基于時(shí)頻特征的汽車點(diǎn)焊質(zhì)量自動(dòng)化超聲評(píng)價(jià)

聶　昕　郭志福　何智成

湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室，長沙，410082

?

基于時(shí)頻特征的汽車點(diǎn)焊質(zhì)量自動(dòng)化超聲評(píng)價(jià)

聶昕郭志福何智成

湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室，長沙，410082

通過定義超聲回波相關(guān)時(shí)頻特征量，提出基于超聲回波時(shí)頻特征量的焊點(diǎn)質(zhì)量自動(dòng)評(píng)價(jià)方法。通過數(shù)據(jù)統(tǒng)計(jì)分析，建立了便于在線自動(dòng)檢測的量化焊點(diǎn)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，實(shí)現(xiàn)了汽車點(diǎn)焊質(zhì)量的自動(dòng)化評(píng)價(jià)。實(shí)際檢測效果表明，基于該方法的檢測系統(tǒng)能夠快速有效地自動(dòng)識(shí)別八種焊點(diǎn)質(zhì)量類型，能夠初步運(yùn)用于汽車點(diǎn)焊質(zhì)量的在線自動(dòng)檢測。

超聲檢測；在線自動(dòng)檢測；焊點(diǎn)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)；時(shí)頻特征

0　引言

近年來，汽車廠家主要利用一些便攜式的焊點(diǎn)超聲檢測設(shè)備對(duì)白車身焊點(diǎn)質(zhì)量進(jìn)行無損檢測，人工判定焊點(diǎn)質(zhì)量好壞，其檢測準(zhǔn)確率依賴于檢測人員的知識(shí)經(jīng)驗(yàn)，且工作量巨大。因此，研究一種簡單有效、準(zhǔn)確率高的焊點(diǎn)質(zhì)量實(shí)時(shí)自動(dòng)評(píng)價(jià)方法具有重要意義。目前，大部分學(xué)者均基于人工智能算法對(duì)焊點(diǎn)缺陷自動(dòng)分類進(jìn)行研究[1-3]。人工智能算法算法復(fù)雜，數(shù)據(jù)均是離線處理，無法實(shí)現(xiàn)實(shí)時(shí)自動(dòng)評(píng)價(jià)，不能兼顧復(fù)雜性和準(zhǔn)確率。焊點(diǎn)蘭姆波檢測[4-5]、聲-超聲檢測[6]等技術(shù)對(duì)提高檢測效率、降低檢測成本具有一定意義。但蘭姆波中的多模態(tài)及其頻散特性導(dǎo)致超聲檢測信號(hào)難于區(qū)分[7]，信號(hào)特征不明顯、不易量化，僅能粗略地對(duì)焊點(diǎn)質(zhì)量進(jìn)行評(píng)估，可靠性不高。超聲成像技術(shù)[8-9]雖能直觀顯示焊核的尺寸大小，但其檢測方式復(fù)雜，檢測效率低下，無法實(shí)現(xiàn)自動(dòng)化在線檢測。王俊強(qiáng)[10]針對(duì)超聲回波時(shí)域特征進(jìn)行了焊點(diǎn)缺陷自動(dòng)識(shí)別研究，但由于焊點(diǎn)較薄，焊核內(nèi)部缺陷尺寸較小，故缺陷反射回波與焊點(diǎn)界面回波極易混疊。加上超聲回波的非平穩(wěn)、非線性、弱信號(hào)特性[11]，缺陷回波易被噪聲淹沒，時(shí)域特征有時(shí)無法提取。同時(shí)，超聲回波是探頭、焊點(diǎn)組織結(jié)構(gòu)和焊核形狀、噪聲等多方耦合共同作用的結(jié)果，研究分析信號(hào)在統(tǒng)計(jì)意義上的整體時(shí)頻分布特征更為合理，僅分析信號(hào)時(shí)域特征忽略了大量缺陷信息，極易造成誤判。

