CN111843272B - 基于焊接过程信息融合的质量判别方法及装置 - Google Patents

基于焊接过程信息融合的质量判别方法及装置 Download PDF

Info

Publication number
CN111843272B
CN111843272B CN202010663852.4A CN202010663852A CN111843272B CN 111843272 B CN111843272 B CN 111843272B CN 202010663852 A CN202010663852 A CN 202010663852A CN 111843272 B CN111843272 B CN 111843272B
Authority
CN
China
Prior art keywords
characteristic
value
sampling period
characteristic value
offset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010663852.4A
Other languages
English (en)
Other versions
CN111843272A (zh
Inventor
马志
刘昱
孙帮成
胡浩
龚明
祝弘滨
李明高
郑舒阳
刘蕊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Industry Institute Co Ltd
Original Assignee
CRRC Academy Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CRRC Academy Co Ltd filed Critical CRRC Academy Co Ltd
Priority to CN202010663852.4A priority Critical patent/CN111843272B/zh
Publication of CN111843272A publication Critical patent/CN111843272A/zh
Application granted granted Critical
Publication of CN111843272B publication Critical patent/CN111843272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125Weld quality monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • Arc Welding Control (AREA)

Abstract

本发明涉及焊接技术领域,提供了一种基于焊接过程信息融合的质量判别方法及装置,所述方法包括:获取焊接过程中焊缝的特征值;提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点;通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数;若所述质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。本发明通过对焊接过程不同种类传感信息特征进行融合处理,实现自动化焊接过程质量在线实时判别,为自动化焊接装备提供质量判断与分析能力,比依据单种信息特征具有更高的质量判别精度,从而可以省去作业人员实时跟踪,减少废品废件产生。

