CN115115192A - 一种手工焊接过程中焊接质量的检测方法 - Google Patents

Abstract

一种手工焊接过程中焊接质量的检测方法，属于焊接技术领域。它包括以下步骤：步骤1、获取焊接环境中目标焊接任务对应的孤光数据；步骤2、构建焊接质量检测模型，并对构建好的模型进行训练及测试，然后将训练完成的模型导入单片机中；步骤3、将步骤1中获取的孤光数据进行数据处理，并将处理好后的数据转换成输出信号，输入到步骤2中模型导入完成的单片机中，单片机对输出信号进行判断，并将结果发送至上位机。本发明通过构建检测模型，根据采集到的焊接时的弧光数据，对焊接质量进行检测，其数据采集方便、检测精度高。

Description

一种手工焊接过程中焊接质量的检测方法

技术领域

本发明属于焊接技术领域，具体涉及一种手工焊接过程中焊接质量的检测方法。

背景技术

焊接是现代工业生产中非常重要的工艺。焊接质量的好坏直接影响了焊接产品整体的性能，因此，焊接质量检测也是焊接加工的重要环节。现有技术中，焊接产品的检测多为人工目视检测，或人工借助辅助仪器质检。但由于高强度的检测节奏可能会导致质检人员产生误判，且不同的质检人员的检测结果无法对齐，有时甚至通过简单的检测也并不检测出是否有工人在焊接工件内部并没有焊接只是简单的在工件外部进行焊接。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供一种焊接质量检测精度高，且同时能够对缺焊问题进行检测的手工焊接过程中焊接质量的检测方法。

本发明提供如下技术方案：

一种手工焊接过程中焊接质量的检测方法，包括以下步骤：

步骤1、获取焊接环境中目标焊接任务对应的孤光数据；

步骤2、构建焊接质量检测模型，并对构建好的模型进行训练及测试，然后将训练完成的模型导入设置在焊接面罩上的单片机中；

步骤3、将步骤1中获取的孤光数据进行数据处理，并将处理好后的数据转换成输出信号，输入到步骤2中模型导入完成的单片机中，单片机对输出信号进行判断，并将结果发送至上位机。

进一步的，所述步骤1中，通过设置在焊接面具上的传感系统采集孤光数据，传感系统包括电弧光探测头光电转换单元，电弧光探测头通过光缆连接光电转换单元；所述孤光数据包括用于表征焊接质量的弧光强度及用于表征焊接任务总量的弧光持续时间。

进一步的，所述焊接面具上还设有GPS定位器。

进一步的，所述步骤2的具体过程如下：

2.1、设定样本数据，根据设定好的样本数据构建检测模型；

2.2、修改模型的输入值来得到检测模型不同的输出值，进而来比较输出的差和准确度，直到输出的差和准确度满足模型设计需要；

2.3、采集n个焊接时出现的弧光强度和持续时间数据，并将采集的数据划分为训练集和测试集；

2.4、通过训练集数据对检测模型进行训练，训练过程中以设定误差内的弧光数据作为标准样本；

2.5、训练完成后，通过测试集数据进行检测模型测试，将模型的训练历史可视化，通过最小二乘法进一步提升检测模型精度；

2.6、将训练好的检测模型保存在计算机，然后提取模型中各个层的权重参数矩阵和偏置参数矩阵，接着导入设计好的全链接网络的计算程序，此计算机程序包含了前向传播计算和训练内容的融入；

2.7、最后将程序移植到单片机上。

进一步的，所述步骤3的具体过程如下：

将步骤1中获取的孤光数据转换为电信号，电信号经过高通滤波器处理后，通过信号放大及小波变换，最后进过A/D转换器变为输出电信号输入单片机中进行结构运算，判断焊接质量是否合格，并通过弧光强度和弧光持续时间计算得到焊接作业任务的工作总量，并将结果输入到上位机中。