本文針對(duì)現(xiàn)有點(diǎn)焊超聲檢測技術(shù)檢測準(zhǔn)確率不高、不能實(shí)時(shí)在線檢測的不足，研究分析超聲信號(hào)在統(tǒng)計(jì)意義上的整體時(shí)頻分布特征，提出基于超聲回波時(shí)頻特征量的焊點(diǎn)質(zhì)量自動(dòng)評(píng)價(jià)方法。該方法能夠簡單有效地識(shí)別焊點(diǎn)質(zhì)量類型，通過數(shù)字化超聲檢測系統(tǒng)，調(diào)用量化的超聲回波時(shí)頻特征量標(biāo)準(zhǔn)數(shù)據(jù)庫，進(jìn)行較為簡單的邏輯運(yùn)算，便可完成焊點(diǎn)質(zhì)量的實(shí)時(shí)自動(dòng)評(píng)價(jià)。

1　焊點(diǎn)質(zhì)量超聲自動(dòng)評(píng)價(jià)方法

超聲波垂直入射到焊點(diǎn)工件時(shí)，由于焊點(diǎn)和空氣的聲阻抗不同，超聲波在空氣-焊點(diǎn)界面會(huì)來回反射，形成脈沖回波序列。根據(jù)回波序列的時(shí)頻特征，可對(duì)焊點(diǎn)質(zhì)量進(jìn)行評(píng)估。下面將基于焊點(diǎn)超聲檢測的基本原理、信號(hào)時(shí)頻處理方法和超聲回波數(shù)據(jù)統(tǒng)計(jì)分析，研究分析信號(hào)的整體時(shí)頻分布特征。

1.1焊點(diǎn)超聲回波時(shí)域特征量

由于點(diǎn)焊焊核是鑄造組織，其柱狀晶粒比母材粗大，對(duì)超聲波的散射衰減更為強(qiáng)烈，因此對(duì)于直徑相同的焊核，可以通過超聲波衰減率來評(píng)估其焊透率。焊核直徑則通過有無缺陷回波進(jìn)行檢測，在測量過程中，將探頭垂直放置在焊點(diǎn)上進(jìn)行測量，若焊核直徑小于正常焊點(diǎn)直徑，探頭直徑范圍內(nèi)的焊點(diǎn)將有未焊合部分，未焊合部分對(duì)超聲波進(jìn)行反射，產(chǎn)生缺陷中間回波。

根據(jù)以上分析，對(duì)超聲回波信號(hào)定義以下4個(gè)時(shí)域特征量：

(1)底面回波波峰間隔S。波峰的間隔(兩次超聲反射的時(shí)間差)與超聲波傳播速度的乘積即為焊接區(qū)厚度，同時(shí)板材厚度與焊接區(qū)厚度相減即能得到壓痕深度。

(2)回波幅值的衰減率為

式中，Bi為第i個(gè)底面回波的幅值。

(3)底面回波個(gè)數(shù)N1，即一個(gè)超聲回波序列中，底面回波幅值大于預(yù)設(shè)閾值X1的回波個(gè)數(shù)。

(4)中間回波個(gè)數(shù)N2，即一個(gè)超聲回波序列內(nèi)，中間面回波幅值大于預(yù)設(shè)閾值X2的回波個(gè)數(shù)。

1.2焊點(diǎn)超聲回波頻域特征量

超聲回波時(shí)域特征量雖直觀且易于提取，但其易受外界噪聲及檢測方式的影響且信號(hào)易于混疊，因此僅基于時(shí)域特征量進(jìn)行焊點(diǎn)質(zhì)量評(píng)價(jià)，極易造成誤判。例如氣孔缺陷和小焊核缺陷均有中間回波，兩者極易混淆。頻域分析能夠提取信號(hào)的頻率、能量等信息，進(jìn)一步提高焊點(diǎn)質(zhì)量評(píng)價(jià)精準(zhǔn)度。

超聲回波頻譜由一系列共振峰組成，這些共振峰是聲波在板中多次疊加引起的半波諧振信號(hào)。圖1中，薄板超聲回波頻譜的中心頻率基本與15MHz的探頭中心頻率相近，而合格焊點(diǎn)回波頻譜則出現(xiàn)大量高頻衰減，中心頻率往低頻移動(dòng)較大。同時(shí)，焊點(diǎn)的頻譜共振峰由于焊核散射等作用，明顯增多，且焊點(diǎn)頻譜信號(hào)峰值小于薄板回波頻譜信號(hào)峰值，表明能量大量衰減。小焊核在超聲波探頭直徑范圍內(nèi)有未焊合部分，高頻分量被未焊合部分的空氣大量衰減，低頻分量被反射回探頭接收，導(dǎo)致其低頻分量的能量占比高于正常焊點(diǎn)。氣孔缺陷(虛焊)是體積型缺陷反射體，對(duì)低頻分量反射能力較弱。在時(shí)域中存在中間回波的情況下，可據(jù)此分辨小焊核和虛焊缺陷。