Description

基于焊接过程信息融合的质量判别方法及装置
技术领域
本发明涉及焊接技术领域,特别是涉及一种基于焊接过程信息融合的质量判别方法及装置。
背景技术
近年来,自动化焊接设备在产品批量大、工况简单的焊缝上应用越来越多,焊接机器人可以按照既定指令完成自动完成焊接作业,并具有焊缝轨迹跟踪等自适应调整功能。但是,由于当前自动化焊接设备不具备焊缝质量在线判别功能,不能够为生产车间提供准确的质量判断,因此,为了保证焊缝质量,当焊接机器人作业时,依然需要作业人员实时跟踪观察以避免质量问题导致零件报废或返修。
现有技术中,依据单种焊接过程信息特征进行焊缝质量判别,如采集焊接过程的电流、电压、送丝速度等实际作业参数(都是数字信号),并与工艺卡片规定的合理范围进行比较,当实际参数在正常范围内时,则判定质量正常;当实际参数偏离正常范围,则判定有焊缝质量问题。由于焊接过程实际作业参数波动较大,仅通过电流、电压、送丝速度等实际工艺参数很难判别焊缝质量,因此实际作业工艺参数往往只做记录,不作为质量判别依据。在焊接作业完成之后,通过无损检测的方法,如渗透探伤、射线探伤、磁粉探伤、超声波探伤等手段,进行焊缝质量判别。或者通过有损检测的方法,对焊缝进行剖切,进而判别焊缝质量。
虽然上述现有技术在一定程度上对焊缝质量的判断,提供了一定程度的参考,但在实际应用中,焊接过程与焊缝质量息息相关的信息及特征种类较多,不同种类的信号特征很难进行信息融合,通过单种信息特征进行焊缝质量判别很难实现较高的精度。
有鉴于此提出本发明。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于焊接过程信息融合的质量判别方法,通过对焊接过程不同种类传感信息特征进行信息融合,实现自动化焊接过程质量在线实时判别,为自动化焊接装备提供质量判断与分析能力,比依据单种信息特征具有更高的质量判别精度,从而可以省去作业人员实时跟踪,减少废品废件产生。
本发明还提出一种焊接过程的质量判别装置。
根据本发明第一方面实施例提供的一种基于焊接过程信息融合的质量判别方法,所述方法包括:
获取焊接过程中焊缝的特征值;
提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点;
通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数;
若所述质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。
根据本发明的一个实施例,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:
根据所述第一特征向量和所述第二特征向量确认特征值在采样周期内的变化速率;
通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数;
根据特征值变化速率的平均权重系数和特征值的变化速率确定特征值的加权变化速率。
具体来说,由于对焊缝在焊接过程中的特征值进行获取时,会获取至少一个特征值,此特征值在采样周期内的变化速率能够反映出焊缝在采样周期内的焊接质量变化,当在一个采样周期内获取特征值较多时,对每个特征值的变化速率进行平均权重系数的计算,能够更准确的反映出焊缝在焊接过程中的参数变化,能够更准确的反映焊缝质量。
根据本发明的一个实施例,所述通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数的步骤,具体包括:
将焊获取到的全部特征值的变化速率放入特征池内;
从所述特征池内提取一个特征值的变化速率,将该特征值的变化速率赋予基础权重值,并对所述特征池内的其余特征值的变化速率赋予相对该基础权重值的相对权重值;
将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值变化速率下的平均权重值;
重复上述步骤,直至计算出所述特征池内的每一个特征值变化速率的平均权重值;
将全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数。
具体来说,通过将每个特征值的变化速率赋予基础权重值,并通过对其余特征值变化速率赋予相对该特征值变化速率的相对权重值,计算出对应每个特征值变化速率作为基础权重值下的平均权重值,再通过对全部平均权重值求和取平均值,获得特征值变化速率的平均权重系数,可以更准确的反应特征值变化速率。
根据本发明的一个实施例,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,还包括:
根据所述第一特征向量和所述第二特征向量确认特征值在采样周期内的偏移量;
通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数;
根据特征值偏移量的平均权重系数和特征值的偏移量确定特征值的加权偏移量。
具体来说,由于对焊缝在焊接过程中的特征值进行获取时,会获取至少一个特征值,此特征值在采样周期内的偏移量能够反映出焊缝在采样周期内的焊接质量变化,当在一个采样周期内获取特征值较多时,对每个特征值的偏移量进行平均权重系数的计算,对多个特征值进行信息融合,能够更准确的反映出焊缝在焊接过程中的参数变化,能够更准确的反映焊缝质量。
根据本发明的一个实施例,所述通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数的步骤,具体包括:
将焊获取到的全部特征值的偏移量放入特征池内;
从所述特征池内提取一个特征值的偏移量,将该特征值的偏移量赋予基础权重值,并对所述特征池内的其余特征值的偏移量赋予相对该基础权重值的相对权重值;
将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值偏移量下的平均权重值;
重复上述步骤,直至计算出所述特征池内的每一个特征值偏移量的平均权重值;
将全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数。
具体来说,通过将每个特征值进行信息融合,对每个特征值的偏移量赋予基础权重值,并通过对其余特征值偏移量赋予相对该特征值偏移量的相对权重值,计算出对应每个特征值偏移量作为基础权重值下的平均权重值,再通过对全部平均权重值求和取平均值,获得特征值偏移量的平均权重系数,可以更准确的反应特征值偏移量。
根据本发明的一个实施例,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:
通过将相对每个特征值的加权变化速率和/或加权偏移量求和得到质量指数。
具体来说,通过将焊接过程中获取到焊缝的每个特征值的加权变化速率和/或加权偏移量求和,实现对焊缝在采样周期内质量指数的精确判断,同时由于每个特征值的变化速率和偏移量均是通过加权之后获得的,更接近真实值。
根据本发明的一个实施例,所述获取焊接过程中焊缝的特征值的步骤中,具体包括:
至少获取焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;
其中,所述熔池图像参数至少包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;
所述电弧声音参数至少包括平均频率和平均声强;
所述实际作业参数至少包括电流值、电压值和送丝速度。
具体来说,通过将特征值细化为熔池图像参数、电弧声音参数和实际作业参数,实现了对焊接过程中焊缝质量的准确判别,通过多种特征值的信息融合进行综合判断,可以更精确的获得焊缝在采样周期的焊接过程中,焊缝质量的变化情况,从而可以省去作业人员实时跟踪,减少废品废件产生。
根据本发明的一个实施例,所述提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点,以及所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:对熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度依次进行标记;
在一个采样周期内的起始点特征值标记为a1′、a2′、a3′…a12′;
在一个采样周期内的终止点特征值标记为a1、a2、a3…a12
