CN113093584A - 焊接异常检测方法、装置、计算机设备和存储介质 - Google Patents
焊接异常检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113093584A CN113093584A CN202110228453.XA CN202110228453A CN113093584A CN 113093584 A CN113093584 A CN 113093584A CN 202110228453 A CN202110228453 A CN 202110228453A CN 113093584 A CN113093584 A CN 113093584A
- Authority
- CN
- China
- Prior art keywords
- welding
- signal
- parameter
- detected
- similarity
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种焊接异常检测方法、装置、计算机设备和存储介质。本申请通过获取焊接异常检测请求;获取待测焊接信号对应的预设基准焊接信号;确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数;根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。本申请通过在获取焊接异常检测请求后,确定待测焊接信号与预设基准焊接信号,而后计算两个信号的信号相似度以及调参指数,从而确定焊接异常检测请求对应的焊接异常检测结果。本申请通过信号相似度以及调参指数来进行异常焊接的检测,能够在焊接参数被调节的情况下也能进行准确地进行焊接异常检测,有效提高焊接异常检测的准确率。
Description
技术领域
本申请涉及焊接技术领域,特别是涉及一种焊接异常检测方法、装置、计算机设备和存储介质。
背景技术
焊接是机械制造领域最重要的工艺之一,根据焊接性质、方式、应用场合等方面的不同,焊接可分为手工焊接、半自动焊接、自动焊接等形式。由于焊接过程中焊接异常的发生,往往会导致焊接品出现漏焊、焊穿、焊缝成型不均匀等现象。因此,需要在焊接完成后进行焊接异常检测,从而保证焊接品的质量。
目前对焊接异常检测的方法一般是针对焊接能量进行检测,这种检测的方式主要通过设置一个可接受的焊接能量的数值范围来判断焊接的效果,而判断的结果通常显示为符合或不符合要求。但是这种方法无法准确全面地反映焊接过程中的焊接信号信息,从而影响焊接异常检测过程的检测准确率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高焊接异常检测过程检测准确率的焊接异常检测方法、装置、计算机设备和存储介质。
一种焊接异常检测方法,所述方法包括:
获取焊接异常检测请求,确定所述焊接异常检测请求对应的待测焊接信号;
确定所述待测焊接信号与所述预设基准焊接信号的信号相似度以及调参指数,所述调参指数用于表征所述待测焊接信号与所述预设基准焊接信号在焊接过程中变化的调节参数;
根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
在其中一个实施例中,所述确定所述待测焊接信号与预设基准焊接信号的信号相似度以及调参指数之前,还包括:
获取焊接历史数据中所述待测焊接信号对应的焊接样本信号;
当所述焊接样本信号的数量达到预设数量时,对所述焊接样本信号进行数据重构,获取重构样本信号;
对所述重构样本信号进行归一化处理,获取归一化样本信号;
根据所述归一化样本信号获取所述预设基准焊接信号。
在其中一个实施例中,所述根据所述归一化样本信号获取预设基准焊接信号包括:
将所述归一化样本信号映射至预设特征空间,获取样本特征空间;
获取各归一化样本信号与所述样本特征空间中质心的距离;
将与所述质心距离最近的归一化样本信号作为预设基准焊接信号。
在其中一个实施例中,所述确定所述待测焊接信号与所述预设基准焊接信号的信号相似度包括:
通过皮尔逊相关系数法确定所述待测焊接信号与所述预设基准焊接信号中各参数对应的参数信号相似度;
根据所述各参数对应的参数信号相似度,确定所述待测焊接信号与所述预设基准焊接信号的信号相似度。
在其中一个实施例中,所述确定所述待测焊接信号与所述预设基准焊接信号的调参指数包括:
确定所述待测焊接信号与所述预设基准焊接信号之间的参数规整距离以及曼哈顿距离;
根据所述参数规整距离以及所述曼哈顿距离,确定所述待测焊接信号与所述预设基准焊接信号的调参指数。
在其中一个实施例中,所述根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果之后,还包括:
当所述焊接异常检测结果为异常焊接时,生成所述焊接异常检测结果对应的焊接检测报告;
反馈所述焊接检测报告。
一种焊接异常检测装置,所述装置包括:
请求获取模块,用于获取焊接异常检测请求,确定所述焊接异常检测请求对应的待测焊接信号;
检测参数获取模块,用于确定所述待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,所述调参指数用于表征所述待测焊接信号对应焊接过程与所述预设基准焊接信号对应焊接过程的焊接参数调节数据;
检测结果获取模块,用于根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
在其中一个实施例中,
还包括基准焊接信号获取模块,所述基准焊接信号获取模块具体用于:
获取焊接历史数据中所述待测焊接信号对应的焊接样本信号;
当所述焊接样本信号的数量达到预设数量时,对所述焊接样本信号进行数据重构,获取重构样本信号;
对所述重构样本信号进行归一化处理,获取归一化样本信号;
根据所述归一化样本信号获取预设基准焊接信号。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取焊接异常检测请求,确定所述焊接异常检测请求对应的待测焊接信号;