圖1　薄板和合格焊點(diǎn)的超聲回波頻譜

根據(jù)以上分析，對(duì)超聲回波信號(hào)定義以下3個(gè)頻域特征量：

(1)超聲回波信號(hào)中心頻率f0。主要作為辨識(shí)脫焊和過燒的特征量。

(2)超聲回波信號(hào)總能量E。反應(yīng)超聲能量衰減情況，作為時(shí)域特征量衰減率的補(bǔ)充。

(3)低頻分量E1和高頻分量E2能量的比值R。反映不同缺陷對(duì)不同頻帶超聲信號(hào)衰減情況。

采用AR(auto-regressive)模型對(duì)超聲回波的中心頻率進(jìn)行估計(jì)[12]。采用小波包分析[13]，對(duì)回波信號(hào)0～32MHz頻段進(jìn)行4層小波包分解。以合格焊點(diǎn)中心頻率(8MHz左右)的50%(4MHz)和150%(12MHz)為界，即將0～4MHz作為低頻分量E1，對(duì)應(yīng)小波包第4層第0和1個(gè)分解信號(hào)；將頻帶12MHz～20MHz作為高頻分量E2，即將第4層第4、5、12、13個(gè)分解信號(hào)作為高頻分量。頻帶信號(hào)能量按下式計(jì)算[14]：

(1)

i=0，1，…，15k=1，2，…，n

式中，S4,i為第4層第i個(gè)頻帶信號(hào)的小波包分析重構(gòu)信號(hào)；xi,k為重構(gòu)信號(hào)上每個(gè)離散點(diǎn)的幅值；E4,i為第4層第i個(gè)頻帶信號(hào)重構(gòu)信號(hào)的能量；n為離散點(diǎn)個(gè)數(shù)。

1.3回波信號(hào)消噪與包絡(luò)處理

特征提取超聲信號(hào)前，需進(jìn)行去噪處理，以保證特征提取的精確性。同時(shí)對(duì)信號(hào)進(jìn)行包絡(luò)處理，以降低后續(xù)信號(hào)處理難度，實(shí)現(xiàn)信號(hào)實(shí)時(shí)處理。

小波變換是在傳統(tǒng)傅里葉變換基礎(chǔ)上發(fā)展起來的，在時(shí)頻兩域都具有表征信號(hào)局部特征的能力和多分辨率分析的特點(diǎn)。小波變換對(duì)超聲信號(hào)這種非平穩(wěn)信號(hào)的消噪和包絡(luò)提取具有較好處理效果。本文消噪算法具體如下：①采用symmlet小波對(duì)回波信號(hào)進(jìn)行小波分解，得到小波系數(shù)；②采用Donoho提出的軟閾值方法[15-16]，對(duì)各層次高頻系數(shù)分量進(jìn)行非線性軟閾值處理，即

(2)其中，γ1為常數(shù)；σ為反映噪聲水平的參數(shù)，σ=M/0.6745；M為最高分辨率時(shí)小波系數(shù)絕對(duì)中值。

③根據(jù)第N層的低頻系數(shù)和進(jìn)行閾值處理，求得各個(gè)分解尺度上的近似高頻系數(shù)，然后對(duì)信號(hào)進(jìn)行重構(gòu)，則重構(gòu)信號(hào)可表示為

(3)

對(duì)于超聲信號(hào)的包絡(luò)處理，則采用經(jīng)過調(diào)制的高斯小波：

(4)

對(duì)信號(hào)進(jìn)行小波變換，可得到信號(hào)f(t)的解析信號(hào)：

Wfe(a,b)=WfT(a,b)+jWfi(a,b)=

(5)

2　焊點(diǎn)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)的建立

根據(jù)焊點(diǎn)缺陷的物理特征，焊點(diǎn)質(zhì)量類型可以分為合格、壓痕過深、壓痕過淺、脫焊、薄焊核、小焊核、過燒和虛焊(氣孔)。人為控制焊接參數(shù)，制備多板厚、多材料的2層和3層不同質(zhì)量類型的焊點(diǎn)試樣，進(jìn)行焊點(diǎn)的超聲檢測、拉伸試驗(yàn)和金相試驗(yàn)。試驗(yàn)流程如圖2所示。

