阻的計(jì)算采用峰值法， 即半周波峰值電流時刻的電壓除以峰值電流，峰值法計(jì)算的動態(tài)電阻能夠消除電路中交流互感影響。22 特征向量圖2為厚10 mm低碳鋼板標(biāo)準(zhǔn)試樣搭接試驗(yàn)，給定焊接時間20周波、電極壓力3 150 n，不同焊接電流的動態(tài)電阻和電極位移信

8、號圖，可以看出： 點(diǎn)焊過程動態(tài)電阻初值不同，初值反映了工件的表面狀態(tài)，提取動態(tài)電阻初值r 為一個特征分量； 動態(tài)電阻峰值不同，峰值能夠反映曲線斜率符號的改變提取動態(tài)電阻峰值r：為特征分量；動態(tài)電阻終值能夠反映熔核大小，因此提取終態(tài)電阻r 為一個特征分量； 曲線的峰值上升速度可以表明形成熔核的速度， 因此取動態(tài)電阻曲線上升速度r 為一個特征分量； 動態(tài)電阻曲線均值能夠反映點(diǎn)焊過程中熔核的尺寸，提取動態(tài)電阻曲線均值r 為一個特征分量； 動態(tài)電阻曲線上各點(diǎn)的離散程度能夠用統(tǒng)計(jì)學(xué)中的方差描述，因此，提取曲線上各半周波峰值的方差r 為一個特征分量。薯童腳薔。 三；等三三三三三00l (b)周渡圖2 對應(yīng)

9、于不同焊接電流下的動態(tài)電阻和電極位移信號曲線電極位移是點(diǎn)焊過程接頭彈塑性變形的結(jié)果。圖2b為對應(yīng)于圖2a的電極位移曲線?？梢钥闯觯何灰魄€峰值不同，提取位移曲線峰值d1為一個特征分量， 曲線峰值能夠描述熔核縱向膨脹的最大值；提取位移曲線峰值上升率d：為一個特征分量，位移峰值上升率能夠描述熔核縱向膨脹速度；位移峰值下降率 能夠描述熔核生長過程，因此提取d為一個特征分量；終態(tài)位移能夠描述壓痕的大小，提取終值d4為一個特征分量： 曲線均值能夠描述熔核焊接過程接頭彈塑性變形的程度，提取均值d 為一個特征分量； 提取曲線方差d6為一個特征分量， 曲線方差能夠描述曲線的離散程度。薯童腳基濰坦(a)周波(b

10、)周波圖3 特征參量提取堰腳weldinz technolokay vo136 no5 oct2007 焊接設(shè)備與材料 513 建立svm分類模型31 svm的算法支持向量機(jī)是把分類問題和回歸問題歸結(jié)為一個約束最優(yōu)化問題，能夠解決這樣的約束問題，就能夠完成分類。原則上說，求解這樣的約束問題可以采用很多算法，比如：基本無約束算法、牛頓一條件預(yù)優(yōu)共軛梯度法以及一些內(nèi)點(diǎn)算法等等，但在實(shí)際處理中由于存儲和計(jì)算量兩方面的要求，這些算法往往會失效 。針對大規(guī)模的原問題分解成若干個小規(guī)模的子問題，按照某種迭代策略反復(fù)求解子問題，構(gòu)造出原問題的近似解并使該近似解逐漸收斂到原問題的最優(yōu)解，按照子問題的選取和迭代

11、策略不同，可以有以下不同的算法：塊分法、分解算法和序列最小最優(yōu)化方法 。塊分法是從任意數(shù)據(jù)子集出發(fā)，使用傳統(tǒng)的二次規(guī)劃算法求解子問題，保留支持向量而舍棄其它點(diǎn)，用獲得的支持向量監(jiān)測全部剩余數(shù)據(jù)，將其中 ( 是算法中事先給定的參數(shù))個違背kkt條件最嚴(yán)重的點(diǎn)加到新塊中，在新塊中求解對偶問題。重復(fù)以上過程，直到滿足停止要求。這種方法對于支持向量數(shù)目遠(yuǎn)小于訓(xùn)練樣本數(shù)目時能提高運(yùn)算速度，在支持向量個數(shù)本身比較多時，就變得比較緩慢。分解算法是在塊分法中只更新若干個lagrange乘子，而其它的乘子保持不變，所以每次將一個樣本點(diǎn)加到工作區(qū)中去就要去掉另外一個樣本點(diǎn)。迭代過程就是將工作集之外的樣本點(diǎn)中的一部

12、分樣本點(diǎn)與工作集中的另一部分樣本點(diǎn)進(jìn)行等量交換算法迭代直到滿足條件為止。序列最小最優(yōu)化算法，建立在塊分法的基礎(chǔ)上，即工作集的規(guī)模減少為2個，一個直接的后果就是迭代次數(shù)的增加，然而該算法的優(yōu)點(diǎn)是2個變量的最優(yōu)化問題可以解析求解，每次迭代只需選擇2個變量進(jìn)行調(diào)整，同時固定其它變量，通過求解最優(yōu)化問題。該算法常表現(xiàn)出整體的快速收斂性質(zhì)，沒有矩陣運(yùn)算，容易實(shí)現(xiàn)，是一種簡單、高效、實(shí)用的分類方法。32 svm分類模型針對板厚10 mm的低碳鋼標(biāo)準(zhǔn)試樣進(jìn)行搭接點(diǎn)焊焊接電流從3_36o ka，按o3 ka分檔；電極壓力從2151 kn按1 kn分檔，焊接時間取20個周波；每種焊接參數(shù)下焊接3個樣本，共獲得1

