研究目的
开发一种数据驱动模型，用于监测外磁场作用下激光束焊接（LBW-AMF）过程中的焊缝，以提高焊接质量。
研究成果
所开发的数据驱动模型为激光束焊接-活性金属钎焊（LBW-AMF）过程中的焊道监测提供了可靠方法，可指导实时控制加工参数以提高焊缝质量。神经网络集成模型的预测精度优于单一神经网络。
研究不足
用于处理图像的技术可能会遗漏一些隐藏信息和几何结构。未来的工作可以探索利用深度学习算法在大规模数据下监测焊缝。
1：实验设计与方法选择：
搭建了可见光激光焊接熔池与小孔监测系统（LBW-AMF），采用图像处理技术提取熔池与小孔特征，构建神经网络集成模型（BPNN、RBFNN、GRNN）建立这些特征与焊缝的关联关系。
2：样本选择与数据来源：
使用AISI 2205工件进行激光焊接实验，采集焊接过程图像作为训练与测试样本。
3：实验设备与材料清单：
YLR-4000镱激光器、高速CMOS相机、辅助脉冲二极管激光单元、滤光片、?；ぞ灯白ㄓ玫绱畔低场?/p>
4：实验流程与操作规范：
分别在有无外磁场条件下进行焊接，通过图像处理提取熔池与小孔特征参数。
5：数据分析方法：
采用神经网络集成模型分析数据并预测焊缝宽度。
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-
YLR-4000 ytterbium laser
YLR-4000
Used for laser beam welding with a maximum output power of 4 kW.
-
high-speed CMOS camera
Used to extract the detailed characteristics of laser melting pool and the keyhole from the top side of the workpiece.
-
auxiliary pulsed diode laser unit
Utilized to obtain higher definition images of the welding process.
-
filter
Installed covering the camera lens to prevent light disturbing from the plume, laser beam, and scatter during the LBW-AMF.
-
protect lens
Mounted on the outer layer to protect the inner optical lens from being damaged.
-
登录查看剩余3件设备及参数对照表
查看全部