每个特征值的变化速率为d1、d2、d3…d12
基于起始点特征值和终止点特征值计算出在采样周期内每个特征值的变化速率为di=(ai-a′i)/Δtai
其中,di为变化速率;
Δt为采样周期的时间间隔;
对a1进行基础权重值的赋值,赋值为
Figure GDA0003267434840000051
a2、a3…a12的相对权重值赋值为
Figure GDA0003267434840000052
对a2进行基础权重值的赋值,赋值为
Figure GDA0003267434840000053
a1、a3…a12的相对权重值赋值为
Figure GDA0003267434840000054
依次对其余每一特征值基于该特征值变化速率为基础权重值下的全部特征值的平均权重值;
通过对全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数,公式如下:
Figure GDA0003267434840000061
根据本发明的一个实施例,所述提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点,以及所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:对熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度依次进行标记;
在一个采样周期内的终止点特征值标记为a1、a2、a3…a12
将采样周期内的终止点标准值标记为b1、b2、b3…b12
每个特征值的偏移量为p1、p2、p3…p12
基于终止点特征值和终止点的标准值计算出在采样周期内每个特征值的偏移量:pi=(ai-bi)/bi
其中,pi为偏移量;
对a1进行基础权重值的赋值,赋值为
Figure GDA0003267434840000062
依次a2、a3…a12的相对权重值赋值为
Figure GDA0003267434840000063
对a2进行基础权重值的赋值,赋值为
Figure GDA0003267434840000064
依次a1、a3…a12的相对权重值赋值为
Figure GDA0003267434840000065
依次对其余每一特征值基于该特征值偏移量为基础权重值下的全部特征值的平均权重值;
进一步地,通过对全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数,公式如下:
Figure GDA0003267434840000066
根据本发明的一个实施例,获取到特征值的偏移量、偏移量平均权重系数和特征值的变化速率、变化速率平均权重系数后,通过如下公式计算出质量指数:
Figure GDA0003267434840000071
式中,特征值变化速率的平均权重系数为ci
特征值变化速率为di
特征值偏移量的平均权重系数为wi
特征值偏移量为pi
根据本发明第二方面实施例的一种焊接过程的质量判别装置,包括:
特征获取模块,用于获取焊接过程中焊缝的特征值;
特征提取模块,用于提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点;
计算模块,通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数;
判定模块,用于将所述质量指数与预设范围值进行比对,若所述质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。
本发明实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:本发明通过对焊接过程不同种类传感信息特征进行融合处理,实现自动化焊接过程质量在线实时判别,为自动化焊接装备提供质量判断与分析能力,比依据单种信息特征具有更高的质量判别精度,从而可以省去作业人员实时跟踪,减少废品废件产生。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于焊接过程信息融合的质量判别方法的控制逻辑流程第一示意图;
图2是本发明实施例提供的基于焊接过程信息融合的质量判别方法的控制逻辑流程第二示意图;
图3是本发明图2实施例提供的基于焊接过程信息融合的质量判别方法中,步骤S320包含的各子步骤的控制逻辑流程示意图;
图4是本发明实施例提供的基于焊接过程信息融合的质量判别方法的控制逻辑流程第三示意图;
图5是本发明图4实施例提供的基于焊接过程信息融合的质量判别方法中,步骤S350包含的各子步骤的控制逻辑流程示意图;
图6是本发明实施例提供的基于焊接过程信息融合的质量判别方法的控制逻辑流程第四示意图;
图7是本发明实施例提供的基于焊接过程信息融合的质量判别装置中,各功能模块示意图;
图8是本发明实施例提供的基于焊接过程信息融合的质量判别方法中采集的焊缝特征值的示意图。
附图标记:
510:特征获取模块;520:特征提取模块;530:计算模块;540:判定模块。
需要说明的是,这些附图和文字描述并不旨在以任何方式限制本发明的构思范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的焊接过程质量判别方法的控制逻辑流程第一示意图。主要用来展示本发明焊接过程质量判别方法的控制逻辑。从图1中展示的控制逻辑中可知步骤如下。
步骤S100,获取焊接过程中焊缝的特征值。
具体来说,在焊接过程中,获取焊缝的特征值,此特征值可为焊接过程中焊缝的某一特征参数,也可以是焊接过程中几个特征参数形成的集合。
步骤S200,提取特征值的第一特征向量和第二特征向量,第一特征向量指向采样周期的起始点,第二特征向量指向采样周期的终止点。
具体来说,本发明将对特征值提取的过程划分为第一特征向量和第二特征向量,焊接过程中焊缝特征值的获取,可以看作是在一个采样周期内对焊缝进行质量判别,将焊接过程划分为多个采样周期或者焊接过程中的某段划分为间隔或连续的单个或多个采样周期,可以实现对焊缝质量进行周期性的监控。
需要说明的是,采样周期可以看作是对焊接过程采集的一个时间段,本发明提出的第一特征向量指向采样周期的起始点,第二特征向量指向采样周期的终止点,此处可以理解为第一特征向量至少携带焊缝在采样周期起始点的特征值,第二特征向量至少携带焊缝在采样周期终止点的特征值。
步骤S300,通过第一特征向量和第二特征向量确定在采样周期内焊缝的质量指数。
具体来说,通过对第一特征向量和第二特征向量之间进行计算,获得在采样周期内基于第一特征向量和第二特征向量之间的焊缝质量指数,此处提到焊缝的质量指数是反应焊缝在采样周期内,自采样周期的起始点到采样周期的终止点的过程中,焊缝特征值在第一特征向量和第二特征向量位置的变化。
步骤S400,若质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格
具体来说,还包括预设范围值,通过将获得的质量指数与预设范围值进行比对,对焊缝在采样周期内的变化进行判断,即,对焊缝在采样周期内的焊接质量进行判断。如果质量指数在预设范围值的范围内,则判断焊缝质量正常;如果质量指数大于预设范围值的范围,则判断存在过融合、下塌等问题;如果质量指数小于预设范围值的范围,则判断存在未熔合、未焊透等问题,质量指数偏离合理范围越大,质量问题越严重。
进一步地,焊接过程实时提取上述特征值,并进行质量指数的计算和,可实现自动化焊接过程焊缝质量在线自主分析。进一步,可根据焊缝质量问题的严重程度,由重到轻分别采取断电、报警、记录等处理方式。
图2是本发明实施例提供的焊接过程质量判别方法的控制逻辑流程第二示意图。主要展示通过第一特征向量和第二特征向量确定在采样周期内焊缝质量指数的具体实施方案。从图2中展示的控制逻辑中可知步骤如下。
步骤S100,获取焊接过程中焊缝的特征值。
步骤S200,提取特征值的第一特征向量和第二特征向量,第一特征向量指向采样周期的起始点,第二特征向量指向采样周期的终止点。
步骤S310,根据第一特征向量和第二特征向量确认特征值在采样周期内的变化速率。
