铝合金焊缝熔深监测模型

识别准确率 97.7%

结合声发射信号与深度学习算法，实现激光焊接熔深的原位、高精度分类预测。

Da, Zeng · 吴頔 · Luo, Zhongyi · Jinfang, Dong · Hongxing, Huang · Fangyi, Yang · 张培磊 · Ye, Xin

Soft Computing 2024

参数信息

分类准确率

97.7 %

技术优势

识别更准

ResNet 模型在测试集上准确率达到 97.7%，优于传统浅层机器学习模型。

可解释

类激活图能够揭示声发射信号中与熔深相关的重要特征区域，帮助理解和优化模型。

可在线部署

该方法可用于铝合金脉冲激光焊接过程中熔深的原位监测，为工艺优化提供判断依据。

应用场景

• 焊接质量在线监测：实时分析声发射信号，输出熔深状态，避免未焊透或烧穿。
• 激光焊接工艺优化：提供熔深预测作为反馈，优化激光功率、速度等工艺参数。
• 工业声发射检测：用声发射和深度学习替代传统人工抽检，实现全数在线检测。