进一步的，所述单片机中程序对输入信号的运算过程如下：

弧光光强通过检测模型进行对比是否满足高质量焊接出现的弧光，同时根据弧光持续时间和弧光光强通过程序计算出能量数值，能量数值会与检测模型中的正确数值进行对比得出能量是否满足焊接要求的判断。

通过采用上述技术，与现有技术相比，本发明的有益效果如下：

1）本发明中，通过构建检测模型，根据采集到的焊接时的弧光数据，对焊接质量进行检测，其数据采集方便、检测精度高；

2）本发明中，基于弧光数据的焊接质量检测方式相比传统的监测焊枪电压电流进而检测焊接质量的方式具有更高的检测精确度；且同时能够对焊接处内的缺焊等焊接缺陷进行检测；

3）本发明中，基于深度学习的检测方式可以进一步解放人工对检测数据的误差；将检测模型导入单片机中可以实时快速的进行数据的检测，避免了数据传输到终端过程中可能因为信号干扰而出现的误差和丢失，减少环境对检测数据的影响。

附图说明

图1为本发明的总体实施流程图；

图2为本发明中，检测模型构建及模型导入单片机的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合说明书附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

请参阅图1-2，一种手工焊接过程中焊接质量的检测方法，包括以下步骤：

步骤1、获取焊接环境中目标焊接任务对应的孤光数据。

具体的，孤光数据是通过设置在焊接面具上的传感系统采集的，传感系统位于焊接面具的滤光镜上；传感系统包括电弧光探测头光电转换单元，电弧光探测头通过光缆连接光电转换单元；焊接面具上还设有GPS定位器。

具体的，孤光数据包括弧光强度及弧光持续时间；利用弧光强度表征焊接质量；利用弧光持续时间表征焊接任务总量。

步骤2、构建焊接质量检测模型，并对构建好的模型进行训练及测试，然后将训练完成的模型导入单片机中；具体过程如下：

2.1、设定符合检测要求的样本数据，根据设定好的样本数据构建检测模型，该模型通过机器学习训练所得；

2.2、修改检测模型的输入值来得到检测模型不同的输出值，进而来比较输出的差和准确度，通过输出的差和准确度来评估模型建立的结果，直到输出的差和准确度满足模型设计需要；

2.3、采集n个焊接时出现的弧光强度和持续时间数据，并将采集的数据划分为训练集和测试集，以作为检测模型的训练和测试；

2.4、通过训练集数据对检测模型进行训练，训练过程中以设定误差内的弧光数据作为标准样本；

2.5、模型训练完成后，通过测试集数据进行模型测试，将模型的训练历史可视化，通过最小二乘法对不满足误差要求的样本数据进行误差研究，进一步提升检测模型精度；

2.6、将训练好的检测模型保存在计算机，然后提取模型中各个层的权重参数矩阵和偏置参数矩阵，接着导入设计好的全链接网络的计算程序，此计算机程序包含了前向传播计算和训练内容的融入；

2.7、最后将程序移植到单片机上。

步骤3、将步骤1中获取的孤光数据进行数据处理，并将处理好后的数据转换成输出信号，输入到步骤2中模型导入完成的单片机中，单片机对输出信号进行判断，并将结果发送至上位机；具体过程如下：

将获取的孤光数据转换为电信号，电信号经过高通滤波器处理后，通过信号放大及小波变换，最后进过A/D转换器变为输出电信号输入单片机中进行结构运算，判断焊接质量是否合格，并通过弧光强度和作用时间计算得到焊接作业任务的工作总量，并将结果输入到上位机中。

具体的，弧光的光强通过检测模型进行对比是否满足高质量焊接出现的弧光，同时弧光的出现时长和弧光的光强会通过程序计算出能量数值，能量数值会与检测模型中的正确数值进行对比产生出能量是否满足焊接要求的结论。