具体来说,在一个采样周期内,对焊缝采集的特征值可以有多个,对多个特征值进行信息融合,实现对焊接过程中焊缝质量的监控,例如:至少获取焊接过程中的熔池图像参数、电弧声音参数和实际作业参数任意一种或几种的组合;其中,熔池图像参数至少包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数至少包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。
需要说明的是,基于上述对一个采样周期内特征值的介绍,在步骤S310中对一个或几个特征值在采样周期内的变化速率进行确认,对变化速率的确认方式可以是通过第一特征向量和第二特征向量中携带的关于在采样周期的起始点和终止点该特征值的速率信息,并通过计算在采样周期内起始点和终止点的速率变化快慢,进而得到在采样周期内一个或几个特征值的变化速率。
步骤S320,通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数。
具体来说,在采样周期内对焊缝特征值的获取可以是多个,而在焊接过程中,每个特征值之间的重要性,以及不同实际需求中对焊缝特征值的侧重均不相同,因此通过对每个特征值的变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数。
步骤S330,根据特征值变化速率的平均权重系数和特征值的变化速率确定特征值的加权变化速率。
具体来说,通过将特征值变化速率的平均权重系数和特征值的变化速率相乘,便可获得该特征值的加权变化速率。相应的对每个特征值均进行变化速率的平均权重系数和变化速率的相乘,便可得到每个特征值的加权变化速率。
步骤S370,通过将相对每个特征值的加权变化速率求和得到质量指数。
具体来说,将每个特征值的加权变化速率求和,可以获得一个总的变化参数,该参数便是质量指数。
需要说明的是,图2中步骤S330之后便是步骤S370,此处设置并不矛盾,竖直的设置只是对步骤特征的一个标识,具体流程结合本发明说明书便可获知,步骤S370是一个根据特征值计算后参数求得质量指数的过程,在对于每个实施方案,应基于一个具体的实施方案进行理解。
步骤S400,若质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。
需要说明的是,为了节约篇幅,此处不再对步骤S100、步骤S200和步骤S400进行具体描述,可参考前文关于步骤S100、步骤S200和步骤S400的记载。
在一个应用场景中,获取的特征值为焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;其中,熔池图像参数包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。基于上述特征值的分类,对每一特征值进行信息融合并赋值,具体过程如下:
将熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度,分别标记为a1、a2、a3…a12
在一个采样周期内的起始点特征值标记为a1′、a2′、a3′…a12′;
在一个采样周期内的终止点特征值标记为a1、a2、a3…a12
基于起始点特征值和终止点特征值计算出在采样周期内每个特征值的变化速率:
di=(ai-a′i)/Δtai
其中,di为变化速率;
Δt为采样周期的时间间隔。
图3是本发明图2实施例提供的焊接过程质量判别方法中,步骤S320包含的各子步骤的控制逻辑流程示意图。主要用来展示步骤S320中对平均权重系数进行计算的具体过程。从图3中展示的控制逻辑中可知步骤如下。
步骤S321,将焊接过程中获取到的全部特征值的变化速率放入特征池内。
具体来说,步骤S321是将焊接过程中获取到的全部特征值形成一个集合或者序列,便于后续对特征值进行提取或者计算,而集合或者序列的设置可以为特征值提供一个预设的分布规律,例如:按采集次序或者种类进行分类,并对每个采集的特征值赋予唯一的位置代码,调取时在获取前一个特征值进行处理时,按照预设的分布规律,后一个特征值的排位或者次序升级为优先级,再次进行特征值提取时,边提取该优先级的特征值,依次类推实现特征值提取的有序设置。
需要说明的是,对特征值的分类可以根据采集的种类进行分类,例如按照熔池图像参数、电弧声音参数和实际作业参数进行三组分类每一组参数中由按照相应的参数进行分类,并为每一组参数,以及每组的参数赋予调取的不同优先级顺序,进而实现快速提取和计算,此种设置优点在于在获取的过程中边实现了特征值的分类,对特征值的处理前置,提升整个系统的鲁棒性。
步骤S322,从特征池内提取一个特征值的变化速率,将该特征值的变化速率赋予基础权重值,并对特征池内的其余特征值的变化速率赋予相对该基础权重值的相对权重值。
步骤S323,将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值变化速率下的平均权重值。
步骤S324,重复上述步骤,直至计算出特征池内的每一个特征值变化速率的平均权重值。
步骤S325,将全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数。
具体来说,步骤S322、步骤S323、步骤S324和步骤S325是对平均权重系数计算过程的介绍,可以理解为先对一个特征值的变化速率赋予基础权重值,该基础权重值可以为1或者是可以便于作为基础计算的数值,之后对出该特征值变化速率以外的特征值变化速率赋予相对权重值,该相对权重值可以理解为被赋予的特征值变化速率相相对于基础权重值的特征值变化速率的重要性或者权重配比。然后通过便可计算出基于该特征值变化速率为基础权重值下的全部特征值的平均权重值。
进一步地,依次将每一个特征值的变化速率设置为基础权重值,并计算其他特征值变化速率的相对权重值,进而获得每一个特征值变化速率为基础权重值下的全部特征值的平均权重值。
进一步地,通过对全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数。
在一个应用场景中,如图8所示,获取的特征值为焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;其中,熔池图像参数包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。基于上述特征值的分类,对每一特征值进行赋值,具体过程如下:
将熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度,分别标记为a1、a2、a3…a12,每个特征值的变化速率为d1、d2、d3…d12
对a1进行基础权重值的赋值,赋值为
Figure GDA0003267434840000141
a2、a3…a12的相对权重值赋值为
Figure GDA0003267434840000142
同理对a2进行基础权重值的赋值,赋值为
Figure GDA0003267434840000143
a1、a3…a12的相对权重值赋值为
Figure GDA0003267434840000144
以此类推,每一特征值基于该特征值变化速率为基础权重值下的全部特征值的平均权重值。
进一步地,通过对全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数,公式如下:
Figure GDA0003267434840000145
图4是本发明实施例提供的焊接过程质量判别方法的控制逻辑流程第三示意图。主要展示通过第一特征向量和第二特征向量确定在采样周期内焊缝质量指数的具体实施方案。从图4中展示的控制逻辑中可知步骤如下。
步骤S100,获取焊接过程中焊缝的特征值。
步骤S200,提取特征值的第一特征向量和第二特征向量,第一特征向量指向采样周期的起始点,第二特征向量指向采样周期的终止点。
步骤S340,根据第一特征向量和第二特征向量确认特征值在采样周期内的偏移量。
具体来说,在一个采样周期内,对焊缝采集的特征值可以有多个,对多个特征值进行信息融合,能够实现对焊接过程中焊缝质量的监控,例如:至少获取焊接过程中的熔池图像参数、电弧声音参数和实际作业参数任意一种或几种的组合;其中,熔池图像参数至少包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数至少包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。