圖2　焊點(diǎn)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)建立試驗(yàn)流程

采用前述消噪算法對(duì)獲得的回波數(shù)據(jù)進(jìn)行消噪處理，根據(jù)前述特征量定義及提取方法，提取各種類型焊點(diǎn)的特征向量(S，β，N1，N2，f0，E，R)。圖3為1.4mm×1.4mm兩層板焊點(diǎn)超聲回波特征量數(shù)據(jù)統(tǒng)計(jì)圖(限于篇幅，僅列4個(gè)特征量數(shù)據(jù)統(tǒng)計(jì)圖)。通過數(shù)據(jù)統(tǒng)計(jì)分析，建立起以超聲回波特征值為評(píng)價(jià)因子的焊點(diǎn)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，標(biāo)準(zhǔn)數(shù)據(jù)如表1所示。

表1　基于超聲時(shí)頻特征量的焊點(diǎn)質(zhì)量標(biāo)準(zhǔn)數(shù)據(jù)

注：a、b、c、d、e、f、g、h分別表示合格、壓痕過深、壓痕過淺、脫焊、薄焊核、小焊核、虛焊(氣孔)和過燒八種焊點(diǎn)質(zhì)量類型。

通過前文所述超聲波特征量提取方法，提取焊點(diǎn)超聲波檢測數(shù)據(jù)的超聲波特征量，調(diào)用此標(biāo)準(zhǔn)數(shù)據(jù)，根據(jù)焊點(diǎn)質(zhì)量判定準(zhǔn)則，確定特征量所在區(qū)間，便可完成1.4mm×1.4mm兩層板焊點(diǎn)的質(zhì)量評(píng)價(jià)。焊點(diǎn)質(zhì)量判定準(zhǔn)則如下：

(1)根據(jù)中間回波個(gè)數(shù)N2>0判定脫焊、小焊核、虛焊(氣孔)缺陷。如表1所示，N2≥6直接判定為脫焊，特征量S、β、N1、 f0、E、R輔助校驗(yàn)判斷，若有2個(gè)以上的特征量不在表中對(duì)應(yīng)的數(shù)字區(qū)間，則系統(tǒng)認(rèn)為數(shù)據(jù)有誤，重新進(jìn)行檢測。小焊核和虛焊(氣孔)則進(jìn)一步根據(jù)R進(jìn)行判定，R<35為虛焊(氣孔)，S、β、N1、 f0、E輔助校驗(yàn)判斷，若有2個(gè)以上的特征量不在對(duì)應(yīng)區(qū)間，則系統(tǒng)重新檢測。

(a)底面回波間隔S

(b)能量比值R

(c)中間回波個(gè)數(shù)N2

(d) 衰減率β圖3　超聲回波特征量數(shù)據(jù)統(tǒng)計(jì)

(2)特征量N2=0，S<1.9，系統(tǒng)判定為壓痕過深；N2=0，S>2.7，系統(tǒng)判定為壓痕過淺。判定出質(zhì)量類型后，根據(jù)表1，可以得到對(duì)應(yīng)焊點(diǎn)質(zhì)量類型的7個(gè)特征量的大小范圍區(qū)間，采用β、N1、 f0、E、R輔助校驗(yàn)判斷，若β、N1、 f0、E、R中有2個(gè)以上的特征量不在表1對(duì)應(yīng)焊點(diǎn)質(zhì)量類型的7個(gè)特征量的大小范圍區(qū)間內(nèi)，則認(rèn)為檢測數(shù)據(jù)有誤，系統(tǒng)重新檢測。

(3)特征量N2=0，1.9

以上焊點(diǎn)質(zhì)量評(píng)判方法簡單有效，評(píng)判迅速，僅需調(diào)用焊點(diǎn)質(zhì)量標(biāo)準(zhǔn)數(shù)據(jù)庫，進(jìn)行數(shù)據(jù)比對(duì)和簡單布爾邏輯運(yùn)算，便可完成焊點(diǎn)質(zhì)量的評(píng)判，十分易于實(shí)現(xiàn)實(shí)時(shí)自動(dòng)檢測，對(duì)大規(guī)模在線自動(dòng)化檢測十分有利。

