CN113553659A - 焊点标准曲线带拟合系统及方法 - Google Patents

Abstract

本发明公开了一种焊点标准曲线带拟合系统及方法，该系统的数据预处理模块用于对焊接机器人在预设时间段内形成的焊点基础数据进行数据预处理；拟合前处理模块用于通过大数据分析软件对电阻异常数据过滤剔除，得到拟合前数据；拟合处理模块用于采用基于决策树的线性回归进行线性迭代拟合，得到需要分析的焊点在焊接时间段的焊点电阻曲线上边界和下边界；拟合后处理模块用于对焊点电阻曲线上边界和下边界分别进行曲线除噪，得到对应的焊点电阻标准曲线上边界和下边界。本发明通过大数据数理统计分析手段，反应了焊接对象与被焊对象在排除扰动因素的情况下焊点电阻与时间的函数关系，对焊点工艺的进一步研究具有重要的价值。

Description

焊点标准曲线带拟合系统及方法

技术领域

本发明涉及汽车零部件制造技术领域，具体地指一种焊点标准曲线带拟合系统及方法。

背景技术

焊接是现代机械制造业的一种常用工艺，在汽车制造中应用十分广泛。焊接工艺以焊枪为工具，以焊点的形式将两种或两种以上同种或异种金属材料连接成一体，焊点质量的优劣对汽车整体质量影响巨大。随着智能制造的深入，可以通过大数据技术和人工智能手段，让焊接数据产生更大的价值。如实现快速找到质量缺陷问题，查找影响质量异常的主要因素，实现质检、工艺等预测性维护，以达到增效、节能，降本目的。

一个完整的焊接过程通常包含金属贴合致密(第一阶段)、金属升温融化(第二阶段)、焊核形成焊接完毕(第三阶段)三部分，总体耗时约400ms以内，焊接过程特征变化以焊接曲线形式表征，焊接曲线中包括了焊接区域电流、电压、电阻和功率随时间变化的曲线，如图1所示；

焊接过程中，金属贴合致密过程末期，随金属贴合情况的变化，如图1所示，焊接过程中焊接区域电阻随时间变化曲线相对低点R1，对应时间为t1；进入金属升温融化阶段后，随着金属板间温度升高，焊接区域电阻随时间变化曲线出现阻值相对高点R2，对应时间为t2，之后进入焊核形成阶段，对应的焊接区域电阻随时间变化曲线从R2高点逐步降低；当焊接电流为0时，焊接结束，对应时间为t3，对应的焊接区域电阻随时间变化曲线阻值为R3。图1标注的焊接区域电阻随时间变化曲线的异常波动(不平滑)，表明在当前焊接过程中出现了“飞溅”的现象，波动跳跃越大，“飞溅”现象越严重，从而引发较差的焊点质量和较高的使用能耗。

目前，以大数据统计分析手段，对工业焊点大数据进行数据挖掘方面的技术少之又少，即使研究，主要集中在焊点飞溅、能耗等方面，对于标准曲线带的构造和研究，还是空白。

发明内容

本发明的目的就是要提供一种焊点标准曲线带拟合系统及方法，本发明通过大数据数理统计分析手段，对海量的焊点数据进行数理统计分析和处理，拟合出焊点标准曲线带。

为实现此目的，本发明所设计的焊点标准曲线带拟合系统，它包括数据预处理模块、拟合前处理模块、拟合处理模块和拟合后处理模块；

数据预处理模块用于对焊接机器人针对相同板材结构、相同工位、同一焊点号形成的若干个焊点基础数据列进行清洗，清洗掉焊接失败形成的基础数据列、焊枪断电形成的基础数据列和焊接结束后形成的基础数据列；

拟合前处理模块用于通过大数据分析软件将需要分析的若干个焊点在不同焊接时间点对应的动态电阻数据列分别进行大小排序，提取到最大和最小动态电阻，并对最大和最小动态电阻分别进行异常数据过滤，获得拟合前数据；

拟合处理模块用于对需要分析的若干个焊点在不同焊接时间点对应的拟合前数据再取其最大和最小电阻值，并将该最大电阻值作为构建焊点电阻曲线带上边界的拟合数据，将该最小电阻值作为构建焊点电阻曲线带下边界的拟合数据；采用基于决策树的线性回归对焊接时间段所有离散的焊点电阻曲线带上边界和下边界的拟合数据分别进行线性迭代拟合，获得需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界；

