Информационно-измерительная система для аттестации источников питания дуговой сварки

• Автор: Бекетов, Владимир Георгиевич
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Волгодонск
• Количество страниц: 149 с. : ил.

ВЕДЕНИЕ
1 ХАРАКТЕРИСТИКИ ПРОЦЕССА СВАРКИ И ОСОБЕННОСТИ
ИХ ПОЛУЧЕНИЯ
1.1 Физические процессы при сварке плавлением
1.2 Основные характеристики технологического процесса дуговой сварки
1.3 Аттестация технологических компонентов как средство повышения качества сварных соединений
1.4 Цель и задачи работы
2 МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ ИЗМЕРИТЕЛЬНОЙ
ИНФОРМАЦИИ ПРИ ИССЛЕДОВАНИИ ПРОЦЕССА СВАРКИ
2.1 Спектральные методы
2.2 Статистические методы
2.3 Регрессионные методы
2.4 Статистическая обработка параметров многовариантных технологических процессов
2.5 Нейросетевая кластеризация и классификация данных
Выводы к главе
3 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СИГНАЛОВ В ПРОЦЕССЕ СВАРКИ ПЛАВЛЕНИЕМ
3.1 Функциональная схема установки для промышленного эксперимента
3.2 Спектральный анализ и фильтрация сигналов
3.3 Расчет идентификационных параметров процесса сварки
3.4 Нормализация данных и корреляционный анализ
3.5 Построение и обучение нейросетевого классификатора
3.6 Обработка экспериментальных данных
Выводы к главе
4 РАЗРАБОТКА СИСТЕМЫ АТТЕСТАЦИИ СВАРОЧНОГО
ОБОРУДОВАНИЯ
4.1 Аппаратная реализация системы сбора данных
4.2 Программная реализация расчетов в пакете МаНаЬ

4.2.1. Определение семейства внешних статических характеристик источников питания
4.2.2. Нейросетевой классификатор качества процесса сварки.
4.3 Информационно-регистрирующая система в среде ЬаЬЛТеш
4.3.1. Виртуальные приборы регистрации данных
4.3.2. Генератор отчета об испытаниях сварочного оборудования
4.3.3. Интерфейс информационно измерительной системы
Выводы к главе
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ

Дуговая сварка плавящимся металлическим электродом в настоящее время является одним из самых распространенных методов получения неразъемных соединений при изготовлении металлоконструкций. Это объясняется простотой и мобильностью применяемого оборудования, возможностью выполнения сварки в различных пространственных положениях и в местах, труднодоступных для механизированных способов сварки.
Современными исследованиями в области технологии процесса дуговой сварки установлено, что основная группа дефектов сварного соединения зарождается в объеме сварочной ванны, и вероятность их появления связана с характером протекания тепловых, электрических и гидродинамических процессов в сварочном контуре.
При решении задач повышения качества продукции можно выделить ряд технологических процессов, для которых характерными классификационными признаками являются: объединение разнородных физических процессов, имеющих различный временной масштаб протекания; существенная нелинейность; слабая формализуемость при описании и др.
Известно [1, 14], что объекты с такими свойствами, в силу названных причин, могут характеризоваться хаотическим движением своих параметров. Это означает, что по мгновенным значениям ко
процесса невозможно точно предсказать значения показателей качества, а
как ограниченно детерминированные (хаотические). В работах Кривина В.В. показано, что при таких условиях возможным путем для управления качеством становится воздействие на процесс путем компенсации нестабильностей на этапе подготовки производства. Имеется в виду, что на вход технологического процесса поступают материалы, энергия и
этом смысле технологические процессы такого типа принято характеризовать
Известна [49] формула, дающая явное представление среднеквадратичной регрессии через функцию плотности распределения:

Scp.KB.fe ) = 1^2' Рьь (&|б ^2 . (2.23)

Здесь р^2ц (р|х) - условная плотность распределения, задает плотность
распределения случайной величины £2 в точке у при условии, что Е,=х.
Например, на рисунке 2.4 приведен график среднеквадратичной регрессии напряжения на ток. Данные соответствуют тому же эксперименту, что и график на рисунке 2.5.
Во многих случаях вид функции регрессии g(^^) заранее фиксируют за исключением набора параметров. При этом обычно ставится задача нахождения значений этих параметров, минимизирующих среднеквадратичное отклонение £2 от g(^i).
Например, широко используется линейная регрессия, при которой искомая зависимость аппроксимируется линейной функцией:
&=а^+Ь г, £().
Здесь й(£2 , представляет остаточный член - ошибку аппроксимации.