确定所述待测焊接信号与所述预设基准焊接信号的信号相似度以及调参指数,所述调参指数用于表征所述待测焊接信号与所述预设基准焊接信号在焊接过程中变化的调节参数;
根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取焊接异常检测请求,确定所述焊接异常检测请求对应的待测焊接信号;
确定所述待测焊接信号与所述预设基准焊接信号的信号相似度以及调参指数,所述调参指数用于表征所述待测焊接信号与所述预设基准焊接信号在焊接过程中变化的调节参数;
根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
上述焊接异常检测方法、装置、计算机设备和存储介质,通过获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号;确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数;根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。本申请通过在获取焊接异常检测请求后,确定待测焊接信号与预设基准焊接信号,而后计算两个信号的信号相似度以及调参指数,从而确定焊接异常检测请求对应的焊接异常检测结果。本申请通过信号相似度以及调参指数来进行异常焊接的检测,能够在焊接参数被调节的情况下也能进行准确地进行焊接异常检测,有效提高焊接异常检测的准确率。
附图说明
图1为一个实施例中焊接异常检测方法的应用环境图;
图2为一个实施例中焊接异常检测方法的流程示意图;
图3为一个实施例中根据焊接样本信号获取预设基准焊接信号步骤的流程示意图;
图4为一个实施例中根据归一化样本信号获取待测焊接信号对应的预设基准焊接信号步骤的流程示意图;
图5为一个实施例中样本特征空间的示意图;
图6为一个实施例中获取信号相似度步骤的流程示意图;
图7为一个实施例中获取调参指数步骤的流程示意图;
图8为一个实施例中动态时间规整的距离的示意图;
图9为一个实施例中曼哈顿距离的示意图;
图10为一个实施例中信号A与信号B调参指数计算结果的示意图;
图11为一个实施例中通过异常检测模型实现焊接异常检测的示意图;
图12为一个实施例中两个信号间参数对比的示意图;
图13为一个实施例中焊接异常检测装置的结构框图;
图14为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的焊接异常检测方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。其中,当终端102方的焊接检测工作人员需要针对焊接的结果进行检测,判断焊接是否存在异常时。可以通过发送相应的焊接异常检测请求至服务器104,同时提交焊接异常检测请求对应的焊接数据。由服务器104来对这些焊接数据进行检测,来判断焊接过程是否存在焊接异常的情况。服务器104获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号;确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,调参指数用于表征待测焊接信号对应焊接过程与预设基准焊接信号对应焊接过程的焊接参数调节数据预设基准焊接信号;根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个具体地实施例中,服务器104还可以通过PLC(Programmable Logic Controller,可编辑逻辑控制器)来实现。
在一个实施例中,如图2所示,提供了一种焊接异常检测方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤201,获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号。
其中,焊接异常检测请求用于请求服务器104针对指定的焊接数据进行异常检测,来判断焊接数据对应的焊接过程是否存在异常。待测焊接信号具体是指焊接过程中产生的各种数据,如对于超声波电焊,待测焊接信号包括焊接过程中的电流,相位,振幅,频率,功率和PWM(Pulse width modulation,脉冲宽度调制)幅值等诸多参数数据。而对于其他电焊方式,也有着对应类型的焊接参数数据。
具体地,当终端102方的焊接检测工作人员在焊接完成后,如果需要对焊接过程进行校验,保证焊接结果不出现异常时,可以发送焊接异常检测请求至服务器104,以请求服务器104来进行相应的焊接异常检测。在其中一个实施例中,焊接异常检测请求可以在焊接完成后自动发送至服务器104,而不需要工作人员手动发送,通过自动发送焊接异常检测请求,可以有效提高检测效率。服务器104则在接收到焊接异常检测请求,进一步确定焊接异常检测请求对应的待测焊接信号。在其中一个实施例中,焊接异常检测请求可以包含对应的待测焊接信号。在另一个实施例中,焊接异常检测请求可以包含对应的焊接数据的数据标记或者存储地址等信息,而服务器104在焊接异常检测请求后,即可根据数据标记或者存储地址来确定焊接异常检测请求对应的待测焊接信号。
步骤203,确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,调参指数用于表征待测焊接信号对应焊接过程与预设基准焊接信号对应焊接过程的焊接参数调节数据。