拟合后处理模块用于采用动态可调的滑动平均滤波处理方法对需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界分别进行曲线除噪，过滤曲线中的毛刺，得到焊点标准曲线带上边界和下边界；

焊点标准曲线带上边界和下边界之间围成的区域，即为最终拟合的焊点标准曲线带。

本发明的有益效果：

1.以大数据统计方法为手段，采用基于决策树的线性回归分别对焊点电阻曲线带上边界和下边界离散的拟合数据进行线性迭代拟合，得到需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界；

2.采用动态可调的滑动平均滤波处理方法对需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界分别进行曲线除噪，得到标准曲线带上边界和下边界。

该系统及方法反应了焊接对象与被焊对象在排除扰动因素的情况下焊点特征量(电阻)与时间的函数关系，对焊点工艺的进一步研究，如实现快速找到质量缺陷问题，查找影响质量异常的主要因素，实现质检、工艺等预测性维护，以达到增效、节能，降本目的，是非常有价值的。

附图说明

图1为焊接过程特征曲线；

图2为本发明的结构示意图；

图3为基于决策树的线性回归拟合流程；

图4为拟合处理后的焊点曲线带的初步结果；

图5为滑动平均滤波处理前及处理后的焊点曲线带局部放大图。

其中，1—数据预处理模块、2—拟合前处理模块、3—拟合处理模块、4—拟合后处理模块。

具体实施方式

以下结合附图和具体实施例对本发明作进一步的详细说明：

焊点标准曲线带是指众多焊点曲线所形成的带宽。实际的焊点数据是一张关于离散数据点的表，没有解析式来描述焊点动态特征量(电阻、电压、电流、能耗)和焊接时间的关系。所谓曲线拟合方法是由给定的离散数据点，建立数据关系(数学模型)，求出一系列微小的直线段把这些插值点连接成曲线，形成一条光滑的曲线。它反映了焊接对象与被焊对象在排除扰动因素的情况下焊点动态特征量(电阻、电压、电流、能耗)与时间的函数关系，本发明主要研究的焊点标准曲线带特指焊点电阻曲线带，其它如电流、电压、功率和能耗的焊拉带，尽管曲线带形态各异，但研究及处理方法与之类似。

通过实际生产中，所采集的50000多台整车、7000多万个焊接点数据(每个焊点焊接过程采样周期为1ms)，挑选一把焊钳在生产过程中所对应的全部焊点数据，总计数据量约为500G。针对所挑选出的相同板材结构、相同工位、同一焊点号的若干个焊点数据进行处理，拟合出焊点标准曲线带，绘制焊点曲线的边界。

如图2所示焊点标准曲线带拟合系统，它包括数据预处理模块1、拟合前处理模块2、拟合处理模块3和拟合后处理模块4。

数据预处理模块1用于对焊接机器人针对相同板材结构、相同工位、同一焊点号形成的若干个焊点基础数据列进行清洗，清洗掉焊接失败形成的基础数据列、焊枪断电形成的基础数据列和焊接结束后形成的基础数据列，如图1所示。

拟合前处理模块2用于通过大数据分析软件将需要分析的若干个焊点在不同焊接时间点对应的动态电阻数据列分别进行排序，提取到最大和最小动态电阻，并对最大和最小动态电阻分别进行异常数据过滤，获得拟合前数据。

拟合处理模块3用于对需要分析的若干个焊点在不同焊接时间点对应的拟合前数据再取其最大和最小电阻值，并将该最大电阻值作为构建焊点曲线带上边界的拟合数据，将该最小电阻值作为构建焊点曲线带下边界的拟合数据；采用基于决策树的线性回归对焊接时间段所有离散的焊点曲线带上边界和下边界的拟合数据分别进行线性迭代拟合，获得需要分析的若干个焊点在焊接时间段的曲线带上边界和下边界。如图3所示为基于决策树的线性回归拟合流程，如图4所示为拟合处理后的焊点曲线带的初步结果。曲线带上边界和下边界分别作为焊点标准曲线带的上边界曲线和下边界曲线。

