基于人工神经网络的电阻点焊焊点质量智能识别技术研究

作     者：胡译 

作者单位：重庆理工大学 

学位级别：硕士

导师姓名：罗怡

授予年度：2024年

学科分类：12[管理学] 080503[工学-材料加工工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：电阻点焊 机器视觉 人工神经网络 目标检测 质量检测 

摘      要：在电阻点焊生产应用中,由于生产工艺、设备、材料等因素的影响,可能会在焊点表面产生成形缺陷,影响焊件外观和后续生产工艺,以及导致焊点力学性能不达标。目前,焊点外观质量检测以人工目视观察为主,该方法存在速度慢效率低的问题,无法适应现代自动化焊接生产制造发展趋势。而焊点力学性能检测通常采用随机抽检并进行破坏性检测的方式,也会造成大量损耗,增加生产成本。 本课题针对电阻点焊传统检测技术的不足,以汽车制造常用的铝合金和低合金高强钢作为试验材料,提出一种基于机器视觉、卷积神经网络和改进YOLOv7-tiny算法的模型,实现电阻点焊焊点外观质量的智能检测。同时运用焊接过程信息实时检测技术和特征数据分析提取技术,利用二次电流通过焊点时产生的电信号变化计算焊点动态电阻、电阻热效应等质量特征信息,以及加入焊接参数、焊点压痕尺寸和焊点拉剪承载力等信息,建立基于遗传算法优化的BP神经网络预测模型,实现对焊点力学性能的预测。 研究结果表明:(1)选择YOLOv7-tiny作为基准模型,更换Mobile Netv3主干网络,添加DBB模块,并对改进后的模型进行剪枝轻量化,使YOLOv7-tiny模型的检测效果得到了较大的提升,检测速度大幅提升,检测精度达到96.4%,可以对焊点外观成形质量进行高效准确识别;(2)以焊点的焊接参数、压痕尺寸以及焊点动态电阻、电阻热效应等特征信息作为输入神经元,焊点拉剪承载力作为输出神经元,建立BP神经网络预测模型,并基于遗传算法优化模型,平均绝对百分比误差为9.27%,能够对焊点的拉剪承载力进行准确预测。