研究目的
通过结合快速硬X射线成像、声学传感器和最先进的机器学习技术，克服激光加工过程中原位实时监测的挑战。
研究成果
结合声发射与机器学习的创新方法有望实现激光焊接过程的现场实时监测，分类准确率介于74%至95%之间。
研究不足
这些信号对环境噪声很敏感，将声发射信号与实际事件关联起来具有挑战性。
1：实验设计与方法选择：
采用单模光纤激光源进行激光焊接实验，结合高速X射线成像与声发射（AE）测量?；赬射线成像结果定义了四类激光焊接过程。
2：样本选择与数据来源：
选用相对低原子序数（Z数）的铝镁合金，样本尺寸为50×20×2 mm3。
3：实验设备与材料清单：
StarFiber 150 P光纤激光器、压电声学传感器Pico、Vallen公司的数据采集单元及软件、ESRF同步辐射装置ID19光束线的X射线高速成像系统。
4：实验流程与操作步骤：
同步记录声发射信号与X射线成像视频序列，通过小波包变换预处理信号，并采用梯度提升算法分析——包含两种学习器：分类回归树（CART）和基于独立成分分析（ICA）的决策树。
5：数据分析方法：
运用结合ICA与CART的梯度提升算法，将声发射信号分类至预设的四类中。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
pco.dimax
High-speed camera
PCO
Recording X-ray radiography
-
StarFiber 150 P
Fiber laser–StarFiber 150 P/300 P
Fiber laser
Laser source for welding experiments
-
Pico
Piezo acoustic sensor
Physical Acoustics
Recording acoustic signals
-
登录查看剩余1件设备及参数对照表
查看全部