拟合后处理模块4用于采用动态可调的滑动平均滤波处理方法对需要分析的若干个焊点在焊接时间段的曲线带上边界和下边界分别进行曲线除噪，过滤曲线中的毛刺，得到标准曲线带上边界和下边界。如图5所示为滑动平均滤波处理前及处理后的焊点曲线带局部放大图。

标准曲线带上边界和下边界之间围成的区域，即为最终拟合的焊点标准曲线带。它反映了焊接对象与被焊对象在排除扰动因素的情况下焊点电阻与时间的函数关系。标准曲线带为焊点的进一步研究提供理论依据和数据支撑，如实现快速找到质量缺陷问题，查找影响质量异常的主要因素，实现质检、工艺等预测性维护，是非常有价值的。

上述技术方案中，一个焊点的完整生命周期内，大约经历249～400ms，此过程的二维图像可表达为一条关于时间与动态电阻(在焊接过程中，焊接区域不断进行电、热、力交互作用，引起焊接区域的电阻发生变化)的曲线。该曲线特点：通常包括高到低到高到平缓下降的过程。

上述技术方案中，所述数据预处理模块1清除掉焊接失败形成的基础数据列的具体方式为清楚掉焊接一个焊点所经历的总时长超过400ms的焊点基础数据文件或焊接一个焊点所经历的总时长小于200ms的焊点基础数据文件，此类数据应为焊接失败的数据。

数据预处理模块1清除掉焊枪断电形成的基础数据列的具体方式为清除掉焊接一个焊点对应的焊点电流、焊点电压、焊点电阻和焊点功率均为0对应的焊点基础数据，此类数据应为焊接过程中突发事件导致焊枪断电。

数据预处理模块1清除掉焊接结束后形成的基础数据列的具体方式为将焊点电阻曲线最后多行标记为0的数据删除，只保留第一行为0的数据行，多余的几行为0数据，被认为焊接结束，焊枪动作完成，但数据传输上位机的指令迟于焊枪动作完成指令(当焊接结束，焊接动作完成，数据传输上位机的指令迟于焊枪动作完成指令，所以还有几个ms的时间来记录数据采样值，只是此时的数据采样结果均为0，我们认为第1个为0的记录就是焊枪结束点。因此后面的多个ms的为0记录可以删除。数据预处理模块1主要是为了获取准确的焊枪结束点的记录)。

上述技术方案中，所述数据预处理模块1在焊点基础数据文件中空值填充为前一行数据值，默认当前的焊点状态保持上一时刻的焊点状态。

上述技术方案中，所述数据预处理模块1对焊点基础数据进行数据预处理时，对焊点电阻曲线增加时间信息数据列，工业焊接机器人将焊接的实时数据传入上位机上，焊点采样时间信息不包括在焊接的实时数据中。

上述技术方案中，所述数据预处理模块1对焊点基础数据列进行数据预处理之前，将数据索引文件与对应的数据明细文件进行整合。所述数据预处理模块1对基础数据列的整合包括：将数据索引文件1与对应的数据明细文件1进行匹配，将数据索引文件2与对应的数据明细文件2进行匹配，......将数据索引文件n与对应的数据明细文件n进行匹配。

上述技术方案中，所述拟合前处理模块2主要是对异常数据的剔除。根据先验知识，虽然已经清洗掉一部分数据，但在焊点曲线中，仍然存在不符合焊接过程各特征量变化相关关系的焊点曲线，应该予以剔除，以保证标准曲线带的拟合排除扰动因素的影响，反映焊接时的主被控对象之间的真实关系。

所述拟合前处理模块2通过Python软件提供的DataFrame下的sort_index()函数，将不同焊接时间点对应的若干个动态电阻数据列进行大小排序；

通过Python软件提供的DataFrame下的max()和min()函数，提取不同焊接时间点对应的最大动态电阻和最小动态电阻；

通过Python软件提供的DataFrame下的quititle()函数，获得不同焊接时间点对应的最大和最小动态电阻的2.5％和97.5％的分界点，并将0～2.5％和97.5％～1的动态电阻作为异常数据；

通过Python软件提供的DataFrame下的drop()函数，分别过滤掉最大和最小动态电阻中的异常数据，将2.5％～97.5％的动态电阻，作为拟合前数据。

上述技术方案中，所述拟合处理模块3为本发明的核心部分，对不同焊接时间点对应的2.5％～97.5％的动态电阻，再取其最大和最小电阻值(max，min)，并将该最大电阻值(max)作为构建焊点电阻曲线带上边界的拟合数据，将该最小电阻值(min)作为构建焊点电阻曲线带下边界的拟合数据。