其中,预设基准焊接信号与待测焊接信号对应,包含与待测焊接信号相同类型的各种参数数据,其具体参数数值用于表征正常焊接过程中的各类参数数据的数值。信号相似度用于表征待测焊接信号与预设基准焊接信号之间的相关程度。相似度越高,代表待测焊接信号代表的待测焊接过程与预设基准焊接信号表征的标准焊接过程越相似,即待测焊接过程越接近标准焊接过程,焊接异常的可能性越低。具体地,在检测信号相似度时,通过将待测焊接信号与预设基准焊接信号中的参数数据进行单一对比,而后基于所有参数数据的对比结果得到最终的信号相似度。而调参指数用于表征待测焊接信号对应焊接过程,对比预设基准焊接信号对应焊接过程的参数调节情况,即计算参数调整的可能性程度。在实际焊接调试中,工程师有时会根据工况来修改现场的焊接参数。例如时间参数调整后,电流的峰值会发生偏移。如果只是峰值偏移,强度不变的话,很可能只是工程师略微调整了系统的时间,而这种时间的略微调整不会对焊接的效果有很大影响,所以本申请通过调参指数来识别这种参数调节情况,从而全面地反映焊接过程中的焊接信号信息,提高焊接异常检测过程的检测准确率。调参指数也是与参数数据一一对应的,一组待测焊接信号包含有多个不同类型的调参参数。
具体地,具体地,服务器内预存了焊接正常时,焊接过程中的电流,相位,振幅,频率,功率和PWM幅值等诸多参数数据的正常数值,并将这些数据以预设基准焊接信号的形式进行保存。当需要进行焊接异常检测时,即可预设基准焊接信号,而后基于预设基准焊接信号来对待测焊接信号对应的焊接过程进行异常检测。特别地,获取的待测焊接信号的采集步调与预设基准焊接信号的采集步调是一样的。这里的步调指的是在一个采样周期内采样的次数是一样的。例如,在预设基准焊接信号采样时,在整个采样周期内,按照时间的顺序采样了300次,即将一个采样周期分为300个时间段,每个时间段采样一次。在获取待测试焊接信号时,采样的次数也同样要保持300次,即也将一个采样周期分为300个时间段,每个时间段采样一次。这样做的目的是为预设基准焊接信号和待测试焊接信号之间的相似度对比提供一致的数据基础,保证判断的准确性。而后,当服务器104在得到待测焊接信号与预设基准焊接信号后,可以通过预设的相似度计算方法以及调参指数计算方法,来计算待测焊接信号与预设基准焊接信号的信号相似度以及调参指数。例如可以通过皮尔逊相关系数法来计算两个信号间参数的相似度,通过基于曼哈顿距离的参数计算法来计算两个参数信号间参数的调参指数。
步骤205,根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
具体地,在计算得到信号相似度以及调参参数后,即可根据信号相似度以及调参指数来进行焊接异常的判定。例如,可以预先设置信号相似度阈值或者调参指数的指数参考范围。当信号相似度低于信号相似度阈值时,即可判定焊接异常检测请求对应的焊接异常检测结果为焊接异常。或者当调参指数不在指数参考范围内时,即可判定焊接异常检测请求对应的焊接异常检测结果为焊接异常。在另一个实施例中,还可以生成信号相似度以及调参指数的数值,或者输入信号相似度以及调参指数对应的检测信号图表,更直观的反应两组信号的差异。并将生成的参数数值或者检测信号图表通过接口发送给上位机系统,如HMI(Human Machine Interface,人机接口)界面或者MES(manufacturing executionsystem,制造之星系统)系统。帮助工程师进行现场的决策,或者及时发现异常原因。
上述焊接异常检测方法,通过获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号;确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数;根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。本申请通过在获取焊接异常检测请求后,确定待测焊接信号与预设基准焊接信号,而后计算两个信号的信号相似度以及调参指数,从而确定焊接异常检测请求对应的焊接异常检测结果。本申请通过信号相似度以及调参指数来进行异常焊接的检测,能够在焊接参数被调节的情况下也能进行准确地进行焊接异常检测,有效提高焊接异常检测的准确率。本申请,能够直观且具体的反应出当前实时采集的待测焊接信号与选定的标准的预设基准焊接信号的具体相似度,对焊接效果的阈值设定、异常判断均可以提供更良好且更具体的数据支撑;同时,能够输出调参指数,反应工程师进行参数调整的可能性,减少误判。
在一个实施例中,如图3所示,步骤203之前,还包括:
步骤302,获取焊接历史数据中待测焊接信号对应的焊接样本信号。
具体地,首先,获取若干份焊接信号的样本,为了筛选出更好的基准焊接信号,样本信号的数量越多越好,例如为10万份。每完成一次焊接即可获取一份完整的样本。每一份样本信号包括电流,相位,振幅,频率,功率和PWM幅值等诸多参数,上位机采集每次焊接过程中的这些参数,将其保存到本地,以下以焊接样本信号的采样周期采集数量为300举例说明。具体地,每个参数在一个采样周期内均按照时间顺序采集300个,即每次焊接过程会生成6*300即1800个采样点。
步骤304,当焊接样本信号的数量达到预设数量时,对焊接样本信号进行数据重构,获取重构样本信号。
针对离线数据中过采样和采样不足的情况,即每个参数的采样点的个数超过或者不足300个,首先判断现有的采样点的个数是否达到预设数量,例如当采样点的个数在280个~320个之间,则认为符合要求。如果符合要求,则进行数据的重构,如果不符合要求,则直接舍弃该组信号。
而数据的重构是指将每个信号的长度(即采样点)填充或删减至相同的个数。数据的重构有很多的方法,例如需要填充时,可以采用滑动平均法,或者直接补零法;当需要删减时,可以前后删除或者中间删除等等,此处不做具体的限制。只要保证每个参数的采样点的个数是统一的300个即可。
步骤306,对重构样本信号进行归一化处理,获取归一化样本信号。
归一化的公式是:
其中,X是指针对一个参数的300个采样点中的任意一个采样点,Xmin是指针对一个参数的300个采样点中的最小值,Xmin是指针对一个参数的300个采样点中的最大值,Xnorm是归一化后得到的一个位于0~1之间的数值。以电流参数为例,选取一次焊接信号中的300个电流值中的最大值减最小值作为分母,然后再将每个电流值减去最小值作为分子,得到的300个数则全部位于0~1之间。以同样的方法可以将相位,振幅,频率,功率和PWM幅值都进行归一化。
