【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院上海光學精密機械研究所高端光電裝備部激光智能制造技術(shù)研發(fā)中心楊上陸研究員團隊，在激光焊接過程監(jiān)測方面取得進展，相關(guān)成果以“An explainable multi-modality fusion framework for laser weld penetration classification of Al–Si coated PHS 22MnB5”為題，發(fā)表于Optics & Laser Technology。
隨著高端制造業(yè)對焊接質(zhì)量與可靠性的要求不斷提升，激光焊接過程中的熔深狀態(tài)監(jiān)測已成為保障結(jié)構(gòu)安全與服役性能的關(guān)鍵環(huán)節(jié)。然而，傳統(tǒng)依賴單一傳感信號和人工特征工程的方法，難以全面刻畫焊接過程的復(fù)雜物理行為，限制了在線精準識別能力的提升。
針對上述挑戰(zhàn)，研究團隊構(gòu)建了一套多傳感融合監(jiān)測平臺，同步采集焊接過程中的聲信號、等離子體光譜信號及熔池圖像信號，建立了涵蓋四類熔深狀態(tài)的多模態(tài)數(shù)據(jù)集。在此基礎(chǔ)上，創(chuàng)新性提出一種神經(jīng)網(wǎng)絡(luò)(NN)與極端梯度提升(XGBoost)相結(jié)合的混合模型框架(Fusion-XGBNet)。該模型利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)原始多源數(shù)據(jù)的自動特征提取與深度融合，并引入XGBoost對融合特征進行高效判別，最終通過自適應(yīng)策略實現(xiàn)雙模型輸出協(xié)同決策，突破了傳統(tǒng)方法對人工特征工程的依賴。
實驗結(jié)果表明，該融合模型在測試集上取得了95.29%的平均識別準確率。同時，借助Grad-CAM++可視化分析，明確識別出熔池輪廓區(qū)域及367 nm、437 nm、580 nm、622 nm附近特征光譜對模型決策具有關(guān)鍵貢獻，顯著增強了模型的可解釋性與工程應(yīng)用可信度。
相關(guān)工作得到了長安大學中央高校基本科研業(yè)務(wù)費專項的支持。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。