The server is under maintenance between 08:00 to 12:00 (GMT+08:00), and please visit later.
We apologize for any inconvenience caused
Login  | Sign Up  |  Oriprobe Inc. Feed
China/Asia On Demand
Journal Articles
Laws/Policies/Regulations
Companies/Products
Bookmark and Share
Quality inspection of spot welding based on support vector machine
Author(s): 
Journal: WELDING TECHNOLOGY, Year , Issue 5 , Page 49-52
Keyword:  电阻点焊SVM质量分类泛化能力特征提取;
Abstract: 以点焊质量监控为目的,通过对点焊过程电极位移信号、动态电阻信号的同步采集和信号分析,从2种信号中提取12个有效的特征分量,构造点焊过程的监测数据集,以焊点的抗剪强度为指标,利用支持向量机(SVM)和RBF神经网络对焊点质量进行分类.测试结果表明,2种信号特征向量作为SVM的输入向量,在参数匹配的情况下,使用不同的核函数对喷溅和焊点质量分类均能取得较好的分类结果,分类器性能明显优于RBF神经网络模型.小样本情况下SVM具有较好的泛化能力,正确率仍保持在80%以上,据此认为提取电极位移和动态电阻的特征向量构筑输入向量,建立的SVM动态模型对点焊接头进行质量分类是可行的.
Related Articles
No related articles found