文献类型：期刊文章

作　　者：刘天元[1] 鲍劲松[1] 汪俊亮[1] 顾俊[2]

Liu Tianyuan;Bao Jinsong;Wang Junliang;Gu Jun(Institute of Intelligent Manufacturing,College of Mechanical Engineering,Donghua University,Shanghai 201600,China;Shanghai Institute of Laser Technology,Shanghai 200235,China)

机构地区：[1]东华大学机械工程学院智能制造研究所,上海201600 [2]上海市激光技术研究所,上海200235

出　　处：《中国激光》

基　　金：国家自然科学基金(51905091);中央高校基本科研业务费专项资金;东华大学研究生创新基金(CUSF-DH-D-2020053)。

年　　份：2021

卷　　号：48

期　　号：6

起止页码：222-232

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：熔池/匙孔区域包含丰富的激光焊接质量信息,基于该区域对熔透状态进行准确识别对于激光焊接的在线控制至关重要。针对熔池区域存在蒸汽和飞溅等干扰且相邻的熔透状态之间特征区分度低带来的模式识别困难的问题,提出了一种融合时序信息的激光焊接熔透状态识别方法。所提方法以熔池/匙孔图像序列作为底层输入,首先通过两个卷积层和两个池化层提取熔池/匙孔图像的空域特征;其次通过双向长短时记忆神经网络提取熔池/匙孔图像的时域特征;最后将时空特征输入全连接网络进行特征降维并用SOFTMAX函数进行分类。所提方法建立了从熔池/匙孔图像到熔透类型的端到端的识别模型。试验结果表明,所提方法在测试集上的识别准确率达99.26%,对单幅图像的识别时间为9.43 ms,可满足在线监测的需求。进一步的对比试验表明所提方法对学习率和优化器的变化具有鲁棒性。

关 键 词：激光技术 模式识别 熔透状态 深度学习  时序信息  卷积神经网络 长短时记忆神经网络  

分 类 号：TG403]