基于电焊机电磁噪声分析的设备唯一性特征识别方法的研究

摘要：在现代工业蓬勃发展，智能制造进程持续加速的大背景下，电焊机作为制造业关键焊接设备，其保有量与应用场景不断扩增。然而，当前传统的电焊机设备识别管理手段，多依赖易磨损、可篡改的铭牌标识或人工经验判断，难以满足高效精准管控需求。本文聚焦电焊机电磁噪声，深入探究其产生机制与特性，从而实现精准高效的电焊机设备唯一性识别，为电焊机管理、故障诊断及质量监控提供创新思路与技术支撑。

关键词：电焊机；电磁噪声；特征提取；设备唯一性识别；机器学习

一、引言

在现代工业制造领域，电焊机作为关键焊接设备广泛应用，数量与种类持续攀升。不同电焊机因制造环节诸多差异，即便同款机型工作表现亦存差别。传统设备识别依赖铭牌、外观等易篡改或磨损标识，精准性与便利性受限。电磁噪声作为电焊机运行伴生信号，蕴含丰富设备内部信息，犹如设备“指纹”，挖掘其特征可实现非侵入、高可靠设备唯一性识别，对设备管理、故障预警及质量把控意义深远，故开展此项研究极具价值。

二、电焊机电磁噪声的产生机制及特性

（一）电焊机的工作原理

弧焊电焊机借助电弧热熔化焊条与焊件实现连接，如手工电弧焊，电源输出低电压大电流，焊条与焊件接触起弧，利用电弧高温熔化工件与焊条填充金属；气体保护弧焊则利用保护气体防熔池氧化，确保焊接质量。电阻焊利用电流流经焊件接触电阻产热，使焊件达塑性或熔化状态施压完成焊接，像点焊瞬间大电流通过电极，在焊件接触点形成熔核连接。

（二）电磁噪声的产生原理

电焊机内部交变电流激发交变磁场，电磁力作用于铁芯、绕组、导电部件等，引发振动。如变压器铁芯受交变磁通作用，磁致伸缩致铁芯周期性伸缩振动；绕组受电磁力作用，导线间、绕组与铁芯间相互作用产生机械振动，这些振动经介质传播形成电磁噪声。焊接电流增大，电磁力正比例增大，振动加剧，噪声幅值上升；电流波动致电磁力不稳定，噪声频谱更复杂。

（三）电磁噪声的特性分析

1. 频率特性

经实验频谱分析，电磁噪声频域广，低频段（20 - 200Hz）受铁芯振动、低频电磁力主导；中频段（200 - 2000Hz）绕组振动、电弧力波动凸显；高频段（2000Hz 以上）受开关器件动作、电磁辐射影响。不同电焊机因结构、参数，频率分布有差异，弧焊设备电弧相关高频突出，电阻焊低频、中频成分多，与工作参数、内部构造关联紧密。

2. 幅值特性

幅值随焊接进程波动，起弧瞬间电流冲击使幅值骤升，稳定焊接期依工艺波动，如弧焊焊条熔化、送进影响电流，致幅值起伏；电阻焊焊件接触电阻变化改变电流，调控幅值。工艺参数中，电流、电压增大会提升幅值，电极压力、焊接速度变化间接影响，反映焊接工况优劣。

3. 时域和频域特性的相关性

时域波形展现电磁噪声随时间幅值变化，反映焊接动态过程；频域频谱揭示频率成分分布。二者内在联系紧密，识别设备时，结合二者优势，以时域定位异常时段，频域解析噪声源与结构特征，协同精准识别。

三、设备唯一性特征识别方法的理论基础

（一）特征提取方法

主成分分析（PCA）降维，依数据方差找主成分代表原始信息，减少冗余，简化计算，提取主要特征方向；相关性分析衡量特征与目标相关性，筛选强关联特征，摒弃无关噪声，提升识别准确率、降计算成本，助模型聚焦关键特征、高效训练识别。

（二）设备唯一性的理论依据

制造公差使零部件尺寸、形状精度有别；材料特性方面，铁芯硅钢片磁导率、损耗角不同，导电部件材质电导率差异，影响电磁性能；装配差异在铁芯拼接紧密度、绕组绕制工艺、电极安装精度上体现，综合造成设备电磁、机械特性差异显于电磁噪声。

