基于连续信号自适应分解的钢轨交流闪光焊接过梁爆破定量分析

为实现对钢轨闪光焊微观过程——过梁爆破的定量分析，将钢轨交流闪光焊接过程细分为断路、短路、多过梁爆破、单过梁爆破4种类型；基于GoogLeNet卷积神经网络，提出将钢轨交流闪光过程高频连续电信号进行类Gram矩阵转化，再依据矩阵元素自适应优化生成时域图谱的卷积神经网络识别方法；应用该方法对闪光焊接过程高频数据进行识别，并对完整焊接过程进行定量分析。结果表明：经过数据自适应优化，4种类型时域图谱的分类识别准确率上升至97.8%，识别的最大混淆发生在多过梁爆破和单过梁爆破之间；多过梁爆破比率在闪平和脉动阶段约为20%，进入连续阶段后迅速上升至80%以上，短路比率在稳定脉动期间可稳定维持在60%；各类型的比率在不同阶段呈现明显阶段特征，且各阶段特征与钢轨交流闪光焊接实际过程的宏观特征相匹配，采用该方法也可实现对闪光焊接微观过程的定量分析。