对焊点电阻曲线带上边界和下边界离散的拟合数据，分别进行基于决策树的线性回归，此时回归系数很小；通过回归得到对应的最大电阻超平面和最小电阻超平面，计算超平面外的电阻点到该超平面的距离，将超平面外的电阻点分为超平面上、下两侧的电阻点，并对超平面上、下两侧的电阻点再进行基于决策树的线性回归，重复上述两步骤，直到分出的电阻点满足回归系数大于给定阈值或者拟合出来的电阻点小于给定阈值，结束迭代过程，得到需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界。

如图3所示，上述技术方案中的回归系数，更准确的说法叫线性回归的复相关系数r，也叫拟合优度或可决系数。该统计量越接近于1，模型的拟合优度越高。r＝0，表示自变量与因变量无线性关系；r＝1，表示所有的电阻点全部落在加归线上。

线性回归解决焊点正常与导常的二分类任务；决策树通过判断条件，决定是否需要进行下一轮的性线回归。通常并非一次的线性回归就可以解决，需要多次的线性回归，具体多少次是由决策树来解决的。根据复相关系数r、拟合出来的点数n，以及预设的复相关系数r0和拟合出来的点数n0，作为判断条件，不断进行线性回归，得到的线性回归方程和超平面，并根据电阻点到超平面的距离，把不在超平面上的电阻点分成超平面两侧点，以便进行下一轮线性回归。

复相关系数r，越大越好。因此，当r<r0，就要进行下一次的线性回归。拟合出来的点数n0，越小越好。因此，当n>n0，就要进行下一次的线性回归。

z＝ax+by+c为第一次线性回归超平面，其中a，b，c为第一次线性回归得到的超平面方程系数，a和b为t(时间)和R(电阻)的系数，c为常数项；z＝a1x+b1y+c1为第二次线性回归超平面，其中a1，b1，c1为第二次线性回归得到的超平面方程系数，a1和b1为t(时间)和R(电阻)的系数，c1为常数项；z＝a2x+b2y+c2为第三次线性回归超平面，其中a2，b2，c2为第三次线性回归得到的超平面方程系数，a2和b2为t(时间)和R(电阻)的系数，c2为常数项；z＝a3x+b3y+c3为第四次线性回归超平面，其中a3，b3，c3为第四次线性回归得到的超平面方程系数，a3和b3为t(时间)和R(电阻)的系数，c3为常数项；z＝a4x+b4y+c4为第五次线性回归超平面，其中a4，b4，c4为第五次线性回归得到的超平面方程系数，a4和b4为t(时间)和R(电阻)的系数，c4为常数项；z＝a5x+b5y+c5为第六次线性回归超平面，其中a5，b5，c5为第六次线性回归得到的超平面方程系数，a5和b5为t(时间)和R(电阻)的系数，c5为常数项；z＝a6x+b6y+c6为第七次线性回归超平面，其中a6，b6，c6为第七次线性回归得到的超平面方程系数，a6和b6为t(时间)和R(电阻)的系数，c6为常数项。

通过上述拟合处理后，获得的电阻曲线带上边界和电阻曲线带下边界，存在毛刺现象，还只是标准曲线带的雏形，需要进行曲线光滑处理，以排除噪声干扰。本发明的所述拟合后处理模块4采用的动态可调的滑动平均滤波处理方法，具体处理步骤为：

设置可调节的变量作为滑动块大小阈值，例如阈值取3，分别将曲线带上边界和下边界的拟合数据按滑动块阈值进行分块，得到滑块内3个电阻点和滑块外电阻点；计算滑块内3个电阻点的平均值，将该平均值分别作为对应的新动态最大电阻点和最小电阻点，并过滤掉用于计算平均值的滑块内电阻点；调整滑块阈值再组建新的滑块数据组，重复上述步骤，直到将要过滤的电阻点均分组过滤完成，最终得到对应的电阻标准曲线带上边界和下边界。

