申请/专利权人：大连交通大学

申请日：2021-07-19

公开（公告）日：2024-03-19

公开（公告）号：CN113537069B

主分类号：G10L25/51

分类号：G10L25/51;G10L25/03;G10L25/30;G06N3/0464;B23K37/00;G01N29/44

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.11.09#实质审查的生效;2021.10.22#公开

摘要：本发明涉及交通装备制造领域，具体公开了一种基于声信号多特征融合的CMT焊接缺陷识别方法，该方法在分析焊接过程信号中，以CMT焊接缺陷作为分析的目标，结合已有数据、考虑故障缺陷的多种情况，使用了多种主流的信号分析方法对声信号进行特征提取如小波变换、小波包分解、梅尔频谱和短时傅里叶变换，特征提取后将多种信号特征融合起来，使用多种神经网络对缺陷部位进行识别分析，为分析焊接的声信号从而为定位缺陷提供了有效的技术支持，达到了准确定位缺陷位置、缺陷类型的目的。

主权项：1.一种基于声信号多特征融合的CMT焊接缺陷识别方法，其特征在于，包括如下步骤：S1.向焊接处传递声信号，使用传声器与采集卡对焊接过程中的声信号进行采集；S2.使用带通滤波器对采集的声信号数据进行滤波；S3.对滤波后的数据进行分析，分析方法包括小波变换、梅尔频谱、短时傅里叶变换和小波包分解；S4.建立系统多特征融合模型，将上述分析方法进行多特征融合，获取多特征融合后的数据集，多特征融合模型为：feature＝[cwt,mel,spec,wpdec]其中，cwt为小波变换，mel为梅尔频率，spec为短时傅里叶变换，wpdec为小波包分解；S5.使用卷积层、池化层、全连接层搭建神经网络，将多特征融合后的数据集的一部分作为训练集、另一部分作为测试集，使用神经网络模型对缺陷类型进行识别和分类。

全文数据：

权利要求：

百度查询： 大连交通大学 一种基于声信号多特征融合的CMT焊接缺陷识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD