学位论文 > 优秀研究生学位论文题录展示
电阻点焊电极头磨损程度的监测
作 者: 徐祥建
导 师: 张鹏贤
学 校: 兰州理工大学
专 业: 材料加工工程
关键词: 电阻点焊 电极磨损 激光测量 焊点图像 支持向量机 回归预测
分类号: TG407
类 型: 硕士论文
年 份: 2012年
下 载: 35次
引 用: 0次
阅 读: 论文下载
内容摘要
电阻点焊具有能量集中、变形小、生产效率高、易于实现自动化等特点,使其成为轿车车身装配过程中不可缺少的连接方法。在点焊过程中,电极发生磨损是不可避免的,当电极磨损程度不大时,对焊点质量的影响不明显,但当磨损达到一定程度时,就会严重影响焊点的质量,甚至造成焊件被烧穿。电极磨损主要表现为电极端面形态的变化。而焊点压痕是电极头在工件表面上,由热、力、电共同作用的结果,因此,焊点压痕的形状特征可间接地反映电极头端面的状态。文中以评判电极头的磨损程度为目标,基于支持向量机(SupportVector Machine, SVM),以焊点压痕的表面图像为信息源,对电极头磨损程度的预测开展了以下的研究工作:1)搭建了以激光位移传感器、专用测量装置、计算机等为核心的电极头磨损程度测量系统。探索了一种网格化的多点多次测量电极头端面状态的方法,其测得的高度值h可表示电极头端面的状况。通过对其与对应位置的新电极头端面高度值的比较,其结果表明了随着焊接个数的增加,电极头端面高度的变化越大,即表明了电极头磨损程度也越大。由于电极头端面高度的变化值Δh可以反映电极头磨损程度的状况,因而,提取了电极头端面平均高度变化值ΔH即平均球面下降量用于表征电极头的实际磨损程度。2)搭建了焊点图像采集装置,确保在同一条件下获取焊点压痕的表面图像。对采集的焊点图像进行灰度和直方图的分析,采用迭代法和OSTU法对焊点的表面数字图像进行分割,结果表明了采用迭代法分割可得到较满意的二值图像;基于焊点表面图像提取了能够反映电极头磨损程度的特征参量中心圆面积S0、与中心圆紧邻的一环面积S1、电极头与工件的直接接触区面积S、中心圆面积S0与接触区面积S的面积变化率K1,其中S0、S、K1与电极头平均球面下降量ΔH相关性比较大,可以作为预测电极头磨损程度的特征参量。3)建立了以焊点压痕表面图像的特征参量(S0、S、K1)作为输入向量,以实际测定的电极头平均球面下降量ΔH作为目标向量的电极头磨损程度的SVM预测模型。所建模型的回归预测结果的相关系数达到0.9907,均方误差为0.0238,表明了采用焊点压痕特征参数可以监测电极头磨损导致的球面下降量,建立的SVM预测模型能够实现电极头磨损程度的评估。
|
全文目录
摘要 7-8 Abstract 8-10 第一章 绪论 10-20 1.1 研究背景及意义 10 1.2 电极的磨损与使用寿命研究现状 10-12 1.3 激光位移传感器的发展及应用 12-13 1.4 数字图像处理的发展及应用 13-15 1.4.1 数字图像处理的发展概况 13-14 1.4.2 数字图像处理的应用现状 14-15 1.5 模式识别的发展及应用 15-18 1.6 目前研究所存在的问题 18-19 1.7 研究内容 19-20 第二章 电极头磨损程度的激光传感 20-28 2.1 电极头磨损的机理 20-21 2.1.1 电极头的形状 20 2.1.2 电极头的磨损 20-21 2.2 电极头磨损程度的测量 21-24 2.2.1 电极头磨损程度测量平台 21-22 2.2.2 激光位移传感器的测量原理 22-23 2.2.3 电极头磨损程度的测量 23-24 2.3 电极头磨损程度表征参量的提取 24-26 2.3.1 试验方案及过程 24-25 2.3.2 数据分析 25-26 2.3.3 电极头磨损程度表征参量的提取 26 2.4 本章小结 26-28 第三章 焊点压痕形状的图像特征识别 28-40 3.1 焊点压痕表面图像的获取与分析 28-31 3.1.1 焊点压痕图像获取 28-29 3.1.2 焊点压痕图像分析 29-31 3.2 焊点压痕图像的处理 31-36 3.2.1 图像预处理 31-33 3.2.2 边缘检测 33-34 3.2.3 图像分割 34-36 3.3 焊点压痕图像特征参量 36-39 3.3.1 特征参量提取 36-37 3.3.2 焊点图像特征参量和电极头磨损程度的关系 37-38 3.3.3 结果分析 38-39 3.4 本章小结 39-40 第四章 电极头磨损程度的 SVM 预测模型 40-50 4.1 SVM 的基本原理 40-43 4.2 特征参量提取 43-44 4.2.1 激光传感电极头磨损程度表征参量 43 4.2.2 焊点图像电极头磨损程度特征参量 43-44 4.3 SVM 回归预测模型 44-49 4.3.1 数据提取和预处理 44-46 4.3.2 参数优化选择 46-47 4.3.3 模型训练 47-48 4.3.4 回归预测 48-49 4.4 本章小结 49-50 结论 50-52 参考文献 52-58 致谢 58-59 附录 A 攻读硕士期间发表论文 59
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 不匹配信道下耳语音说话人识别研究,TN912.34
- 基于文本挖掘的学者简历自动生成,TP391.1
- 基于特征选择的入侵检测研究,TP393.08
- 基于SVM的跨膜蛋白结构预测应用研究,Q51
- LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
- 基于支持向量机的故障诊断研究,TH165.3
中图分类: > 工业技术 > 金属学与金属工艺 > 焊接、金属切割及金属粘接 > 焊接一般性问题 > 焊接接头的力学性能及其强度计算
© 2012 www.xueweilunwen.com
|