CN115673595B - 一种基于智能边缘计算的焊接电压实时监测系统及方法 - Google Patents
一种基于智能边缘计算的焊接电压实时监测系统及方法 Download PDFInfo
- Publication number
- CN115673595B CN115673595B CN202211692487.5A CN202211692487A CN115673595B CN 115673595 B CN115673595 B CN 115673595B CN 202211692487 A CN202211692487 A CN 202211692487A CN 115673595 B CN115673595 B CN 115673595B
- Authority
- CN
- China
- Prior art keywords
- voltage
- similarity score
- interval
- real
- time
- 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
Links
Images
Landscapes
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明公开了一种基于智能边缘计算的焊接电压实时监测系统及方法,所述焊接电压实时监测系统包括电压传感器和智能用户终端;智能用户终端部署有用于监测电压输出稳定性的电压监测模型,通过接收电压传感器传输的电压信息进行实时电压监测,当检测到输出电压不稳定时,智能用户终端发出警报提醒用户;本发明还公开了配套的电压监测方法,通过设置均值影响度因子和相似度影响因子的加权融合指标,用于衡量当前采样时间段内电压是否存在不稳定现象;采用的均值影响度因子可以准确描述电压突升和突降情况,设置的相似度影响因子可以准确描述当电压变化较为平缓或波形变化较大但均值变化较小的情况,进而实现电压稳定性的准确实时监测。
Description
技术领域
本发明属于电压测量系统技术领域,特别涉及一种基于智能边缘计算的焊接电压实时监测系统及方法。
背景技术
在工业4.0的大背景下,焊接过程也在朝着智能化的方向飞速发展。智慧焊接是智能制造领域中最重要的研究课题之一,近年来,具有小型化、无接触式及大传输量等特点的传感技术更多地被应用到焊接过程及质量实时控制中,在焊接时序数据,如电压、电流数据的测量环节中,广泛采用电弧传感、视觉传感、声音传感、光谱传感等技术进行数据采集。
在传统的电压数据采集过程中,一般将电压传感器并联于焊机电源箱两端,用于测量焊机电源箱两侧的输出电压,实际测量过程中,由于间歇性空载和其他干扰问题的存在,焊机电源箱的输出电压并不总是稳定的,这对于焊机的持续输出功率会产生较为明显的影响,进而导致焊接质量产生偏差,因此有必要对电压测量系统进行实时监测,当输出电压不稳定时,提醒用户进行及时排查,防止焊机由于输出电压不稳定而造成焊接质量问题。
发明内容
发明目的:针对上述背景技术中存在的问题,本发明提供了一种基于智能边缘计算的焊接电压实时监测系统,包括电压传感器和智能用户终端,通过在智能用户终端部署电压监测模型,对采集的电压时序数据进行实时监测。
技术方案:
一种基于智能边缘计算的焊接电压实时监测方法,采用焊接电压实时监测系统实现,所述焊接电压实时监测系统包括电压传感器和智能用户终端;所述电压传感器实时采集输出电压,传输至智能用户终端;所述智能用户终端部署有用于监测电压输出稳定性的电压监测模型,输入电压信息后进行实时电压监测;当检测到输出电压不稳定时,用户智能终端发出警报提醒用户;其特征在于,包括以下步骤:
步骤S1、采集电压数据,并进行预处理;设置采样窗口时间t,获取连续n个采样窗口的电压测量数据,并计算电压均值,记为[v1,v2,...,vn];采集第n+1个采样窗口的电压测量数据,并计算电压均值vn+1;
步骤S2、设置用于描述电压输出稳定性的均值影响度因子Vav和相似度影响因子Sa;具体地,均值影响度因子Vav计算方法如下:
分别求出vn+1与前n个采样窗口电压均值之差,分别记为[av1,av2,...,avn];并进行加权融合,计算均值影响度Vav如下:
Vav=λ1×av1+λ2×av2+...+λn×avn
其中λn为加权系数,越靠近第n+1个采样窗口,对应均值差的加权系数越小;
采用基于路径寻优的方法计算相似度影响因子Sa;具体地,
