本研究由李丹（东南大学混凝土及预应力混凝土结构教育部重点实验室、东南大学土木工程学院）、陈燕秋、王浩、聂佳豪、刘洋（中铁山桥（南通）有限公司）、王建国共同完成。研究发表于《东南大学学报（自然科学版）》2024年3月第54卷第2期，DOI编号10.3969/j.issn.1001-0505.2024.02.005。
研究领域属于土木工程结构健康监测与智能建造交叉领域，聚焦于正交异性钢桥面板（orthotropic steel bridge decks）焊接质量的无损检测技术。钢桥面板作为大跨度桥梁的核心构件，其焊接质量直接影响桥梁使用寿命和运营安全。传统检测方法如超声波、X射线等存在效率低、环境要求高等局限性。本研究针对机器人智能化焊接过程的在线监测需求，创新性地将声发射技术（acoustic emission, AE）与机器学习相结合，旨在开发一种适用于焊接气孔缺陷实时识别的智能诊断方法。
研究采用尺寸为500mm×600mm×20mm的Q370QE钢材面板与U型纵肋（下缘宽300mm，高280mm，厚8mm）组成的简化桥面板模型。实验设置无损伤与气孔缺陷两组工况，每组各2个试件。气孔缺陷通过预湿处理焊缝区域诱导产生。焊接工艺参数完全模拟某长江公铁两用斜拉桥实际工程，包括： - 打底焊接：电流300±20A，电压30±3V，速度50±5cm/min - 盖面焊接：电流320±20A，电压32±3V，速度40±5cm/min
声发射监测系统采用美国物理声学公司Express-8设备，配置4个125-1000kHz宽带传感器（S1-S4），采样频率5MHz，触发阈值40dB。共获取无损伤信号305个，气孔缺陷信号348个。
研究团队首先对声发射信号进行多维度参数分析，包括： 1. 时域参数：幅值（90-100dB）、振铃计数（<3.5×10⁴次） 2. **频域参数**：峰值频率（约110kHz）、中心频率（无损伤：250-350kHz；气孔缺陷：300-500kHz） 分析发现传统参数在两组工况间存在严重重叠（幅值重叠率>90%，中心频率重叠区达50kHz），无法有效区分缺陷。
通过快速傅里叶变换（FFT）的频谱分析揭示关键差异： - 无损伤信号：能量集中100-300kHz，300kHz以上能量占比<15% - 气孔缺陷信号：高频成分（>300kHz）显著增加（占比>25%），580kHz处出现特征峰
研究创新性地将FFT频谱作为输入特征，对比四种机器学习模型： 1. 朴素贝叶斯：基础概率模型 2. 随机森林：365棵决策树集成 3. 线性核SVM：惩罚系数C=100 4. 径向基核SVM：C=100，γ=0.001
模型评估采用50次随机划分验证（训练集:测试集=8:2），主要指标包括： - 正确率（Accuracy） - 精确率（Precision） - 召回率（Recall）
时域参数分析显示两组工况信号特征高度重叠： - 幅值分布：无损伤94.2±3.1dB vs 气孔93.8±4.3dB（p>0.05） - 振铃计数：无损伤(1.2±0.8)×10⁴ vs 气孔(1.5±1.1)×10⁴（p>0.05） 频域参数中仅中心频率呈现部分差异（气孔缺陷高频信号占比提高12.7%），但仍不足以建立可靠判别标准。
FFT分析揭示决定性差异： 1. 能量分布：气孔缺陷在300-700kHz频段能量占比达28.5%，显著高于无损伤工况的9.3% 2. 特征频率：气孔缺陷在580kHz处出现特异性峰值（出现概率82.4%），该峰值在无损伤信号中仅出现3.2% 3. 频谱形态：气孔缺陷信号呈现多峰分布（平均3.2个显著峰），而无损伤信号多为单峰（1.1个）
径向基核SVM展现最优性能： - 正确率95.4%（优于线性核SVM的94.7%） - 召回率94.3%（比随机森林提高2.9个百分点） - 精确率97.1%（误报率仅2.9%） 特别值得注意的是，模型对580kHz特征峰的识别准确率达96.8%，证实该频段包含关键缺陷信息。
作者建议后续研究可从三方面拓展： 1. 多缺陷类型识别：建立包含裂纹、夹渣等的分类体系 2. 声发射源定位：开发适用于复杂焊缝结构的定位算法 3. 工艺优化反馈：将检测结果实时反馈至焊接参数调节系统
本研究为桥梁智能建造提供了重要的技术支撑，其方法论对机械、航空等领域的焊接质量监测也具有借鉴价值。