基于相关分析和神经网络的激光焊接稳态识别

为了准确识别激光焊接的稳态类型,采用了图像处理、相关分析和神经网络的方法,增加对准稳态的研究,以信号特征的相关系数作为神经网络模型的输入,进行了理论分析和实验验证,得出了光学、视觉信号的相关性对激光焊接稳态类型的影响规律.结果表明,匙孔面积和金属蒸汽面积的相关性区分稳态类型的效果最好,其相关系数为0.2～0.3时为稳态,0.4～0.5时为准稳态,0.6～0.7时为非稳态;训练完成的神经网络模型在测试集上达到了98.76％的预测准确率,可满足准确识别焊缝稳态类型的需求.该研究为自动化生产中预防出现激光焊接缺陷提供了参考.