本发明中，将训练模型程序导入焊接面罩的MCU单片机中，利用焊接面罩上的弧光传感器捕捉弧光的光强和弧光的出现时长，并将两者数据在MCU单片机中处理并通过物联网发送到上位机端，其中弧光的光强通过训练模型进行对比是否满足高质量焊接出现的弧光，同时弧光的出现时长和弧光的光强会通过程序计算出能量数值，能量数值会与训练模型中的正确数值进行对比产生出能量是否满足焊接要求的结论；通过两个对比值产生最终是否满足焊接要求的结论并将结果和位置通过物联网上传到上位机（PC端）。

本发明中，基于弧光数据的焊接质量检测方式相比传统的监测焊枪电压电流进而检测焊接质量的方式具有更高的检测精确度；且同时能够检测焊接过程中是否存在缺焊的情况。

本发明中，基于深度学习的检测方式可以进一步解放人工对检测数据的误差；将检测模型导入单片机中可以实时快速的进行数据的检测，避免了数据传输到终端过程中可能因为信号干扰而出现的误差和丢失，减少环境对检测数据的影响

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种手工焊接过程中焊接质量的检测方法，其特征在于：包括以下步骤：

步骤1、获取焊接环境中目标焊接任务对应的孤光数据；

步骤2、构建焊接质量检测模型，并对构建好的模型进行训练及测试，然后将训练完成的模型导入设置在焊接面罩上的单片机中；

步骤3、将步骤1中获取的孤光数据进行数据处理，并将处理好后的数据转换成输出信号，输入到步骤2中模型导入完成的单片机中，单片机对输出信号进行判断，并将结果发送至上位机。

2.根据权利要求1所述的一种手工焊接过程中焊接质量的检测方法，其特征在于所述步骤1中，通过设置在焊接面具上的传感系统采集孤光数据，传感系统包括电弧光探测头光电转换单元，电弧光探测头通过光缆连接光电转换单元；所述孤光数据包括用于表征焊接质量的弧光强度及用于表征焊接任务总量的弧光持续时间。

3.根据权利要求2所述的一种手工焊接过程中焊接质量的检测方法，其特征在于所述焊接面具上还设有GPS定位器。

4.根据权利要求1所述的一种手工焊接过程中焊接质量的检测方法，其特征在于所述步骤2的具体过程如下：

2.1、设定样本数据，根据设定好的样本数据构建检测模型；

2.2、修改模型的输入值来得到检测模型不同的输出值，进而来比较输出的差和准确度，直到输出的差和准确度满足模型设计需要；

2.3、采集n个焊接时出现的弧光强度和持续时间数据，并将采集的数据划分为训练集和测试集；

2.4、通过训练集数据对检测模型进行训练，训练过程中以设定误差内的弧光数据作为标准样本；

2.5、训练完成后，通过测试集数据进行检测模型测试，将模型的训练历史可视化，通过最小二乘法进一步提升检测模型精度；

2.6、将训练好的检测模型保存在计算机，然后提取模型中各个层的权重参数矩阵和偏置参数矩阵，接着导入设计好的全链接网络的计算程序，此计算机程序包含了前向传播计算和训练内容的融入；

2.7、最后将程序移植到单片机上。

5.根据权利要求1所述的一种手工焊接过程中焊接质量的检测方法，其特征在于所述步骤3的具体过程如下：

将步骤1中获取的孤光数据转换为电信号，电信号经过高通滤波器处理后，通过信号放大及小波变换，最后进过A/D转换器变为输出电信号输入单片机中进行结构运算，判断焊接质量是否合格，并通过弧光强度和弧光持续时间计算得到焊接作业任务的工作总量，并将结果输入到上位机中。

6.根据权利要求4所述的一种手工焊接过程中焊接质量的检测方法，其特征在于所述单片机中程序对输入信号的运算过程如下：

弧光光强通过检测模型进行对比是否满足高质量焊接出现的弧光，同时根据弧光持续时间和弧光光强通过程序计算出能量数值，能量数值会与检测模型中的正确数值进行对比得出能量是否满足焊接要求的判断。

Images