需要说明的是,基于上述对一个采样周期内特征值的介绍,在步骤S340中对一个或几个特征值在采样周期内的偏移量进行确认,对偏移量的确认方式可以是通过第一特征向量和第二特征向量中携带的关于在采样周期的起始点和终止点该特征值的坐标信息,并通过计算在采样周期内起始点和终止点的坐标变化情况,进而得到在采样周期内一个或几个特征值的偏移量。
步骤S350,通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数。
具体来说,在采样周期内对焊缝特征值的获取可以是多个,而在焊接过程中,每个特征值之间的重要性,以及不同实际需求中对焊缝特征值的侧重均不相同,因此通过对每个特征值进行信息融合,对每个特征值的偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数。
步骤S360,根据特征值偏移量的平均权重系数和特征值的偏移量确定特征值的加权偏移量。
具体来说,通过将特征值偏移量的平均权重系数和特征值的偏移量相乘,便可获得该特征值的加权变化偏移量。相应的对每个特征值均进行偏移量的平均权重系数和偏移量的相乘,便可得到每个特征值的加权偏移量。
步骤S370,通过将相对每个特征值的加权偏移量求和得到质量指数。
具体来说,将每个特征值的加权偏移量求和,可以获得一个总的偏移参数,该参数便是质量指数。
需要说明的是,图4中步骤S360之后便是步骤S370,此处设置并不矛盾,竖直的设置只是对步骤特征的一个标识,具体流程结合本发明说明书便可获知,步骤S370是一个根据特征值计算后参数求得质量指数的过程,在对于每个实施方案,应基于一个具体的实施方案进行理解。
步骤S400,若质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。
需要说明的是,为了节约篇幅,此处不再对步骤S100、步骤S200和步骤S400进行具体描述,可参考前文关于步骤S100、步骤S200和步骤S400的记载。
在一个应用场景中,如图8所示,获取的特征值为焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;其中,熔池图像参数包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。基于上述特征值的分类,对每一特征值进行赋值,具体过程如下:
将熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度,分别标记为a1、a2、a3…a12
在一个采样周期内的终止点特征值标记为a1、a2、a3…a12
同时将采样周期内的终止点标准值标记为b1、b2、b3…b12
基于终止点特征值和终止点的标准值计算出在采样周期内每个特征值的偏移量:pi=(ai-bi)/bi
其中,pi为偏移量。
图5是本发明图4实施例提供的焊接过程质量判别方法中,步骤S350包含的各子步骤的控制逻辑流程示意图。主要用来展示步骤S350中对平均权重系数进行计算的具体过程。从图3中展示的控制逻辑中可知步骤如下。
步骤S351,将焊接过程中获取到的全部特征值的偏移量放入特征池内。
具体来说,步骤S351是将焊接过程中获取到的全部特征值形成一个集合或者序列,便于后续对特征值进行提取或者计算,而集合或者序列的设置可以为特征值提供一个预设的分布规律,例如:按采集次序或者种类进行分类,并对每个采集的特征值赋予唯一的位置代码,调取时在获取前一个特征值进行处理时,按照预设的分布规律,后一个特征值的排位或者次序升级为优先级,再次进行特征值提取时,边提取该优先级的特征值,依次类推实现特征值提取的有序设置。
需要说明的是,对特征值的分类可以根据采集的种类进行分类,例如按照熔池图像参数、电弧声音参数和实际作业参数进行三组分类,每一组参数中由按照相应的参数进行分类,并为每一组参数,以及每组的参数赋予调取的不同优先级顺序,进而实现快速提取和计算,此种设置优点在于在获取的过程中边实现了特征值的分类,对特征值的处理前置,提升整个系统的鲁棒性。
步骤S352,从特征池内提取一个特征值的偏移量,将该特征值的偏移量赋予基础权重值,并对特征池内的其余特征值的偏移量赋予相对该基础权重值的相对权重值。
步骤S353,将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值偏移量下的平均权重值。
步骤S354,重复上述步骤,直至计算出特征池内的每一个特征值偏移量的平均权重值。
步骤S355,将全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数。
具体来说,步骤S352、步骤S353、步骤S354和步骤S355是对平均权重系数计算过程的介绍,可以理解为先对一个特征值的偏移量赋予基础权重值,该基础权重值可以为1或者是可以便于作为基础计算的数值,之后对出该特征值偏移量以外的特征值偏移量赋予相对权重值,该相对权重值可以理解为被赋予的特征值偏移量相相对于基础权重值的特征值偏移量的重要性或者权重配比。然后通过便可计算出基于该特征值偏移量为基础权重值下的全部特征值的平均权重值。
进一步地,依次将每一个特征值的偏移量设置为基础权重值,并计算其他特征值偏移量的相对权重值,进而获得每一个特征值偏移量为基础权重值下的全部特征值的平均权重值。
进一步地,通过对全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数。
在一个应用场景中,获取的特征值为焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;其中,熔池图像参数包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。基于上述特征值的分类,对每一特征值进行赋值,具体过程如下:
将熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度,分别标记为a1、a2、a3…a12,每个特征值的偏移量为p1、p2、p3…p12。
对a1进行基础权重值的赋值,赋值为
Figure GDA0003267434840000181
a2、a3…a12的相对权重值赋值为
Figure GDA0003267434840000182
同理对a2进行基础权重值的赋值,赋值为
Figure GDA0003267434840000183
a1、a3…a12的相对权重值赋值为
Figure GDA0003267434840000184
以此类推,每一特征值基于该特征值偏移量为基础权重值下的全部特征值的平均权重值。
进一步地,通过对全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数,公式如下:
Figure GDA0003267434840000185
图6是本发明实施例提供的焊接过程质量判别方法的控制逻辑流程第四示意图。主要展示通过第一特征向量和第二特征向量确定在采样周期内焊缝质量指数的具体实施方案。从图6中展示的控制逻辑中可知步骤如下。
步骤S370,通过将相对每个特征值的加权变化速率和加权偏移量求和得到质量指数。
具体来说,将每个特征值的加权变化速率和加权偏移量求和,可以获得一个总的偏移参数,该参数便是质量指数。
需要说明的是,在图7中步骤S330和步骤S360之后是步骤S370,此处设置并不矛盾,竖直的设置只是对步骤特征的一个标识,具体流程结合本发明说明书便可获知,步骤S370是一个根据特征值计算后参数求得质量指数的过程,在对于每个实施方案,应基于一个具体的实施方案进行理解。
还需要说明的是,为了节约篇幅,此处不再对步骤S100、步骤S200、步骤S310、步骤S320、步骤S330、步骤S340、步骤S350、步骤S360和步骤S400进行具体描述,可参考前文关于步骤S100、步骤S200、步骤S310、步骤S320、步骤S330、步骤S340、步骤S350、步骤S360和步骤S400的记载。
在一个应用场景中,获取的特征值为焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;其中,熔池图像参数包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;电弧声音参数包括平均频率和平均声强;实际作业参数至少包括电流值、电压值和送丝速度。基于上述特征值的分类,对每一特征值进行赋值,具体过程如下:
将熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度,分别标记为a1、a2、a3…a12
特征值变化速率的平均权重系数为ci
特征值变化速率为di
特征值偏移量的平均权重系数为wi
特征值偏移量为pi
获取到特征值的偏移量、偏移量平均权重系数和特征值的变化速率、变化速率平均权重系数后,通过如下公式计算出质量指数:
Figure GDA0003267434840000191
图7是本发明实施例提供的焊接过程质量判别装置中,各功能模块示意图。主要用来展示本发明焊接过程质量判别模块中各功能模块的配合关系示意图。
在本发明的一些实施方案中,如图1所示,本发明提供一种基于焊接过程信息融合的质量判别方法,所述方法包括:
获取焊接过程中焊缝的特征值;
提取特征值的第一特征向量和第二特征向量,第一特征向量指向采样周期的起始点,第二特征向量指向采样周期的终止点;
通过第一特征向量和第二特征向量确定在采样周期内焊缝的质量指数;
若质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。
具体来说,本发明通过对焊接过程不同种类传感信息特征进行融合处理,实现自动化焊接过程质量在线实时判别,为自动化焊接装备提供质量判断与分析能力,比依据单种信息特征具有更高的质量判别精度,从而可以省去作业人员实时跟踪,减少废品废件产生。
在一个实施例中,如图2所示,所述通过第一特征向量和第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:
根据第一特征向量和第二特征向量确认特征值在采样周期内的变化速率;
通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数;
根据特征值变化速率的平均权重系数和特征值的变化速率确定特征值的加权变化速率。
具体来说,由于对焊缝在焊接过程中的特征值进行获取时,会获取至少一个特征值,此特征值在采样周期内的变化速率能够反映出焊缝在采样周期内的焊接质量变化,当在一个采样周期内获取特征值较多时,对每个特征值的变化速率进行平均权重系数的计算,能够更准确的反映出焊缝在焊接过程中的参数变化,能够更准确的反映焊缝质量。
在一个实施例中,如图3所示,所述通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数的步骤,具体包括:
将焊获取到的全部特征值的变化速率放入特征池内;
从特征池内提取一个特征值的变化速率,将该特征值的变化速率赋予基础权重值,并对特征池内的其余特征值的变化速率赋予相对该基础权重值的相对权重值;
将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值变化速率下的平均权重值;
重复上述步骤,直至计算出特征池内的每一个特征值变化速率的平均权重值;
将全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数。
具体来说,通过将每个特征值的变化速率赋予基础权重值,并通过对其余特征值变化速率赋予相对该特征值变化速率的相对权重值,计算出对应每个特征值变化速率作为基础权重值下的平均权重值,再通过对全部平均权重值求和取平均值,获得特征值变化速率的平均权重系数,可以更准确的反应特征值变化速率。
在一个实施例中,如图4所示,所述通过第一特征向量和第二特征向量确定在采样周期内焊缝的质量指数的步骤中,还包括:
根据第一特征向量和第二特征向量确认特征值在采样周期内的偏移量;
通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数;
根据特征值偏移量的平均权重系数和特征值的偏移量确定特征值的加权偏移量。
具体来说,由于对焊缝在焊接过程中的特征值进行获取时,会获取至少一个特征值,此特征值在采样周期内的偏移量能够反映出焊缝在采样周期内的焊接质量变化,当在一个采样周期内获取特征值较多时,对每个特征值的偏移量进行平均权重系数的计算,能够更准确的反映出焊缝在焊接过程中的参数变化,能够更准确的反映焊缝质量。
在一个实施例中,如图5所示,所述通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数的步骤,具体包括:
将焊获取到的全部特征值的偏移量放入特征池内;
从特征池内提取一个特征值的偏移量,将该特征值的偏移量赋予基础权重值,并对特征池内的其余特征值的偏移量赋予相对该基础权重值的相对权重值;
将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值偏移量下的平均权重值;
重复上述步骤,直至计算出特征池内的每一个特征值偏移量的平均权重值;
将全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数。
具体来说,通过将每个特征值的偏移量赋予基础权重值,并通过对其余特征值偏移量赋予相对该特征值偏移量的相对权重值,计算出对应每个特征值偏移量作为基础权重值下的平均权重值,再通过对全部平均权重值求和取平均值,获得特征值偏移量的平均权重系数,可以更准确的反应特征值偏移量。
在一个实施例中,如图3、图5和图6所示,所述通过第一特征向量和第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:
通过将相对每个特征值的加权变化速率和/或加权偏移量求和得到质量指数。
具体来说,通过将焊接过程中获取到焊缝的每个特征值的加权变化速率和/或加权偏移量求和,实现对焊缝在采样周期内质量指数的精确判断,同时由于每个特征值的变化速率和偏移量均是通过加权之后获得的,更接近真实值。
在一个实施例中,所述获取焊接过程中焊缝的特征值的步骤中,具体包括:
至少获取焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;
其中,熔池图像参数至少包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;
电弧声音参数至少包括平均频率和平均声强;
实际作业参数至少包括电流值、电压值和送丝速度。
具体来说,通过将特征值细化为熔池图像参数、电弧声音参数和实际作业参数,实现了对焊接过程中焊缝质量的准确判别,通过多种特征值综合判断,可以更精确的获得焊缝在采样周期的焊接过程中,焊缝质量的变化情况,从而可以省去作业人员实时跟踪,减少废品废件产生。
在本发明的一些实施方案中,本发明提供一种基于焊接过程信息融合的质量判别装置,包括:
特征获取模块510,用于获取焊接过程中焊缝的特征值;
特征提取模块520,用于提取特征值的第一特征向量和第二特征向量,第一特征向量指向采样周期的起始点,第二特征向量指向采样周期的终止点;
计算模块530,通过第一特征向量和第二特征向量确定在采样周期内焊缝的质量指数;
判定模块540,用于将质量指数与预设范围值进行比对,若质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于焊接过程信息融合的质量判别方法,其特征在于,所述方法包括:
获取焊接过程中焊缝的特征值;
提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点;
通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数;
若所述质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格;
其中,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:
根据所述第一特征向量和所述第二特征向量确认特征值在采样周期内的变化速率;
通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数;
根据特征值变化速率的平均权重系数和特征值的变化速率确定特征值的加权变化速率;
