基于人工神经网络的金属电弧焊接过程实时错误检测
神经与进化计算
2016-03-11 v1
摘要
生产线上的质量保证要求可靠的焊接接头。人为错误是缺陷生产的主要原因。在焊接进行中及时识别焊接错误将减少用于焊接过程的后期检测成本。焊接过程中产生的电气参数能够有效地表征该过程。参数值使用高速数据采集系统收集。对收集的数据执行滤波、模式识别等时间序列分析任务。滤波去除不需要的噪声信号分量，模式识别任务基于相似性对时间序列中的错误模式进行分类，该任务由自组织映射聚类算法执行。因此，通过检测和计数其参数时间序列中出现的错误模式数量来比较焊工质量。此外，自组织映射算法提供数据库，其中模式被分为两类：期望的或不期望的。由此生成的数据库用于训练分类算法，从而实现实时错误检测任务的自动化。多层感知机和径向基函数是所使用的两种分类算法，并且基于特异性、敏感性、准确性和训练所需时间等指标比较了它们的性能。
引用
@article{arxiv.1603.03149,
title = {Real time error detection in metal arc welding process using Artificial Neural Netwroks},
author = {Prashant Sharma and Shaju K. Albert and S. Rajeswari},
journal= {arXiv preprint arXiv:1603.03149},
year = {2016}
}