电阻标准曲线带上边界和电阻标准曲线带下边界之间所围成的区域，即为最终拟合的焊点电阻标准曲线带。

一种焊点标准曲线带拟合方法，它包括如下步骤：

步骤1)，对焊接机器人针对相同板材结构、相同工位、同一焊点号形成的若干个焊点基础数据列进行清洗，清洗掉焊接失败形成的基础数据列、焊枪断电形成的基础数据列和焊接结束后形成的基础数据列；

步骤2)，用于通过大数据分析软件将需要分析的若干个焊点在不同焊接时间点对应的动态电阻数据列分别进行大小排序，提取到最大和最小动态电阻，并对最大和最小动态电阻分别进行异常数据过滤，获得拟合前数据；

步骤3)，用于对需要分析的若干个焊点在不同焊接时间点对应的拟合前数据再取其最大和最小电阻值，并将该最大电阻值作为构建焊点电阻曲线带上边界的拟合数据，将该最小电阻值作为构建焊点电阻曲线带下边界的拟合数据；采用基于决策树的线性回归对焊接时间段所有离散的焊点电阻曲线带上边界和下边界的拟合数据分别进行线性迭代拟合，获得需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界；

步骤4)，用于采用动态可调的滑动平均滤波处理方法对需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界分别进行曲线除噪，过滤曲线中的毛刺，得到焊点标准曲线带上边界和下边界。

本说明书未作详细描述内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种焊点标准曲线带拟合系统，其特征在于：它包括数据预处理模块(1)、拟合前处理模块(2)、拟合处理模块(3)和拟合后处理模块(4)；

数据预处理模块(1)用于对焊接机器人针对相同板材结构、相同工位、同一焊点号形成的若干个焊点基础数据列进行清洗，清洗掉焊接失败形成的基础数据列、焊枪断电形成的基础数据列和焊接结束后形成的基础数据列；

拟合前处理模块(2)用于通过大数据分析软件将需要分析的若干个焊点在不同焊接时间点对应的动态电阻数据列分别进行大小排序，提取到最大和最小动态电阻，并对最大和最小动态电阻分别进行异常数据过滤，获得拟合前数据；

拟合处理模块(3)用于对需要分析的若干个焊点在不同焊接时间点对应的拟合前数据再取其最大和最小电阻值，并将该最大电阻值作为构建焊点电阻曲线带上边界的拟合数据，将该最小电阻值作为构建焊点电阻曲线带下边界的拟合数据；采用基于决策树的线性回归对焊接时间段所有离散的焊点电阻曲线带上边界和下边界的拟合数据分别进行线性迭代拟合，获得需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界；

拟合后处理模块(4)用于采用动态可调的滑动平均滤波处理方法对需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界分别进行曲线除噪，过滤曲线中的毛刺，得到焊点标准曲线带上边界和下边界；

焊点标准曲线带上边界和下边界之间围成的区域，即为最终拟合的焊点标准曲线带。

2.根据权利要求1所述的焊点标准曲线带拟合系统，其特征在于：所述拟合前处理模块(2)通过Python软件提供的DataFrame下的sort_index()函数，将不同焊接时间点对应的若干个动态电阻数据列进行大小排序；

通过Python软件提供的DataFrame下的max()和min()函数，提取不同焊接时间点对应的最大动态电阻和最小动态电阻；

通过Python软件提供的DataFrame下的quititle()函数，获得不同焊接时间点对应的最大和最小动态电阻的2.5％和97.5％的分界点，并将0～2.5％和97.5％～1的动态电阻作为异常数据；

通过Python软件提供的DataFrame下的drop()函数，分别过滤掉最大和最小动态电阻中的异常数据，将2.5％～97.5％的动态电阻，作为拟合前数据。

3.根据利要求2所述的焊点标准曲线带拟合系统，其特征在于：所述拟合处理模块(3)对不同焊接时间点对应的2.5％～97.5％的动态电阻，再取其最大和最小电阻值，并将该最大电阻值作为构建焊点电阻曲线带上边界的拟合数据，将该最小电阻值作为构建焊点电阻曲线带下边界的拟合数据；

对焊点电阻曲线带上边界和下边界离散的拟合数据，分别进行基于决策树的线性回归，此时回归系数很小；通过回归得到对应的最大电阻超平面和最小电阻超平面，计算超平面外的电阻点到该超平面的距离，将超平面外的电阻点分为超平面上、下两侧的电阻点，并对超平面上、下两侧的电阻点再进行基于决策树的线性回归，重复上述两步骤，直到分出的电阻点满足回归系数大于给定阈值或者拟合出来的电阻点小于给定阈值，结束迭代过程，得到需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界。