2.1離線檢測及結(jié)果分析

采用50組1.4mm×1.4mm兩層板焊點(diǎn)試樣進(jìn)行離線檢測，并進(jìn)行相應(yīng)的拉伸和金相試驗(yàn)，檢測結(jié)果如表2所示。表2中， D、H分別為焊核的直徑和厚度。拉伸試驗(yàn)主要驗(yàn)證超聲檢測系統(tǒng)所判定的合格焊點(diǎn)是否達(dá)到拉伸力要求，而金相試驗(yàn)則進(jìn)一步區(qū)分焊點(diǎn)的質(zhì)量類型。檢測結(jié)果表明，檢測系統(tǒng)能夠正確識(shí)別50個(gè)焊點(diǎn)的質(zhì)量類型，該方法能夠快速有效自動(dòng)識(shí)別8種焊點(diǎn)質(zhì)量類型。

2.2在線檢測及結(jié)果分析

以某商用車前大梁為例，設(shè)計(jì)專用夾具系統(tǒng)及機(jī)器人端持器。將超聲探頭夾持在機(jī)器人端持器，采用提出的焊點(diǎn)超聲自動(dòng)評(píng)價(jià)方法，對(duì)焊點(diǎn)進(jìn)行在線檢測。

在線檢測結(jié)果如表3所示，實(shí)際焊接中出現(xiàn)的焊點(diǎn)缺陷多數(shù)為過燒和小焊核缺陷，其他缺陷較少。在線檢測結(jié)果表明，在焊點(diǎn)能夠準(zhǔn)確定位的情況下，本文所提出的焊點(diǎn)質(zhì)量評(píng)價(jià)方法和檢測系統(tǒng)能夠運(yùn)用于焊點(diǎn)在線自動(dòng)檢測。

表2　離線檢測結(jié)果

表3　某車型在線檢測結(jié)果

3　結(jié)論

(1) 通過分析焊點(diǎn)超聲回波信號(hào)的時(shí)頻特性，提出了基于超聲回波時(shí)頻特征量的焊點(diǎn)質(zhì)量自動(dòng)評(píng)價(jià)方法，并建立了量化的焊點(diǎn)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)數(shù)據(jù)庫。

(2) 實(shí)際檢測結(jié)果表明，本文提出的焊點(diǎn)質(zhì)量自動(dòng)評(píng)價(jià)方法能實(shí)時(shí)有效地自動(dòng)判定焊點(diǎn)質(zhì)量類型。

(3) 后續(xù)研究將重點(diǎn)針對(duì)焊點(diǎn)的高精度智能定位。通過系統(tǒng)分析焊點(diǎn)特征，研究高精度焊點(diǎn)視覺信息獲取理論與方法，實(shí)現(xiàn)焊點(diǎn)的精確定位。

[1]Naga R, Anjaneyulu S, Satyanarayana T, et al. Denoising EOG Signal Using Stationary Wavelet Transform[J]. Measurement Science Review, 2012, 12(2)：46-51.

[2]Seyedtabaii S. Performance Evaluation of Neural Network Based Pulse-echo Weld Defect Classifiers[J]. Measurement Science Review, 2012, 12(5)：168-174.

[3]Sambath S, Nagaraj P, Selvakumar N. Automatic Defect Classification in Ultrasonic NDT Using Artificial Intelligence[J]. J. Nondestruct. Eval., 2011, 30：20-28.

[4]Mirahmadi S J, Honarvar F. Application of Signal Processing Techniques to Ultrasonic Testing of Plates by S0Lamb Wave Mode[J]. NDT & E International, 2011, 44(1)：131-137.

[5]Zhao Xiang, Royer R L, Owens S E, et al. Ultrasonic Lamb Wave Tomography in Structural Health Monitoring[J]. Smart Materials and Structures, 2011, 20：20-28.

[6]陳振華, 盧超, 陸銘慧, 等. 基于聲-超聲檢測的薄鋼板多焊點(diǎn)結(jié)構(gòu)完整性評(píng)價(jià)技術(shù)[J].機(jī)械工程學(xué)報(bào), 2013, 49(16)：57-61.

Chen Zhenhua, Lu Chao, Lu Minghui, et al. Integrity Evaluation on Spot Welded Construction of Thin Steel Sheet Based on Acousto-ultrasonic Technique[J]. Journal of Mechanical Engineering, 2013, 49(16)：57-61.

