doc

Study on Neural Network Model for Prediction of Resistance Spot Welding Quality

  • 2013-09-18
  • 126KB
  • Points it Requires : 2

           Based on the analysis of signal characteristics such as voltage and current of resistance spot welding, the cycle sequence of welding voltage, current effective value, dynamic resistance and heating power is extracted to construct input vectors, and BP and RBF neural network models are established to predict the size of the weld nugget of spot welding joints. The training and test results show that the network model trained by the overall normalized current and voltage effective value cycle sequence and the joint constructed input vector can effectively predict the size of the weld nugget of joints. The average verification error of the test samples is less than 6%, which is better than the input vectors such as dynamic resistance and heating power alone. The RBF network has a faster training speed than the BP network model, and the test verification error is generally slightly better than the BP network. It is a feasible and effective method for quality monitoring of resistance spot welding joints.

unfold

You Might Like

Uploader
hellopinkgirls
 

Recommended ContentMore

Popular Components

Just Take a LookMore

EEWorld
subscription
account

EEWorld
service
account

Automotive
development
circle

About Us Customer Service Contact Information Datasheet Sitemap LatestNews


Room 1530, 15th Floor, Building B, No.18 Zhongguancun Street, Haidian District, Beijing, Postal Code: 100190 China Telephone: 008610 8235 0740

Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号
×