公开(公告)号：CN118861599A

公开(公告)日：2024-10-29

申请号：CN202410886291.2

申请日：2024-07-03

Applicant: 南京师范大学

Inventor： 吴倩茹 ,  张辉 ,  李实 ,  唐文来

IPC: G06F18/21 ,  G01N29/12 ,  G01N29/44 ,  G06F18/213 ,  G06F18/10 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于声信号时频图的电弧增材制造缺陷检测方法、系统，包括：确定检测的电弧增材制造缺陷类型及其成因，设计实验的工艺参数；使用不同的工艺参数生成含有电弧增材制造缺陷的声信号，并通过电弧增材制造声信号采集系统对声信号实时采集；对采集的声信号预处理；对预处理后的声信号采用小波变换，将一维声信号样本转换为二维时频图，生成小波时频图数据集，对小波时频图数据集标签并划分；建立卷积神经网络模型并训练；利用卷积神经网络模型实现对电弧增材制造缺陷的准确检测。本发明解决了标准卷积神经网络无法处理一维声信号的问题，可以综合考虑声信号的时域和频域信息。

公开(公告)号：CN116776165A

公开(公告)日：2023-09-19

申请号：CN202310805204.1

申请日：2023-06-30

Applicant: 南京师范大学

Inventor： 吴倩茹 ,  张辉 ,  唐文来 ,  张诚淳 ,  李实

IPC: G06F18/22 ,  G06F18/21 ,  G06F18/214 ,  G06F30/27 ,  G06N20/00 ,  G06F113/10 ,  G06F119/14

Abstract: 本发明公开了一种电弧增材制造形变的影响因素敏感性分析方法，包括：确定研究对象及电弧增材制造形变的影响因素；验证预先构建的热力耦合数值计算模型，通过热力耦合数值计算模型生成数据集；构建机器学习模型，包括人工神经网络模型和随机森林模型，利用数据集训练机器学习模型；利用机器学习模型预测构件形变；绘制形变等值线工艺参数图并分析影响因素敏感性，基于随机森林模型中参数的特征重要性值分析影响因素敏感性；比较得到的影响因素敏感性排序，验证所提分析方法的准确性。本发明解决了数值模拟方法的机理复杂问题和机器学习方法的训练数据集缺少问题，解决了单个因素对形变的影响容易被多个因素的共同作用的复杂性覆盖的问题。