薄板电阻点焊质量的数字化超声评价研究

《薄板电阻点焊质量的数字化超声评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要汽车结构中高强度镀锌钢板的应用对于提高汽车结构的安全性能及使用寿命、降低汽车重量、节约能源具有重要意义。与普通钢板的电阻点焊相比，高强度镀锌钢板点焊参数范围较窄、焊接参数的波动容易导致点焊缺陷，因此高强度镀锌钢板点焊接头的质量控制显得尤为重要。超声波无损检测方法是点焊质量检测中使用最广泛的无损检测方法。传统的点焊超声检测方法包括超声脉冲反射法和超声成像法，脉冲反射法通过分析超声检测信号的时域波形将焊核质量状况分为合格焊核、直径过小焊核、虚焊、未焊合四种情况；超声成像方法则主要应用于测量焊核的直径及内

2、部缺陷。传统超声检测方法对检测设备要求较高、检测信号的判读较难，难以实现自动化并且效率较低。此外，传统超声检测方法对焊核内部缺陷的研究并不充分。目前，点焊超声无损检测正朝着定量化、高效率、自动化、低成本的方向发展。本学位论文针对传统检测方法的不足，采用先进的信号处理技术、神经网络技术以及数值模拟技术研究开发了一系列超声检测的新技术，系统的研究了高强度镀锌钢板电阻点焊中各类质量问题的超声波检测与评价方法。论文首先研究了高强度镀锌钢板点焊焊核的超声成像技术。针对电阻焊点压痕较深的特点，分析了焊点各特征部位的A扫

3、描信号，确定了焊核区的尺寸、内部缺陷及飞溅的C扫描特征图像。本研究除了通过超声成像方法测量焊核直径外，还特别重点分析了不同类型焊核内部缺陷的A扫描特征信号及C扫描特征图像。超声C扫描成像方法可以直观的检测焊核直径及焊核内部缺陷，但C扫描方法效率较低、成本较高，并不适合大批量的工业检测应用。与超声C扫描成像相比，超声A扫描信号是超声波检测方法的基础且更适合于点焊检测的实际应用。超声检测的一些有用信息埋藏在噪声中、难以充分利用，必须借助先进的信号处理技术分析和解释。论文通过信号分析方法提取了点焊超声检测中探头接

4、收到的高次谐振信号，讨论了这种高次谐振信号在点焊无损检测中的应用。获得了能够表征点焊最大拉伸载荷的超声波信号特征值，使得采用低频探头也能够准确的反映焊核质量，而且这种定量研究点焊质量的方法减少了主观因素对检测结果的影响，更加易于机器的自动识别。此外，论文还研究了基于低频探头高次谐振信号的超声非线性C扫描成像技术。采用通用超声检测设备结合数字滤波技术提取了探头三次谐波区域的超声非线性高次谐波，并将其用于检测焊核内部缺陷以及焊核的超声非线性C扫描成像中。非线性谐波成像技术能够检测焊核中的微小缺陷并且获得了更为准

5、确的超声C扫描图像，大大拓展了●北京工业大学T学博士学位论文普通超声检测系统的检测能力。超声兰姆波在无损检测中的应用是近年来研究的热点，超声兰姆波的多模态频散现象使得兰姆波的解释与分析非常复杂，限制了兰姆波的应用。超声有限元模拟方法和信号处理的时频分析方法是解决这一问题的有力工具。论文通过时频分析方法分析兰姆波检测信号在时频域上的能量分布，确定了检测信号的模态结构；通过有限元方法模拟兰姆波在点焊试件中的传播，研究兰姆波与点焊焊核相互作用的机理。信号分析与模拟结果显示：AO模态兰姆波使点焊焊核作受迫振动并向板

6、中辐射声波，焊核辐射声波的幅值与焊核的形状特征如焊核直径及压痕深度密切相关。因此，可以通过试件中传播的AO模态兰姆波特征幅值评价焊核的尺寸及承载能力。试验结果表明AO模态兰姆波的特征峰值随焊核直径的增大而减小，该结果与有限元模拟结果一致，可以用于实际结构点焊质量的无损评价。以上脉冲反射法或兰姆波法均是针对于单个焊点的检测，论文还尝试使用声．超声检测方法检测多焊点点焊结构的完整性。薄板声．超声检测中的主要声波成分是各种模态的兰姆波，因此声．超声检测信号可以基于兰姆波理论进行分析。论文采用信号的时频分析方法研究

7、声．超声检测信号在时频空间的能量分布，分析了检测信号能量分布与点焊结构中各焊点的对应关系。研究表明检测信号的波包能量是各焊核发生受迫振动向外辐射声波并在接收探头位置相互迭加的结果。论文还提出了检测信号的能量分布特征参量，通过这些参量可以高效快速的检测点焊结构由于焊核漏焊，虚焊，断裂引起的结构问题。神经网络训练中较多的特征值会导致复杂的网络结构及维数灾难，训练样本与自由参数的比值越高，神经网络分类器的通用性越好。时域分析的数据量较大，超声检测信号的时域波形难以用于神经网络的自动识别。论文分析了检测信号的频谱分

8、布，采用小波分析的方法提取了能够描述点焊超声波频谱分布特征及功率特征的超声检测特征值。由这些检测特征值构成超声特征向量并结合BP神经网络的模式识别功能对焊点直径进行精确分类与识别。与传统时域分析方法相比较，．本方法具备更高的识别能力和识别效率、更少的识别特征以及外界干扰。关键词：点焊；超声检测；高次谐振；兰姆波；人工神经网络．Ⅱ．Abstract4Zinc．coatedK曲strengthsteelusedina