步骤L1、将前n个采样区间作为模板区间,第n+1个采样区间作为待匹配区间,计算模板区间与待匹配区间的轨迹相似度;建立n个大小为m*m的二维矩阵,每个矩阵代表其中一个模板区间与待匹配区间的相似度得分矩阵,矩阵中的元素aij代表第i个模板区间电压数值与第j个待匹配区间电压数值间的相似度得分;
步骤L2、基于时间单调性,采用动态规划算法,寻找最小的相似度得分累加值,作为待匹配区间与各模板区间的最终相似度得分,依次记为S1,S3,…,Sn;通过加权融合计算相似度影响因子Sa如下:
Sa=γ1×s1+γ2×s2+...+γn×sn
其中γn为加权系数,且越靠近第n+1个采样窗口,对应相似度得分的加权系数越小;
步骤S3、基于步骤S2中设置Vav和Sa计算输出电压指标VE如下:
VE=μ1Vav+μ2Sa
其中μ1和μ2为加权系数;
步骤S5、部署步骤S1-步骤S4所述电压监测模型,智能用户终端接收电压时序数据,实时计算输出电压指标VE,并与范围进行比较,当时,则表明电压输出稳定,无需报警;当时,智能用户终端发出报警信号,提醒用户输出电压不稳定。
进一步地,设定相似度得分规则,用于填充所述步骤L1中元素aij代表的相似度得分值;具体相似度得分规则如下:以模板区间中的具体电压点vs为基准,
(1)当待匹配区间内的电压点vb满足vb∈[0.99vs,1.01vs]时,相似度得分为α1;
(2)当vb∈[0.95vs,0.99vs]∪[1.01vs,1.05vs]时,相似度得分为α2;
(3)当vb∈[0.9vs,0.95vs]∪[1.05vs,1.1vs]时,相似度得分为α3;
(4)当vb∈[0.8vs,0.9vs]∪[1.1vs,1.2vs]时,相似度得分为α4;
(5)当vb∈[0.7vs,0.8vs]∪[1.2vs,1.3vs]时,相似度得分为α5;
(6)当vb∈[0,0.3vs]∪[1.3vs,+∞]时,相似度得分为α6;
其中,α1-α6代表预设的相似度分数值,且从α1至α6依次增大。
本发明采用的技术方案与现有技术方案相比,具有以下有益效果:
(1)本发明提供的基于实时智能监测的电压测量系统,通过在边缘侧实时智能分析,准确识别电压是否存在波动问题,当输出电压不稳定时能够实时反馈给智能用户终端,并对用户示警。
(2)本发明从算法模型层面对电压不稳定性进行实时监测,摆脱了传统电压监测模式下需要额外安装硬件电路进行检测的问题,整个监测模型仅依赖于采集到的电压数据即可进行判断,可以兼顾识别准确率和识别实时性。
(3)本发明采用的电压监测模型中,首先设置了均值影响度因子,通过对均值差进行加权融合,获得可以准确描述电压突升或突降情况的影响因子,当均值影响度因子越大时,代表电压越不稳定。此外,在均值差相关影响因子的设计基础上,针对电压在一段时间内发生变化,但均值总体保持不变和电压变化相对平缓的情况,设计了相似度影响因子,通过设置相似度得分规则,采用动态规划算法,寻找最小的相似度得分累加值作为相似度得分,在此基础上加权融合获得相似度影响因子。将均值影响度因子和相似度影响因子融合,作为最终衡量电压稳定性的输出电压指标,并通过箱型图法获得最终检测阈值范围。部署上述电压监测模型后,智能用户终端接收电压时序数据,实时计算输出电压指标并与前述范围进行比较,当输出电压指标落入上述范围时,则表明电压输出稳定,无需报警,若输出电压指标在此范围之外时,智能用户终端则发出报警信号,提醒用户输出电压不稳定,可能存在空载等其他问题,进而由技术人员进行排查。
附图说明
图1为本发明提供的基于实时智能监测的电压监测方法流程图;
图2为本发明提供的实际电压测量过程中电压不稳定情况示意图;
图3为本发明提供的电压监测方法识别效果图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,本发明提供了一种基于智能边缘计算的焊接电压实时监测系统,包括电压传感器和智能用户终端;所述电压传感器实时采集输出电压,传输至智能用户终端;所述智能用户终端部署有用于监测电压输出稳定性的电压监测模型,输入电压信息后进行实时电压监测;当检测到输出电压不稳定时,用户智能终端发出警报提醒用户。
下面提供一份实施例,详细介绍部署于智能用户终端的电压监测模型,如图1所示,本发明通过在边缘侧部署电压监测模型,联动智能用户终端,可以实现对焊机输出电压稳定性的实时监测。具体方法如下:
步骤S1、采集电压数据,并进行预处理;设置采样窗口时间t,获取连续n个采样窗口的电压测量数据,并计算电压均值。本实施例中选取5个连续采样时间段,计算电压均值,记为[v1,v2,v3,v4,v5]。