13、20個樣本數(shù)據(jù)，建立樣本空間。對焊接試樣進(jìn)行拉伸試驗(yàn)，獲取接頭抗剪強(qiáng)度作為質(zhì)量評判指標(biāo)?；跇颖究臻g提取特征向量構(gòu)筑分類模型的輸入向量。表1為給定焊接電流6033 ka， 電極壓力3 150 n，焊接時間20周波的一組數(shù)據(jù)分散性描述?；趕vm數(shù)據(jù)挖掘方法以原始特征向量數(shù)據(jù)集為基礎(chǔ)。挑選具有代表性的特征， 以便在特征空間中增加不同模式之間的差別。對板厚10 mm的低碳鋼板，按照抗剪強(qiáng)度是否大于389 kn將接頭質(zhì)量分為合格以及不合格。通過測試得到表2中的最佳核函數(shù)參數(shù)，測試條件為：每種焊接參數(shù)下一個樣本，共40個樣本作為訓(xùn)練樣本。每種規(guī)范下一個樣本，共40個樣本作為測試樣本。表1 數(shù)據(jù)分散性描

14、述焊接電流ka 抗剪強(qiáng)度均值60 5 288757 5 069654 4 801751 4 958448 4 74945 4 628842 4 537、39 4 661536 4 243633 3 6946表2 不同樣本集核函數(shù)的最佳參數(shù)核函數(shù) 正確率() c g d p q線性核 975 10-5多項(xiàng)式核 925 l0 l0 2 01rbf核 95 l lsigmoid核 95 10 l l0訓(xùn)練樣本選擇每種焊接參數(shù)一個樣本，共40個樣本。測試樣本選擇每種焊接參數(shù)下一個樣本，共40個樣本；每種參數(shù)下一個樣本，同時每隔一種參數(shù)取一個樣本。共60樣本；每種參數(shù)取2個樣本，共80個樣本。相同條件下

15、對比4種核函數(shù)與rbf神經(jīng)網(wǎng)絡(luò)模型的分類結(jié)果，測試不同核函數(shù)的泛化能力測試結(jié)果見表3 表3 不同測試集的s、 與rbf神經(jīng)網(wǎng)絡(luò)分類正確率訓(xùn)練樣本集，個 線性棱() 多項(xiàng)式核() rbf核() sigmoid () rbf h()40 975 95 975 975 8560 9333 8667 9833 883 83380 9375 85 9875 875 8125從svm對樣本分類結(jié)果可以看出：(1)不同核函數(shù)在匹配參數(shù)下均能實(shí)現(xiàn)點(diǎn)焊質(zhì)量分類，構(gòu)筑2種信號的特征向量，通過對80個樣本的分類測試，最小準(zhǔn)確率為883 ，性能優(yōu)于rbf神經(jīng)網(wǎng)絡(luò)。(2)相同ll練樣本集下，增加測試樣本數(shù)，rbf核函數(shù)

16、的接頭質(zhì)量分類準(zhǔn)確率沒有下降當(dāng)測試樣本數(shù)大于訓(xùn)練樣本數(shù)時，多項(xiàng)式核函數(shù)分類正確率仍保持在80以上，4種核函數(shù)對lrbf神經(jīng)網(wǎng)絡(luò)具有明顯的優(yōu)勢。4 結(jié)論(1)電極位移和動態(tài)電阻信號能夠表征焊接過程中熔核生長狀況，對動態(tài)電阻、電極位移信號提取特征分量能夠反映熔核形成過程，可以作為檢測焊點(diǎn)質(zhì)量的信號。(2)對電極位移和動態(tài)電阻信號提取12個特征向量， 曲線52 -焊接質(zhì)量控制與管理 焊接技術(shù) 第36卷第5期2007年lo月文章編號：1002025x2007)05005202鋁合金部件焊接變形的產(chǎn)生及控制劉志平。王立夫(中國北車集團(tuán)唐山軌道客車有限責(zé)任公司焊接中心，河北唐山063035)摘要：鋁合金在

17、焊接后會產(chǎn)生變形，這在很大程度上增加了焊后調(diào)修量，浪費(fèi)了很多工時，嚴(yán)重時會導(dǎo)致生產(chǎn)進(jìn)度延期。為了進(jìn)一步解決鋁合金焊接變形的1-3題，通過對焊接變形的影響因素進(jìn)行分析，提出了防止焊接變形的方法及焊接順序制定原則對今后鋁合金的焊接起到了一定的借鑒作用。關(guān)鍵詞：鋁合金； 焊接變形；焊接順序中圖分類號：tg404 文獻(xiàn)標(biāo)識碼：b鋁合金廣泛應(yīng)用于航天、造船、鐵道車輛等工業(yè)領(lǐng)域。隨著我國經(jīng)濟(jì)的迅速增長，高速鐵路的發(fā)展已是大勢所趨。開發(fā)制造鋁合金動車組項(xiàng)目已經(jīng)作為國家“十一五” 的重點(diǎn)規(guī)劃項(xiàng)目。近年來，北車集團(tuán)的幾家大型客車制造企業(yè)先后與國外知名企業(yè)合作，共同生產(chǎn)時速達(dá)到200 knrlh以上的鋁合金高速動車組。青島四方與龐巴迪公司合作生產(chǎn)的時速200 knrlh crh1動車組已經(jīng)開始在滬杭線上運(yùn)行：長客與阿爾斯通公司合作生產(chǎn)的時速200 kmh crh5動車組也已經(jīng)在京哈線上運(yùn)行：唐車與西門子公司合作生產(chǎn)的時速300 knrlh crh3動車組正在制造中。鋁