因为电流,相位,振幅等各个参数的单位都不一样,后续为了挑选出最理想的基准焊接信号时,需要将这些数据进行综合比较,而单位的存在使数据的分布变得分散,使数据的比较变得繁琐。所以进行归一化的优点在于提高后续数据处理的效率,使数据的比较更简便。
步骤308,根据归一化样本信号获取预设基准焊接信号。
具体地,当完成上述过程的数据预处理后,还可以进行数据的筛选过滤。即采用异常检测算法,例如可以用孤立森林,单分类支持向量机,受限玻尔兹曼机,LSTM(长短期记忆网络)等来构建模型。因为目的是筛选出最理想的基准焊接信号,所以只希望保留绝对合格的样本即可,即用较大的比例剔除所有可能的异常点,例如以50%的程度来过滤。结合到本实施方式就是从10万份焊接信号的样本中,筛选出5万份绝对合格的焊接信号的样本。每一份焊接信号的样本都包括电流、相位等参数信息。而后基于归一化后的样本信号即可获取标准的预设基准焊接信号。本实施例中,通过对焊接样本信号进行定量筛选、数据重构以及归一化等处理,可以有效地进行焊接异常检测,提高焊接异常检测过程的检测准确率。
如图4所示,在其中一个实施例中,步骤308包括:
步骤401,将归一化样本信号映射至预设特征空间,获取样本特征空间。
步骤403,获取各归一化样本信号与样本特征空间中质心的距离。
步骤405,将与质心距离最近的归一化样本信号作为预设基准焊接信号。
具体地,当剔除了所有可能的异常样本后,把剩余的样本点映射到预设特征空间内,得到样本特征空间,如图5所示,所有圆圈表示保留下来的绝对合格的样本点。求出它们的平均值(即样本特征空间的质心),即星星所示。那么距离平均值最近的合格样本就被筛选为基准焊接信号。其中,样本之间的度量方式包括但不限于欧氏距离,马氏距离,曼哈顿距离等。结合到本实施方式,即对5万份焊接信号的样本计算平均值,然后挑选出离平均值最近的一个样本,这个样本则被选为基准焊接信号。在其他的实施方式中,也可以直接将这个平均值作为基准焊接信号,即直接利用这个计算出的虚拟的焊接信号作为基准焊接信号。这样做的优点是在计算出平均值后,可以省略后续的挑选出离平均值最近的一个样本的步骤,提高了效率,使基准焊接信号更接近理想值。在一些其他的实施方式中,基准焊接信号的选取也可以是人工直接从一些样本中直接选取一个。人工选取的方式主要适用于当样本数据还不够大,暂时无法筛选出合适的基准焊接信号的情况。尤其是产品变化,负载变化,工况变化,参数调整等情况,可以采用人工选取基准焊接信号的方式来保证整套系统顺利运行。可知,基准焊接信号的选取是一个预先完成的工作,无论是通过样本数据的选取,还是人工选取,都是系统还没有正式运行时的准备工作。选取到合适的基准焊接信号后,将其保存至异常检测模型,焊接系统才正式开始运行。本实施例中,将各归一化样本信号与样本特征空间中质心的距离作为预设基准焊接信号的选取基准,可以有效保证预设基准焊接信号选取的准确性。
在其中一个实施例中,如图6所示,步骤205包括:
步骤601,通过皮尔逊相关系数法确定待测焊接信号与预设基准焊接信号中各参数对应的参数信号相似度。
步骤603,根据各参数对应的参数信号相似度,确定待测焊接信号与预设基准焊接信号的信号相似度。
其中,皮尔逊相关系数的公式为:
皮尔逊相关系数是指两个变量(公式中的X和Y)的协方差和标准差的商,是衡量两个变量相关程度的一种方法。应用到本发明的焊接检测中,两个变量分别则为待测试焊接信号和基准焊接信号。皮尔逊相关系数的取值范围是[-1,1],相关系数的绝对值越大,表示两个变量的相关程度越高,当值为正数时表示正相关,负数时表示负相关。本实施方式用皮尔逊相关系数来作为相似度的计算方式,将待测试焊接信号和基准焊接信号作为两个变量代入公式,则得到待测试焊接信号和基准焊接信号的相似度。具体的,以电流为例,将待测试焊接信号的电流作为X,基准焊接信号的电流作为Y,代入皮尔逊相关系数的公式,则可以得到待测试焊接信号的电流和基准焊接信号的电流的相似度;同理,相位等各参数依次类推。
在本实施方式中,信号相似度的输出可以是各参数相似度中的最小值作为整体信号的相似度。例如电流的相似度为90%,相位的相似度为91%,振幅的相似度为92%,频率的相似度为93%,功率的相似度为92%和PWM幅值的相似度为91%,则认为整体信号的相似度为90%,即最终的输出为相似度90%。
当然,在其他实施方式中,也可以将各参数的相似度取平均值作为整体信号的相似度。
在一些更优选的实施方式中,还可以设置相应的特征权重配比,即为电流、相位等各焊接参数配置不同的权重。在焊接过程中,每个参数的重要性不一样,如果把所有参数按同等的权重进行算法建模,容易出现误判的风险。在实际应用中,电流,相位和功率的具有更重要的参考意义,因此需要提升这类关键参数的权重。例如,将电流,相位和功率配置为各占30%的比重,振幅占4%,频率占3%,PWM幅值占3%,当电流的相似度为90%,相位的相似度为91%,振幅的相似度为92%,频率的相似度为93%,功率的相似度为92%和PWM幅值的相似度为91%,则整个信号的相似度为30%*90%+30%*91%+30%*92%+4%*92%+3%*93%+3%*91%=91.1%,即最终的输出为相似度91.1%。本实施例中,通过皮尔逊相关系数法可以有效计算参数信号之间的相似度,提高焊接异常检测计算的准确率。
在其中一个实施例中,如图7所示,步骤205还包括:
步骤702,确定待测焊接信号与预设基准焊接信号之间的参数规整距离以及曼哈顿距离。
步骤704,根据参数规整距离以及曼哈顿距离,确定待测焊接信号与预设基准焊接信号的调参指数。
具体地,在实际焊接调试中,工程师有时会根据工况来修改现场的焊接参数。例如时间参数调整后,电流的峰值会发生偏移。如果只是峰值偏移,强度不变的话,很可能只是工程师略微调整了系统的时间,而这种时间的略微调整不会对焊接的效果有很大影响,所以本申请通过调参指数来识别这种参数调节情况,即用“距离算法”来识别这种参数调节情况。
首先定义调参指数p_index,
