以电阻点焊接头表面的数字图像作为信息源,探索了一种新的点焊接头质量无损检测方法。首先通过图像特征分析,将焊点表面图像划分为三个特征区域,提取三个同心圆的面积作为表征接头熔核面积的特征参量。其次,以提取的特征值作为输入向量,以接头横截面处的熔核面积作为评判标准,建立点焊接头熔核面积的SVM(支持向量机)等级分类模型。实验结果表明,该模型可以有效地对熔核面积进行预测分类,实现了对电阻点焊接头质量的无损评判,经验证其准确率可达96.667%。

以接头质量在线监控为目的,对电阻点焊电极电压和焊接电流等信号进行了时域特征分析,研究了电压、电流信号的周波幅值、峰值、有效值以及接头等效电阻、加热功率的估计方法.利用周波参数时间序列构造RBF神经网络输入向量,进行了点焊接头熔核尺寸预测.结果表明,采用归一化处理后的电流和电压有效值周波序列联合构造输入向量,经样本训练能有效地预测接头熔核尺寸,熔核直径平均验证误差为5.50%,熔核高度的平均验证误差为3.83%,比单独采用动态电阻、加热功率等参数具有更好的精度.