制造公差与装配差异调振动频率、幅值，零件配合松紧、尺寸偏差改振动模态，致固有频率漂移、幅值波动；

四、实验设计与数据采集

（一）实验设备与仪器

选用手工电弧焊与电阻点焊两类电焊机，手工电弧焊额定电流 200 - 500A，空载电压 60 - 80V，适用多种焊条；电阻点焊最大焊接电流 10000A，电极压力 2 - 8kN，焊接时间 0.1 - 1s，满足薄板、厚板焊接，具代表性。

电磁噪声采集用高精度麦克风，灵敏度 50mV/Pa，测量范围 20 - 20000Hz，捕捉细微声音；示波器带宽 100MHz，采样率 1GS/s，精准记录时域波形；频谱分析仪频率分辨率 1Hz，动态范围 100dB，剖析噪声频域特征，协同保障测量精度。

（二）实验方案设计

弧焊设电流（100 - 500A 间隔 50A）、电压（50 - 80V 间隔 5V）、焊接速度（5 - 20cm/min 间隔 5cm/min）变量；电阻焊定电流（5000 - 10000A 间隔 1000A）、电极材料（铜、铬锆铜）、焊接时间（0.1 - 1s 间隔 0.1s）变量，涵盖常见工况。

（三）数据采集过程

麦克风距焊机 30cm 呈 45°，防反射干扰，多次重复求均值降噪，每工况采集 5 - 10 次，确保数据稳定可靠。

实验在电磁屏蔽室，控温、湿稳定，减环境电磁、气候干扰；仪器校准标定，定期核查精度；采集全程监控，异常即重采，保数据质量，为后续分析筑牢根基。

五、数据分析与设备唯一性特征识别

（一）数据预处理

采用巴特沃斯低通、高通滤波器，依噪声频率特性设截止频率，滤低频机械振动、高频电磁干扰；小波阈值去噪选合适阈值函数与尺度，除随机噪声，保信号细节，提升信噪比。

（二）特征提取与选择

傅里叶变换求频谱幅值、峰值频率等；小波变换析各层系数能量、熵值；PCA 得主成分贡献率、得分向量；相关性分析筛强相关特征，构建多维度特征集涵盖时频全域信息。（三）设备唯一性识别模型的建立

选支持向量机（SVM），核函数调非线性映射，对小样本、高维数据分类优；神经网络（如多层感知机）自学习、自适应强，拟合复杂非线性关系，依数据规模、特征选架构，建模灵活高效。按 7：3 分训练、测试集，SVM 用网格搜索、交叉验证调惩罚参数与核函数参数；

（四）识别结果与分析

SVM 准确率达 85% - 92%，召回率 80% - 88%，F1 值 0.83 - 0.90；神经网络准确率 88% - 95%，召回率 85% - 92%，F1 值 0.87 - 0.93，不同工况、设备表现稳定，达预期识别精度。特征选多冗余、少则信息缺，影响准确率，模型复杂易过拟合，简单欠拟合，调结构、参数寻平衡，且焊接工艺波动、环境噪声残留也干扰识别，后续待细化研究克服。

六、结束语

本研究立足电焊机电磁噪声，深挖产生机制与特性，借信号处理、机器学习建设备唯一性识别法，经严谨实验验证可行，虽有提升空间，但为电焊机精准管理、故障智能诊断等开拓路径。后续将深化特征挖掘、优模型算法，扩应用场景，望成工业设备智能运维有力工具，助力制造业高效、安全发展。

参考文献

[1]刘方韬，张成新，庞悦. 永磁同步电机电磁噪声抑制方法综述[J]. 微特电机，2024，52（3）：78-84.

[2]张晓排，刘菲，刘忠臣，等. 变频供电对异步电机电磁噪声的影响[J]. 大连交通大学学报，2024，45（3）：68-73.

[3]徐求福，曾发林，马啸飞，等. 永磁同步电机电磁噪声优化研究[J]. 机械设计与制造，2024，404（10）：121-125.