其中,如对于时间的调整,分子distanceDTW是参数规整距离中动态时间规整的距离,分母distanceManhattan是曼哈顿距离。图8是动态时间规整的距离的示意图,图9是曼哈顿距离的示意图。下面简单描述动态时间规整的距离和曼哈顿距离的计算方法。
如图10所示,A和B分别代表两个信号,信号A:A(1),A(2)…A(n)和信号B:B(1),B(2)…B(n)的长度均为n,其中A(i)是信号A中的第i个信号点的值。B同理。
信号A和B的动态时间规整的距离distanceDTW需要递推求解,定义初始值L(1,1)=|A(1)-B(1)|,递归规则为L(i,j)=|A(i)-B(j)|+min{L(i,j-1),L(i-1,j),L(i-1,j-1)},
最终距离为distanceDTW=L(n,n)。
由上述公式可知,曼哈顿距离是将同一个时刻的两个信号的差值不断累积;而动态时间规整的距离是寻找附近差值最小的两个信号点,将这两个信号点的差值作为最终的距离值。可知,如果两个信号只是发生时间上的平移,且将初始值定为0,则动态时间规整的距离值的将一直是0。
应用到本实施方式,待测试焊接信号和基准焊接信号分别为上述的A和B。如果信号只是向后平移,针对动态时间规整的距离而言,最终计算出的距离的值为0,而曼哈顿距离会不断累积,得到一个较大的值。因此,只需要将动态时间规整的距离和曼哈顿距离的商作为指标,就可以推断焊接信号是否因为参数调整使得信号发生平移。即p_index越大,则焊接过程调参的可能性越大。本实施例中,通过动态时间规整的距离以及曼哈顿距离可以有效计算调参指数,从而提高焊接异常检测的准确率。
在其中一个实施例中,步骤207之后,还包括:当焊接异常检测结果为异常焊接时,生成焊接异常检测结果对应的焊接检测报告;反馈焊接检测报告。
具体地,当触发异常报警时,服务器104可以自动生成该异常信号的检测报告,报告的内容包括但不限于焊接的时间,电芯的编码,极耳的编码,相似度,各参数的曲线对比图,调参指数等等。而后反馈生成的焊接检测报告至终端102的焊接检测工作人员端,方便故障记录和追溯。本实施例中,通过生成并反馈焊接检测报告可以更直观且有效地对焊接异常进行汇报,提高焊接异常检测过程的反应速度。
具体地,在一个实施例中,服务器104包括异常检测模型,异常检测模型用于实现上述过程的焊接异常检测。焊接检测的具体过程为:首先在本地数据中选取基准焊接信号,选取的方法可以是前述的通过样本选取或者人工选取,选取的基准焊接信号则认为是样本中最优的焊接信号,用于作为后续的待测试焊接信号的判断基准。开始焊接后,服务器104通过相应接口实时采集焊接过程中的待测试焊接信号。采集数据接口包括但不限于TCP/IP,websocket,opcua,mqtt等。将采集到的待测试焊接信号进行预处理,预处理的具体方法与基准焊接信号的预处理方法相同,此处不再赘述。如图11所示,将基准焊接信号和待测试焊接信号作为异常检测模型的两个输入,由异常检测模型的相似度判断子模块判断出基准焊接信号和待测试焊接信号的相似程度,由调参指数计算子模块计算出待测试焊接信号相较于基准焊接信号的参数调整的可能性程度。异常检测模型输出基准焊接信号和待测试焊接信号的相似度及调参指数。并通过接口发送给上位机系统,如HMI界面或者MES系统。在一些实施方式中,可以仅输出相似度和调参指数的数值。在一些其他的实施方式中,也可以输出基准焊接信号和待测试焊接信号的各参数的对比图。如图12所示,输出两组信号的各参数对比图,能够更直观的反应两组信号的差异,帮助工程师进行现场的决策,或者及时发现异常原因。此外,还可以根据现场的实际情况设置相似度阈值,当超过阈值时,触发报警,将报警信号传递给接口,接口连接报警的装置,可以发出声音或光等提示信息;当未超过阈值,则不进行任何操作,持续检测。可选的,当触发异常报警时,系统自动生成该异常信号的检测报告,报告的内容包括但不限于焊接的时间,电芯的编码,极耳的编码,相似度,各参数的曲线对比图,调参指数等等。方便故障记录和追溯。当然,本申请的实施例主要以超声波的焊接检测为例,但本申请的焊接系统同样适用于激光焊接检测等其他焊接检测,只是具体的参数存在差异。甚至在一些其他的产品质量检测也可以使用。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图13所示,提供了一种焊接异常检测装置,包括:
请求获取模块1302,用于获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号。
检测参数获取模块1304,用于确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,调参指数用于表征待测焊接信号对应焊接过程与预设基准焊接信号对应焊接过程的焊接参数调节数据。
检测结果获取模块1306,用于根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
在其中一个实施例中,还包括基准焊接信号获取模块,具体用于:获取焊接历史数据中待测焊接信号对应的焊接样本信号;当焊接样本信号的数量达到预设数量时,对焊接样本信号进行数据重构,获取重构样本信号;对重构样本信号进行归一化处理,获取归一化样本信号;根据归一化样本信号获取预设基准焊接信号。
在其中一个实施例中,基准焊接信号获取模块还用于:将归一化样本信号映射至预设特征空间,获取样本特征空间;获取各归一化样本信号与样本特征空间中质心的距离;将与质心距离最近的归一化样本信号作为预设基准焊接信号。
在其中一个实施例中,检测参数获取模块1304具体用于:通过皮尔逊相关系数法确定待测焊接信号与预设基准焊接信号中各参数对应的参数信号相似度;根据各参数对应的参数信号相似度,确定待测焊接信号与预设基准焊接信号的信号相似度。
在其中一个实施例中,检测参数获取模块1304还用于:确定待测焊接信号与预设基准焊接信号之间的参数规整距离以及曼哈顿距离;根据参数规整距离以及曼哈顿距离,确定待测焊接信号与预设基准焊接信号的调参指数。
在其中一个实施例中,还包括报告生成模块,用于:当焊接异常检测结果为异常焊接时,生成焊接异常检测结果对应的焊接检测报告;反馈焊接检测报告。
