Технология акустической эмиссии демонстрирует огромный потенциал для онлайн-мониторинга и диагностики дефектов при аддитивном производстве с использованием дуговой сварки проволоки (WAAM). Однако сигналы AE, возникающие в процессе WAAM, сильно загрязнены шумами дугового разряда, что затрудняет непосредственное извлечение признаков, связанных с дефектами, из исходных данных. В данном исследовании предложена глубокая обучающаяся модель на основе мел-спектрограмм для эффективного мониторинга состояния WAAM. Метод вводит улучшенную временно-частотную стратегию представления, которая более эффективно улавливает признаки, связанные с дефектами, в условиях высокого шума, присущего процессу WAAM. Использование мел-спектрограмм усиливает представление информативной низкочастотной части и подавляет высокочастотный шум, что повышает интерпретируемость и устойчивость признаков. Для классификации дефектов и оценки производительности использовались сверточные нейронные сети и модели визуальных трансформеров. Экспериментальные результаты показывают, что предложенный метод достигает высокой точности диагностики при значительном снижении вычислительных затрат, превосходя традиционные методы на основе коротковременного преобразования Фурье. Результаты исследования подтверждают, что представление мел-спектрограмм обеспечивает более эффективное и обобщающее решение для мониторинга состояния WAAM.

WAAM;акустическая эмиссия;мел-спектрограмма;CNN;мониторинг качества производства