其中,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,还包括:
根据所述第一特征向量和所述第二特征向量确认特征值在采样周期内的偏移量;
通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数;
根据特征值偏移量的平均权重系数和特征值的偏移量确定特征值的加权偏移量;
其中,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,还包括:
通过将相对每个特征值的加权变化速率和加权偏移量求和得到质量指数。
2.根据权利要求1所述的一种基于焊接过程信息融合的质量判别方法,其特征在于,所述通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数的步骤,具体包括:
将焊接过程中获取到的全部特征值的变化速率放入特征池内;
从所述特征池内提取一个特征值的变化速率,将该特征值的变化速率赋予基础权重值,并对所述特征池内的其余特征值的变化速率赋予相对该基础权重值的相对权重值;
将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值变化速率下的平均权重值;
重复上述步骤,直至计算出所述特征池内的每一个特征值变化速率的平均权重值;
将全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数。
3.根据权利要求1所述的一种基于焊接过程信息融合的质量判别方法,其特征在于,所述通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数的步骤,具体包括:
将焊接过程中获取到的全部特征值的偏移量放入特征池内;
从所述特征池内提取一个特征值的偏移量,将该特征值的偏移量赋予基础权重值,并对所述特征池内的其余特征值的偏移量赋予相对该基础权重值的相对权重值;
将基础权重值和全部的相对权重值求和并取平均值,并标记为该特征值偏移量下的平均权重值;
重复上述步骤,直至计算出所述特征池内的每一个特征值偏移量的平均权重值;
将全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数。
4.根据权利要求1至3任一所述的一种基于焊接过程信息融合的质量判别方法,其特征在于,所述获取焊接过程中焊缝的特征值的步骤中,具体包括:
至少获取焊接过程中的熔池图像参数、电弧声音参数和实际作业参数;
其中,所述熔池图像参数至少包括熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度;所述电弧声音参数至少包括平均频率和平均声强;所述实际作业参数至少包括电流值、电压值和送丝速度。
5.根据权利要求4所述的一种基于焊接过程信息融合的质量判别方法,其特征在于,所述提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点,以及所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数的步骤中,具体包括:
对熔池头长、熔池尾长、熔池宽度、电弧长度、电弧末端半径、熔池前端熔孔半径和平均灰度,平均频率和平均声强,电流值、电压值和送丝速度依次进行标记;
在一个采样周期内的起始点特征值标记为a1′、a2′、a3′...a12′;
在一个采样周期内的终止点特征值标记为a1、a2、a3...a12
每个特征值的变化速率为d1、d2、d3...d12
基于起始点特征值和终止点特征值计算出在采样周期内每个特征值的变化速率为di=(ai-a′i)/Δt ai
其中,di为变化速率;
Δt为采样周期的时间间隔;
对a1进行基础权重值的赋值,赋值为
Figure FDA0003430994780000031
a2、a3...a12的相对权重值赋值为
Figure FDA0003430994780000032
对a2进行基础权重值的赋值,赋值为
Figure FDA0003430994780000033
a1、a3...a12的相对权重值赋值为
Figure FDA0003430994780000034
依次对其余每一特征值基于该特征值变化速率为基础权重值下的全部特征值的平均权重值;
通过对全部平均权重值求和并取平均值,获得特征值变化速率的平均权重系数,公式如下:
Figure FDA0003430994780000041
将采样周期内的终止点标准值标记为b1、b2、b3...b12
每个特征值的偏移量为p1、p2、p3…p12
基于终止点特征值和终止点的标准值计算出在采样周期内每个特征值的偏移量:pi=(ai-bi)/bi
其中,pi为偏移量;
对a1进行基础权重值的赋值,赋值为
Figure FDA0003430994780000042
依次a2、a3...a12的相对权重值赋值为
Figure FDA0003430994780000043
对a2进行基础权重值的赋值,赋值为
Figure FDA0003430994780000044
依次a1、a3…a12的相对权重值赋值为
Figure FDA0003430994780000045
依次对其余每一特征值基于该特征值偏移量为基础权重值下的全部特征值的平均权重值;
通过对全部平均权重值求和并取平均值,获得特征值偏移量的平均权重系数,公式如下:
Figure FDA0003430994780000046
6.根据权利要求5所述的一种基于焊接过程信息融合的质量判别方法,其特征在于,获取到特征值的偏移量、偏移量平均权重系数和特征值的变化速率、变化速率平均权重系数后,通过如下公式计算出质量指数:
Figure FDA0003430994780000047
式中,特征值变化速率的平均权重系数为ci
特征值变化速率为di
特征值偏移量的平均权重系数为wi
特征值偏移量为pi
7.一种焊接过程的质量判别装置,其特征在于,包括:
特征获取模块,用于获取焊接过程中焊缝的特征值;
特征提取模块,用于提取特征值的第一特征向量和第二特征向量,所述第一特征向量指向采样周期的起始点,所述第二特征向量指向采样周期的终止点;
计算模块,通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数;
判定模块,用于将所述质量指数与预设范围值进行比对,若所述质量指数在预设范围值内,则判定在采样周期内的焊缝质量合格;
其中,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数中,具体包括:
根据所述第一特征向量和所述第二特征向量确认特征值在采样周期内的变化速率;
通过对采样周期内每个特征值变化速率进行权重系数的加权运算,获得特征值变化速率的平均权重系数;
根据特征值变化速率的平均权重系数和特征值的变化速率确定特征值的加权变化速率;
其中,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数中,还包括:
根据所述第一特征向量和所述第二特征向量确认特征值在采样周期内的偏移量;
通过对采样周期内每个特征值偏移量进行权重系数的加权运算,获得特征值偏移量的平均权重系数;
根据特征值偏移量的平均权重系数和特征值的偏移量确定特征值的加权偏移量;
其中,所述通过所述第一特征向量和所述第二特征向量确定在采样周期内焊缝的质量指数中,还包括:
通过将相对每个特征值的加权变化速率和加权偏移量求和得到质量指数。
CN202010663852.4A 2020-07-10 2020-07-10 基于焊接过程信息融合的质量判别方法及装置 Active CN111843272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010663852.4A CN111843272B (zh) 2020-07-10 2020-07-10 基于焊接过程信息融合的质量判别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010663852.4A CN111843272B (zh) 2020-07-10 2020-07-10 基于焊接过程信息融合的质量判别方法及装置