关于焊接异常检测装置的具体限定可以参见上文中对于焊接异常检测方法的限定,在此不再赘述。上述焊接异常检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储流量转发数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种焊接异常检测方法。
本领域技术人员可以理解,图14中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号;
确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,调参指数用于表征待测焊接信号对应焊接过程与预设基准焊接信号对应焊接过程的焊接参数调节数据;
根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取焊接历史数据中待测焊接信号对应的焊接样本信号;当焊接样本信号的数量达到预设数量时,对焊接样本信号进行数据重构,获取重构样本信号;对重构样本信号进行归一化处理,获取归一化样本信号;根据归一化样本信号获取预设基准焊接信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将归一化样本信号映射至预设特征空间,获取样本特征空间;获取各归一化样本信号与样本特征空间中质心的距离;将与质心距离最近的归一化样本信号作为预设基准焊接信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过皮尔逊相关系数法确定待测焊接信号与预设基准焊接信号中各参数对应的参数信号相似度;根据各参数对应的参数信号相似度,确定待测焊接信号与预设基准焊接信号的信号相似度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定待测焊接信号与预设基准焊接信号之间的参数规整距离以及曼哈顿距离;根据参数规整距离以及曼哈顿距离,确定待测焊接信号与预设基准焊接信号的调参指数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当焊接异常检测结果为异常焊接时,生成焊接异常检测结果对应的焊接检测报告;反馈焊接检测报告。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取焊接异常检测请求,确定焊接异常检测请求对应的待测焊接信号;
确定待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,调参指数用于表征待测焊接信号对应焊接过程与预设基准焊接信号对应焊接过程的焊接参数调节数据;
根据信号相似度以及调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取焊接历史数据中待测焊接信号对应的焊接样本信号;当焊接样本信号的数量达到预设数量时,对焊接样本信号进行数据重构,获取重构样本信号;对重构样本信号进行归一化处理,获取归一化样本信号;根据归一化样本信号获取预设基准焊接信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将归一化样本信号映射至预设特征空间,获取样本特征空间;获取各归一化样本信号与样本特征空间中质心的距离;将与质心距离最近的归一化样本信号作为预设基准焊接信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过皮尔逊相关系数法确定待测焊接信号与预设基准焊接信号中各参数对应的参数信号相似度;根据各参数对应的参数信号相似度,确定待测焊接信号与预设基准焊接信号的信号相似度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定待测焊接信号与预设基准焊接信号之间的参数规整距离以及曼哈顿距离;根据参数规整距离以及曼哈顿距离,确定待测焊接信号与预设基准焊接信号的调参指数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当焊接异常检测结果为异常焊接时,生成焊接异常检测结果对应的焊接检测报告;反馈焊接检测报告。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(StaticRandomAccessMemory,SRAM)或动态随机存取存储器(DynamicRandomAccessMemory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种焊接异常检测方法,所述方法包括:
获取焊接异常检测请求,确定所述焊接异常检测请求对应的待测焊接信号;
确定所述待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,所述调参指数用于表征所述待测焊接信号对应焊接过程与所述预设基准焊接信号对应焊接过程的焊接参数调节数据;
根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
2.根据权利要求1所述的方法,其特征在于,所述确定所述待测焊接信号与预设基准焊接信号的信号相似度以及调参指数之前,还包括:
获取焊接历史数据中所述待测焊接信号对应的焊接样本信号;
当所述焊接样本信号的数量达到预设数量时,对所述焊接样本信号进行数据重构,获取重构样本信号;
对所述重构样本信号进行归一化处理,获取归一化样本信号;
根据所述归一化样本信号获取预设基准焊接信号。
3.根据权利要求2所述的方法,其特征在于,所述根据所述归一化样本信号获取预设基准焊接信号包括:
将所述归一化样本信号映射至预设特征空间,获取样本特征空间;
获取各归一化样本信号与所述样本特征空间中质心的距离;
将与所述质心距离最近的归一化样本信号作为预设基准焊接信号。