步骤S2、采集第n+1个采样窗口的电压测量数据,并获取电压均值vn+1,分别求出vn+1与前n个采样窗口电压均值之差,分别记为[av1,av2,...,avn];并进行加权融合,计算均值影响度Vav如下:
Vav=λ1×av1+λ2×av2+...+λn×avn
其中λn为加权系数,越靠近第n+1个采样窗口,对应均值差的加权系数越小。本实施例中均值影响度Vav计算如下:
Vav=0.5×av1+0.2×av2+0.15×av3+0.1×av4+0.05×av5
步骤S2中通过均值差的加权融合,获得均值影响度参数,这一参数直接反映了电压测量过程中发生突增或突降的情况,Vav值越大,则代表电压越不稳定,当电压突升或突降幅度较大时,通过Vav值即可反映这种趋势,从而进行报警。但当电压升降过程较为平缓时,由于相邻采样区间的均值变化不大,Vav值就不能很好地体现电压不稳定的特征。此外,当前n个采样区间电压均值变化不大,但波形不同时,Vav值同样不能体现电压不稳的特征。本发明针对上述问题,进一步设计了相似度影响因子,用相似度参数进一步细化区分电压不稳定的表现形式。具体地,
步骤S3、相似度影响因子的计算方法采用基于路径规划的思想进行计算。将前n个采样区间作为模板区间,第n+1个采样区间作为待匹配区间,计算模板区间与待匹配区间的轨迹相似度。以n=5为例,首先统计待匹配区间和第1个模板区间的所有电压点,假设每个区间均包括m个电压点,则构造对应的m*m的二维矩阵,矩阵中的元素即代表相似度得分。设定相似度得分规则如下:以模板区间中的具体电压点为基准,设为vs,则
(1)当待匹配区间内的电压点vb满足vb∈[0.99vs,1.01vs]时,相似度得分为1分;
(2)当vb∈[0.95vs,0.99vs]∪[1.01vs,1.05vs]时,相似度得分为3分;
(3)当vb∈[0.9vs,0.95vs]∪[1.05vs,1.1vs]时,相似度得分为6分;
(4)当vb∈[0.8vs,0.9vs]∪[1.1vs,1.2vs]时,相似度得分为8分;
(5)当vb∈[0.8vs,0.9vs]∪[1.1vs,1.2vs]时,相似度得分为9分;
(6)当vb∈[0.0.3vs]∪[1.3vs,+∞]时,相似度得分为10分。
这里相似度得分的分数设置应当满足条件:越靠近vs的电压点,其相似度得分越低,越远离vs的电压点,其相似度得分越高。
遍历待匹配区间内的所有电压点,计算其与每个模板区间内的每个电压点间的相似度得分,将对应的相似度得分填充至m*m的二维矩阵中,获得待匹配区间与第1个模板区间的相似度得分矩阵。在此矩阵中,按照时间的单调性,采用动态规划算法,寻找最小的相似度得分累加值,作为待匹配区间与第1个模板区间的最终相似度得分,记为S1。对于第2至第n个模板区间,同样采用上述方法进行计算相似度得分,分别记为S2,S3,…,Sn。
上述针对相似度得分的计算方法中,核心在于相似度评分的设置。实际设计时,应当根据输出电压的大小调整每个区间的电压系数和相似度得分的区间个数。一般来讲,实际电压输出越大时,每个区间的电压系数设置应当越小,实际电压测量系统测量到的电压数值偏差并不会太大,如果电压输出很高,则偏差范围也会相应增大,这样会导致相似度得分不能很好地反映实际相似程度。此外,整个相似度得分的设置还应当确保:当待匹配区间的电压点与模板区间内的电压点越接近时,其相似度得分应当越低。因而最后获得的相似度得分越低,说明二者波形越相似。
在计算出S1,S3,…,Sn后,通过加权融合计算相似度影响因子Sa如下:
Sa=γ1×s1+γ2×s2+…+γn×sn
其中,γn为加权系数,且越靠近第n+1个采样窗口,其加权系数越小,本实施例中,n=5时相似度影响因子Sa计算如下:
Sa=0.5s1+0.2s2+0.15s3+0.1s4+0.05s5
步骤S4、通过上述步骤S2-步骤S3,分别计算出均值影响度因子Vav和相似度影响因子Sa,在此基础上,本发明设置了输出电压指标VE如下:
VE=μ1Vav+μ2Sa
其中μ1和μ2为加权系数。本实施例中选取μ1=0.75,μ2=0.25。
部署上述电压监测模型后,智能用户终端接收电压时序数据,实时计算输出电压指标VE,并与范围进行比较,当VE落入上述范围时,则表明电压输出稳定,无需报警,若VE在此范围之外时,智能用户终端则发出报警信号,提醒用户输出电压不稳定,可能存在空载等其他问题,进而由技术人员进行排查。