4.根据利要求3所述的焊点标准曲线带拟合系统，其特征在于：所述拟合后处理模块(4)采用的动态可调的滑动平均滤波处理方法具体为：

设置可调节的变量作为滑动块大小阈值，将焊点电阻曲线带上边界和下边界离散的拟合数据按滑动块阈值进行分块，得到滑块内电阻点和滑块外电阻点；计算滑块内电阻点的平均值，将该平均值作为对应的新动态最大电阻点和新动态最小电阻点，并过滤掉用于计算平均值的滑块内电阻点；调整滑块阈值再组建新的滑块数据组，重复上述步骤，直到将要过滤的电阻点均分组过滤完成，最终得到对应的电阻标准曲线带上边界和下边界。

5.根据权利要求5所述的焊点标准曲线带拟合系统，其特征在于：所述滑动块大小阈值取值3，分别将曲线带上边界和下边界的拟合数据按滑动块阈值进行分块，得到滑块内3个电阻点和滑块外电阻点；计算滑块内3个电阻点的平均值，将该平均值分别作为对应的新动态最大电阻点和新动态最小电阻点，并过滤掉用于计算平均值的滑块内电阻点。

6.根据权利要求1所述的焊点标准曲线带拟合系统，其特征在于：所述数据预处理模块(1)清洗掉焊接失败形成的基础数据列的具体方式为清洗掉焊接一个焊点所经历的总时长超过400ms的焊点基础数据列或焊接一个焊点所经历的总时长小于200ms的焊点基础数据列；

数据预处理模块(1)清洗掉焊枪断电形成的基础数据列的具体方式为清洗掉焊接一个焊点对应的焊点电流、焊点电压、焊点电阻和焊点功率均为0对应的焊点基础数据列；

数据预处理模块(1)清洗掉焊接结束后形成的基础数据列的具体方式为将焊点电阻曲线最后多行标记为0的数据清洗掉，只保留第一行为0的数据行。

7.根据权利要求1所述的焊点标准曲线带拟合系统，其特征在于：所述数据预处理模块(1)对焊点基础数据列进行数据预处理时，对焊点基础数据列中空值填充为前一行数据值，默认当前的焊点状态保持上一时刻的焊点状态。

8.根据权利要求1所述的焊点标准曲线带拟合系统，其特征在于：所述数据预处理模块(1)对焊点基础数据列进行数据预处理时，对焊点电阻曲线增加时间信息数据列，工业焊接机器人将焊接的实时数据传入上位机上，焊点采样时间信息不包括在焊接的实时数据中。

9.根据权利要求1所述的焊点标准曲线带拟合系统，其特征在于：所述数据预处理模块(1)对焊点基础数据列进行数据预处理之前，将数据索引文件与对应的数据明细文件进行整合。

10.一种焊点标准曲线带拟合方法，它包括如下步骤：

步骤1)，对焊接机器人针对相同板材结构、相同工位、同一焊点号形成的若干个焊点基础数据列进行清洗，清洗掉焊接失败形成的基础数据列、焊枪断电形成的基础数据列和焊接结束后形成的基础数据列；

步骤2)，用于通过大数据分析软件将需要分析的若干个焊点在不同焊接时间点对应的动态电阻数据列分别进行大小排序，提取到最大和最小动态电阻，并对最大和最小动态电阻分别进行异常数据过滤，获得拟合前数据；

步骤3)，用于对需要分析的若干个焊点在不同焊接时间点对应的拟合前数据再取其最大和最小电阻值，并将该最大电阻值作为构建焊点电阻曲线带上边界的拟合数据，将该最小电阻值作为构建焊点电阻曲线带下边界的拟合数据；采用基于决策树的线性回归对焊接时间段所有离散的焊点电阻曲线带上边界和下边界的拟合数据分别进行线性迭代拟合，获得需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界；

步骤4)，用于采用动态可调的滑动平均滤波处理方法对需要分析的若干个焊点在焊接时间段的电阻曲线带上边界和下边界分别进行曲线除噪，过滤曲线中的毛刺，得到焊点标准曲线带上边界和下边界。

Images