4.根据权利要求1所述的方法,其特征在于,所述确定所述待测焊接信号与所述预设基准焊接信号的信号相似度包括:
通过皮尔逊相关系数法确定所述待测焊接信号与所述预设基准焊接信号中各参数对应的参数信号相似度;
根据所述各参数对应的参数信号相似度,确定所述待测焊接信号与所述预设基准焊接信号的信号相似度。
5.根据权利要求1所述的方法,其特征在于,所述确定所述待测焊接信号与所述预设基准焊接信号的调参指数包括:
确定所述待测焊接信号与所述预设基准焊接信号之间的参数规整距离以及曼哈顿距离;
根据所述参数规整距离以及所述曼哈顿距离,确定所述待测焊接信号与所述预设基准焊接信号的调参指数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果之后,还包括:
当所述焊接异常检测结果为异常焊接时,生成所述焊接异常检测结果对应的焊接检测报告;
反馈所述焊接检测报告。
7.一种焊接异常检测装置,其特征在于,所述装置包括:
请求获取模块,用于获取焊接异常检测请求,确定所述焊接异常检测请求对应的待测焊接信号;
检测参数获取模块,用于确定所述待测焊接信号与预设基准焊接信号的信号相似度以及调参指数,所述调参指数用于表征所述待测焊接信号对应焊接过程与所述预设基准焊接信号对应焊接过程的焊接参数调节数据;
检测结果获取模块,用于根据所述信号相似度以及所述调参指数,确定焊接异常检测请求对应的焊接异常检测结果。
8.根据权利要求7所述的装置,其特征在于,还包括基准焊接信号获取模块,所述基准焊接信号获取模块具体用于:
获取焊接历史数据中所述待测焊接信号对应的焊接样本信号;
当所述焊接样本信号的数量达到预设数量时,对所述焊接样本信号进行数据重构,获取重构样本信号;
对所述重构样本信号进行归一化处理,获取归一化样本信号;
根据所述归一化样本信号获取预设基准焊接信号。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110228453.XA CN113093584B (zh) | 2021-03-02 | 2021-03-02 | 焊接异常检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110228453.XA CN113093584B (zh) | 2021-03-02 | 2021-03-02 | 焊接异常检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113093584A true CN113093584A (zh) | 2021-07-09 |
CN113093584B CN113093584B (zh) | 2022-06-14 |
Family
ID=76667912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110228453.XA Active CN113093584B (zh) | 2021-03-02 | 2021-03-02 | 焊接异常检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093584B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113878214A (zh) * | 2021-12-08 | 2022-01-04 | 苏芯物联技术(南京)有限公司 | 基于lstm与残差分布的焊接质量实时检测方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10160451A (ja) * | 1996-11-26 | 1998-06-19 | Sumitomo Metal Ind Ltd | 突き合わせ溶接部の異常原因判定装置 |
JP2007111745A (ja) * | 2005-10-20 | 2007-05-10 | Denso Corp | 溶接工作物の異常判別評価方法およびその異常判別評価装置 |
US20180113077A1 (en) * | 2016-10-20 | 2018-04-26 | Hitachi, Ltd. | Welding monitoring system and welding monitoring method |
CN109570808A (zh) * | 2017-09-29 | 2019-04-05 | 宝山钢铁股份有限公司 | 一种提高窄搭接焊机焊缝质量的方法及装置 |
CN110766060A (zh) * | 2019-10-14 | 2020-02-07 | 中山大学 | 基于深度学习的时间序列相似度的计算方法、系统及介质 |
CN110807802A (zh) * | 2018-07-20 | 2020-02-18 | 大族激光科技产业集团股份有限公司 | 焊接方法、设备和存储介质 |
CN111451608A (zh) * | 2020-04-08 | 2020-07-28 | 北京博清科技有限公司 | 焊接方法、焊接装置、存储介质和处理器 |
CN111651527A (zh) * | 2020-04-21 | 2020-09-11 | 高新兴科技集团股份有限公司 | 基于轨迹相似度的身份关联方法、装置、设备及存储介质 |
CN111832647A (zh) * | 2020-07-10 | 2020-10-27 | 上海交通大学 | 异常流量检测系统及方法 |
CN112001876A (zh) * | 2019-05-08 | 2020-11-27 | 株式会社东芝 | 判定装置、判定系统、焊接系统、判定方法以及存储介质 |
-
2021
- 2021-03-02 CN CN202110228453.XA patent/CN113093584B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10160451A (ja) * | 1996-11-26 | 1998-06-19 | Sumitomo Metal Ind Ltd | 突き合わせ溶接部の異常原因判定装置 |
JP2007111745A (ja) * | 2005-10-20 | 2007-05-10 | Denso Corp | 溶接工作物の異常判別評価方法およびその異常判別評価装置 |
US20180113077A1 (en) * | 2016-10-20 | 2018-04-26 | Hitachi, Ltd. | Welding monitoring system and welding monitoring method |
CN109570808A (zh) * | 2017-09-29 | 2019-04-05 | 宝山钢铁股份有限公司 | 一种提高窄搭接焊机焊缝质量的方法及装置 |
CN110807802A (zh) * | 2018-07-20 | 2020-02-18 | 大族激光科技产业集团股份有限公司 | 焊接方法、设备和存储介质 |
CN112001876A (zh) * | 2019-05-08 | 2020-11-27 | 株式会社东芝 | 判定装置、判定系统、焊接系统、判定方法以及存储介质 |
CN110766060A (zh) * | 2019-10-14 | 2020-02-07 | 中山大学 | 基于深度学习的时间序列相似度的计算方法、系统及介质 |
CN111451608A (zh) * | 2020-04-08 | 2020-07-28 | 北京博清科技有限公司 | 焊接方法、焊接装置、存储介质和处理器 |
CN111651527A (zh) * | 2020-04-21 | 2020-09-11 | 高新兴科技集团股份有限公司 | 基于轨迹相似度的身份关联方法、装置、设备及存储介质 |
CN111832647A (zh) * | 2020-07-10 | 2020-10-27 | 上海交通大学 | 异常流量检测系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113878214A (zh) * | 2021-12-08 | 2022-01-04 | 苏芯物联技术(南京)有限公司 | 基于lstm与残差分布的焊接质量实时检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113093584B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7499777B2 (en) | Diagnostic and prognostic method and system | |
US20180281091A1 (en) | Control device of wire electric discharge machine and machine learning device | |
CN110334816B (zh) | 一种工业设备检测方法、装置、设备及可读存储介质 | |
KR102444442B1 (ko) | 설비 고장 진단 장치 및 방법 | |
US20080154459A1 (en) | Method and system for intelligent maintenance | |
WO2016040082A1 (en) | Gas turbine sensor failure detection utilizing a sparse coding methodology | |
US7953577B2 (en) | Method and apparatus for improved fault detection in power generation equipment | |
CN112629585A (zh) | 基于多维参数估计的设备在线监测方法及装置 | |
US20190228636A1 (en) | Vibrational analysis systems and methods | |
CN113552840A (zh) | 一种机械加工控制系统 | |
JP5061744B2 (ja) | 状況解析システムおよび状況解析方法 | |
CN113093584B (zh) | 焊接异常检测方法、装置、计算机设备和存储介质 | |
CN112416662A (zh) | 多时间序列数据异常检测方法与装置 | |
US20220382229A1 (en) | Machining condition searching device and machining condition searching method | |
CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
JP6509001B2 (ja) | 故障診断システム | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
CN113342588B (zh) | 基于动态调整负荷对服务器进行压力测试的方法和装置 | |
CN112183555B (zh) | 焊接质量的检测方法、系统、电子设备和存储介质 | |
CN113222531A (zh) | 数据存储及监控方法、系统、计算机设备和存储介质 | |
JP6765769B2 (ja) | 状態変動検出装置及び状態変動検出用プログラム | |
JP2013200245A (ja) | 前処理方法 | |
CN113076350B (zh) | 焊接异常检测方法、装置、计算机设备和存储介质 | |
CN113778044A (zh) | 一种火电厂送风机系统监控方法及装置 | |
JP2015232914A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム |
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 |