Publications (2)

Publication Number Publication Date
CN111843272A CN111843272A (zh) 2020-10-30
CN111843272B true CN111843272B (zh) 2022-02-22

Family

ID=72982903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010663852.4A Active CN111843272B (zh) 2020-07-10 2020-07-10 基于焊接过程信息融合的质量判别方法及装置

Country Status (1)

Country Link
CN (1) CN111843272B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113878201A (zh) * 2021-08-18 2022-01-04 中车青岛四方机车车辆股份有限公司 焊接过程控制方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0764495A1 (en) * 1995-09-20 1997-03-26 Miyachi Technos Corporation Inverter seam resistance welding electric power supply apparatus
CN104741802A (zh) * 2015-03-30 2015-07-01 中国石油天然气集团公司 一种焊接质量监测系统及方法
CN105855743A (zh) * 2016-05-04 2016-08-17 华中科技大学 一种焊接熔池动态过程在线监测系统及方法
CN107283037A (zh) * 2016-04-12 2017-10-24 韩电原子力燃料株式会社 核燃料棒电阻焊质量监测方法
CN107921587A (zh) * 2015-08-21 2018-04-17 株式会社达谊恒 电弧焊接质量判断系统
CN109530862A (zh) * 2018-11-23 2019-03-29 中车工业研究院有限公司 一种智能焊接控制方法及装置
CN111250890A (zh) * 2020-02-17 2020-06-09 南京未来网络产业创新有限公司 一种对接接头焊缝质量在线监测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0764495A1 (en) * 1995-09-20 1997-03-26 Miyachi Technos Corporation Inverter seam resistance welding electric power supply apparatus
CN104741802A (zh) * 2015-03-30 2015-07-01 中国石油天然气集团公司 一种焊接质量监测系统及方法
CN107921587A (zh) * 2015-08-21 2018-04-17 株式会社达谊恒 电弧焊接质量判断系统
CN107283037A (zh) * 2016-04-12 2017-10-24 韩电原子力燃料株式会社 核燃料棒电阻焊质量监测方法
CN105855743A (zh) * 2016-05-04 2016-08-17 华中科技大学 一种焊接熔池动态过程在线监测系统及方法
CN109530862A (zh) * 2018-11-23 2019-03-29 中车工业研究院有限公司 一种智能焊接控制方法及装置
CN111250890A (zh) * 2020-02-17 2020-06-09 南京未来网络产业创新有限公司 一种对接接头焊缝质量在线监测方法及装置

Also Published As

Publication number Publication date
CN111843272A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN115916452A (zh) 基于焊接数字数据模型的原位检查方法
CN115993807B (zh) 一种碳化硅的生产监测优化控制方法及系统
Li et al. A defect detection system for wire arc additive manufacturing using incremental learning
EP3176537A1 (en) System for automated in-process inspection of welds
CN111815555A (zh) 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置
CN115035120B (zh) 基于物联网的机床控制方法及系统
Aviles-Viñas et al. On-line learning of welding bead geometry in industrial robots
CN113732558B (zh) 机器人焊接典型质量问题在线检测方法及装置
JP2019135638A (ja) 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法
CN111843272B (zh) 基于焊接过程信息融合的质量判别方法及装置
Rios-Cabrera et al. Robotic GMAW online learning: issues and experiments
CN114012210A (zh) 电弧增材过程的沉积质量判断系统及方法
CN115415549B (zh) 基于非线性自回归神经网络的激光熔覆平整化控制系统与方法
CN114119595A (zh) 一种基于集成深度学习的gmaw焊接质量在线监测及评价方法
CN111331211A (zh) 电火花小孔加工在线穿透检测方法
Liu et al. An explainable laser welding defect recognition method based on multi-scale class activation mapping
Aviles-Viñas et al. Acquisition of welding skills in industrial robots
CN115775249A (zh) 一种增材制造造件成形质量监测方法、系统及存储介质
CN115121895A (zh) 基于深度学习的选择波峰焊预警方法、装置及存储介质
US8426771B2 (en) Method of monitoring machine condition
CN115687961B (zh) 一种基于模式识别的自动焊接工序智能识别方法
CN115106615B (zh) 一种基于工况智能识别的焊偏实时检测方法及系统
CN115861187A (zh) 一种激光沉积增材制造在线监测系统及方法
Couto et al. Mapping of bead geometry in wire arc additive manufacturing systems using passive vision
JP7229338B2 (ja) 検査装置及び検査方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant