电阻点焊质量预测的神经网络模型研究
在对电阻点焊电压和电流等信号特征分析的基础上,提取焊接电压、电流有效值、动态电阻和加热功率的周波序列构造输入向量,建立BP和RBF神经网络模型,进行点焊接头熔核尺寸预测.训练和测试结果表明,经整体归一化处理的电流和电压有效值周波序列,联合构造输入向量训练的网络模型,能有效预测接头熔核尺寸,测试样本的平均验证误差小于6﹪,优于单独采用动态电阻、加热功率等输入向量,RBF网络比BP网络模型具有更快的训练速度,测试验证误差总体上略优于BP网络,是电阻点焊接头质量监控可行和有效的方法.
电阻点焊 RBF神经网络 熔核尺寸 质量监控
马跃洲 史建涛 陈剑虹
兰州理工大学材料科学与工程学院(兰州)
国内会议
上海
中文
400-403
2005-05-01（万方平台首次上网日期，不代表论文的发表时间）