[7]Aslanlar S, Ogur A, Ozxarac U, et al. Effect of Welding Current on Mechanical Properties of Galvanized Chromided Steel Sheets in Electrical Resistance Spot Welding[J]. Materials and Design, 2007, 28：2-7.

[8]Andrey M，Romn G，F(xiàn)edar M．Acoustic Microscopy of Internal Structure of Resistance Spot Welds[J]. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 2007, 54(8)：1521-1529.

[9]Koichiro K, Morimasa M，Ryuzo Y. Nonlinear Ultrasonic Imaging of Imperfectly Bonded Interfaces[J]. Ultrasonics，2006，44：1329-1333.

[10]王俊強(qiáng). 基于超聲回波特征的電阻點(diǎn)焊接頭缺陷識(shí)別[D]. 上海：上海交通大學(xué), 2006.

[11]李霞, 孫靈芳, 楊明. 基于改進(jìn)FOA匹配追蹤的超聲信號(hào)處理研究[J].儀器儀表學(xué)報(bào), 2013, 49(16)：57-61.

Li Xia, Sun Lingfang, Yang Ming. Research on Ultrasonic Signal Processing Based on Improved FOA Matching Pursuit[J]. Chinese Journal of Scientific Instrument, 2013, 49(16)：57-61.

[12]盛磊, 周著黃, 吳水才, 等. 基于AR譜模型的超聲頻移溫度相關(guān)性[J].北京工業(yè)大學(xué)學(xué)報(bào), 2014, 40(1)：139-144.Sheng Lei, Zhou Zhuhuang, Wu Shuicai, et al. Correlations of Ultrasonic Frequency Shift with Temperature Change by AR Model[J]. Journal of Beijing Polytechnic University, 2014, 40(1)：139-144.

[13]張海燕, 周全, 夏金東. 超聲缺陷回波信號(hào)的小波包降噪及特征提取[J].儀器儀表學(xué)報(bào), 2006, 27(1)：94-97.Zhang Haiyan, Zhou Quan, Xia Jindong. Wavelet Packet Denoising and Feature Extraction for Flaw Echo Signal in Ultrasonic Testing[J]. Chinese Journal of Scientific Instrument, 2006, 27(1)：94-97.

[14]Gargoom A M, Eetugrul N，Soong W L. Automatic Classification and Characterization of Power Quality Events[J]. IEEE Transactions on Power Delivery, 2013, 23(4)：2417-2425.

[15]Donoho D L. De-noising by Soft-thresholding[J]. IEEE Trans. Infor. Theo., 1995, 41(3)：613-627.

[16]Ykhlef F, Arezk I M. A Wavelet Denoising Method to Improve Detection with Ultrasonic Signal[C]// IEEE IC IT. Hammamet, Tunisia, 2004, 1422-1425.

(編輯張洋)

Automatic Ultrasonic Evaluation of Vehicle Spot Welding Quality Based on Time-frequency Characteristics

Nie XinGuo ZhifuHe Zhicheng

State Key Laboratory of Advanced Design and Manufacture for Vehicle Body,Hunan University, Changsha, 410082

A spot welding quality automatic evaluation methodology was proposed by defining the time-frequency characteristics of ultrasonic echo, and a spot welding quality evaluation criterion was built, which was convenient for online automatic detection by data statistical analysis. Finally, vehicle spot welding quality was evaluated automatically. Practical test results indicate the detecting system based on the proposed method can automatically identify eight types of spot welding quality quickly and effectively, so this system may preliminarily apply to online automatic detection of spot welding quality.

ultrasonic testing; online automatic detection; spot welding quality evaluation criterion; time-frequency characteristics

聶昕，男，1982年生。湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室助理研究員。主要研究方向?yàn)槠囓嚿斫Y(jié)構(gòu)、工藝及質(zhì)量控制。郭志福，男，1989年生。湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室碩士研究生。何智成，男，1984年生。湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室講師。

2015-04-22

國家自然科學(xué)基金資助重點(diǎn)項(xiàng)目(61232014);廣西科技計(jì)劃資助項(xiàng)目(桂科攻1348005-1，桂科攻14122005-7);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目

TB553

10.3969/j.issn.1004-132X.2016.08.019