图1.7 点焊数据采集系统
1.4.3  焊接质量评估方法
电弧焊接中的电参数（电弧电压”U”和焊接电流”I”)对于焊缝成形及焊接质量有着至关重要的影响，因此对于焊接过程的电信号参数的采集是一个重要的工作[2]。尽管焊接前电流电压等参数已经设定到最佳或相对最佳，但由于焊接过程的短路、熔池浮动，焊丝熔化、电弧跳动等影响，各个参数会在一定范围内变化，参数的变化对焊接过程稳定性又有着各自不同的影响，而焊接过程的稳定性又是保证焊接质量的重要因素，国内外已经开展对GMAW焊焊接过程稳定性的研究，建立GMAW焊接过程稳定性评估系统，并能依据结果对焊接参数做出正确的调整对焊接质量的提高具有重要意义。
    学者Quinn等在研究了基于焊接电流、电弧电压及其其派生出来的7种参数在缺陷存在情况下的表现后，提出了基于参数基值和阈值原理的缺陷识别方法；
    学者Adolfsson等采用电压的方差作为衡量过程稳定性的指标，指出当过程处于非优化状态时电压有显著的起伏，且提出了基于序贯概率比(SRRT)的算法来评判过程是否处于优化状态；
    国内的一些研究者如李迪等采用自组织特征映射神经网络(SOM)对电弧传感信号分类，从而实现了GMAW焊的在线识别,将采用统计过程控制的思想，研究GMAW焊过程质量的在线监测方法。统计过程控制是研究怎样用有效的方法去收集和使用带随机性影响的数据，成为质量管理、监测和故障诊断的基础。在分析了单变量统计过程控制的局限性后，提出了把多变量统计过程控制应用于GMAW焊质量的在线监测[14]；
中北大学焊接中心的顾小燕、李志勇等研究人员采用了基于电信号多元统计的GMAW焊接质量分析法。他们认为过去的研究方法通常是观察电压或电流概率密度分布曲线并找到概率密度分布特征区间分析特征信号与焊接质量的关系，然后在另外一个概率密度分布曲线上找到对应的特征区间，方法虽然可行但是判识标准单一，分析起来也比较麻烦，一些特征信号还可能漏掉。她们针对以上问题进行了不同干扰因素下的GMAW焊接试验，将多个焊接过程信息融合在一起，对统计处理得出的PDD和CFD数据进行压缩，提取出一个五文特征矢量，对其进行聚类分析，根据干扰因素与正常焊接条件距离的大小归类，判断其对焊接质量的影响[2]。
1.5  本课题的研究内容
本课题主要针对机器人气体保护焊焊接过程，基于无线采集卡和无线网络路由技术，构建无线智能遥控焊接参数采集硬件系统。并基于NI虚拟仪器的labview软件，设计熔化极气体保护焊工艺焊接过程的动态监测软件，完成GMAW焊接无线智能遥控焊接参数采集系统系统，并针对P-GMAW焊接过程进行焊接试验与分析，监控焊接过程的稳定性和评价焊接质量。具体内容如下：
（1）基于NI 9215无线采集卡、NI 9191无线机箱和电流电压采集模块设计无线智能遥控焊接参数采集硬件系统；
（2）将针对GMAW焊接过程的特点，基于NI虚拟仪器LabView软件，设计熔化极气体保护焊工艺焊接过程动态监控软件和参数离线分析软件；
（3）利用构建的无线采集系统对高强铝合金P-GMAW焊接过程进行现场无线数据采集，分析高强铝合金P-GMAW焊接的特征信息；
（4）针对高强铝合金P-GMAW焊接过程采集的焊接参数信息，研究表征焊接过程质量的特征，并设计离线高强铝合金P-GMAW焊接过程质量评估软件。 机器人GMAW焊接过程无线网络质量评估系统研究(4):http://www.youerw.com/cailiao/lunwen_11518.html