GMAW焊接电弧声信号中蕴涵着丰富的焊接状态信息,并与焊接参数、电弧行为、熔滴过渡方式、过程稳定性等密切相关,是焊接质量监控重要的源信号。本文以焊接质量在线监控为目的,以短路过渡CO₂焊接过程电弧声信号为主要研究对象,借助于现代信号分析方法,分析了电弧声信号的时频特征及其与焊接状态的相关性。在此基础上提出电弧声道的概念,并建立了声道的等效电气模型以及电弧声的参数化模型。采用小波包分解提取的电弧声频带能量和电弧声LPC模型参数构造特征向量,利用BP、RBF神经网络和支持向量机等机器学习模型,针对CO₂焊接飞溅量、保护气流量和焊丝干伸长,分别建立了预测模型和分类模型。测试结果表明,利用电弧声信号进行焊接状态的模式识别是可行的。论文工作主要包括以下内容: 针对GMAW特点设计了以AC6115采集卡为核心的CO₂焊接同步信号数据采集系统。基于Visual Basic语言开发了信号采集、波形显示、数据处理以及与Matlab接口的应用软件。 利用相关性分析、傅立叶谱、短时傅立叶、功率密度谱、小波分析等多种信号分析方法对焊接信号的时域、频域及时频域特征进行了研究,试图从信号分析角度丰富对焊接过程的认识。分析表明,短路过渡CO₂焊电弧声信号呈现周期性的“振铃”形信号,主要发生在短路过渡结束电弧再引燃阶段,并且与电弧功率的一阶差分高度相关,电弧能量的变化表现为声音产生的动因:电弧声的幅频谱主要分布在12kHz以下范围内并呈现出的一系列共振峰,其频谱特征与焊接参数密切相关:小波分析可在保证信号不失真的前提下有效地消除原信号上的高频噪声,并能提取电弧频带特征信息,其中电弧电压信号不同小波分解层高频部分的奇异点,可用来界定短路过渡过程的不同阶段。 分别利用傅立叶变换及小波分解技术提取不同频率范围内的电弧声能量作为表征焊接过程状态变化的特征集合。利用统计学中的假设检验方法对集合内元素与CO₂飞溅量的相关性进行评价,从而实现特征集合的降维处理。以电弧声频带能量集合作