基于连续信号自适应分解的钢轨交流闪光焊接过梁爆破定量分析

为实现对钢轨闪光焊微观过程——过梁爆破的定量分析,将钢轨交流闪光焊接过程细分为断路、短路、多过梁爆破、单过梁爆破4种类型;基于GoogLeNet卷积神经网络,提出将钢轨交流闪光过程高频连续电信号进行类Gram矩阵转化,再依据矩阵元素自适应优化生成时域图谱的卷积神经网络识别方法;应用该方法对闪光焊接过程高频数据进行识别,并对完整焊接过程进行定量分析.结果表明:经过数据自适应优化,4种类型时域图谱的分类识别准确率上升至97.8％,识别的最大混淆发生在多过梁爆破和单过梁爆破之间;多过梁爆破比率在闪平和脉动阶段约为20％,进入连续阶段后迅速上升至80％以上,短路比率在稳定脉动期间可稳定维持在60％;各类型的比率在不同阶段呈现明显阶段特征,且各阶段特征与钢轨交流闪光焊接实际过程的宏观特征相匹配,采用该方法也可实现对闪光焊接微观过程的定量分析.