声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：李海超, 刘景风, 谢吉兵, 王昕
单位：哈尔滨工业大学先进焊接与连接国家重点实验室 哈尔滨 150001
关键词：卷积神经网络,GTAW,焊接熔透预测；
焊接熔池信息能反映熔透状态，但建立熔池与熔透状态的关系十分困难。针对该问题，提出一种基于卷积神经网络（Convolution neural networks，CNN）的GTAW背面熔透预测模型。通过基于被动视觉的熔池二维图像采集，建立了用于CNN网络训练和测试的训练集和测试集。其次建立了CNN背面熔透预测模型，优化了学习率、batch-size、迭代次数等网络参数。研究发现：第一层卷积核尺寸为，最后一层含有64个卷积核使模型在预测准确率和训练时间上综合表现达到最佳。使用训练集数据训练模型，将训练完成的模型在测试集上对背面熔透进行预测，取得了高于96%的预测准确率。通过对预测模型的特征映射进行可视化分析，模型是通过熔池边缘，反光点位置和熔池尾部等特征来预测背面熔透情况。
来源：2019年第17期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。