如图2所示为实际采集到的焊机输出电压,其中存在明显的电压不稳定情况,采用本发明提供的电压监测方法进行实时监测,检测结果如图3所示,其中纵坐标1代表存在输出电压不稳定情况,纵坐标0代表输出电压稳定。可以直观看出,本发明提供的电压实时智能监测方法可以有效检测出焊机输出电压的不稳定情况,进而提醒用户进行及时排查。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种基于智能边缘计算的焊接电压实时监测方法,采用焊接电压实时监测系统实现,所述焊接电压实时监测系统包括电压传感器和智能用户终端;所述电压传感器实时采集输出电压,传输至智能用户终端;所述智能用户终端部署有用于监测电压输出稳定性的电压监测模型,输入电压信息后进行实时电压监测;当检测到输出电压不稳定时,用户智能终端发出警报提醒用户;其特征在于,包括以下步骤:
步骤S2、设置用于描述电压输出稳定性的均值影响度因子Vav和相似度影响因子Sa;具体地,均值影响度因子Vav计算方法如下:
采用基于路径寻优的方法计算相似度影响因子Sa;具体地,
步骤L1、将前n个采样区间作为模板区间,第n+1个采样区间作为待匹配区间,计算模板区间与待匹配区间的轨迹相似度;建立n个大小为m*m的二维矩阵,每个矩阵代表其中一个模板区间与待匹配区间的相似度得分矩阵,矩阵中的元素代表第i个模板区间电压数值与第j个待匹配区间电压数值间的相似度得分;
步骤L2、基于时间单调性,采用动态规划算法,寻找最小的相似度得分累加值,作为待匹配区间与各模板区间的最终相似度得分,依次记为S1,S3,…,Sn;通过加权融合计算相似度影响因子Sa如下:
步骤S3、基于步骤S2中设置Vav和Sa计算输出电压指标VE如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211692487.5A CN115673595B (zh) | 2022-12-28 | 2022-12-28 | 一种基于智能边缘计算的焊接电压实时监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211692487.5A CN115673595B (zh) | 2022-12-28 | 2022-12-28 | 一种基于智能边缘计算的焊接电压实时监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115673595A CN115673595A (zh) | 2023-02-03 |
CN115673595B true CN115673595B (zh) | 2023-03-28 |
Family
ID=85055744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211692487.5A Active CN115673595B (zh) | 2022-12-28 | 2022-12-28 | 一种基于智能边缘计算的焊接电压实时监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115673595B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
CN112581315A (zh) * | 2020-12-25 | 2021-03-30 | 东北电力大学 | 一种基于极端梯度动态密度聚类的风电场内分群方法 |
CN113657454B (zh) * | 2021-07-23 | 2024-02-23 | 杭州安脉盛智能技术有限公司 | 基于自回归BiGRU的核电旋转机械状态监测方法 |
CN115051473A (zh) * | 2022-07-19 | 2022-09-13 | 安徽明生恒卓科技有限公司 | 基于融合终端电能质量检测的预警方法、系统、估计方法 |
CN115255566B (zh) * | 2022-09-26 | 2022-12-16 | 苏芯物联技术(南京)有限公司 | 一种基于高质量时域特征的焊偏实时智能检测方法 |
-
2022
- 2022-12-28 CN CN202211692487.5A patent/CN115673595B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115673595A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3696566A1 (en) | System and method for identification of an airborne object | |
CN114942434B (zh) | 一种基于毫米波雷达点云的跌倒姿态识别方法及系统 | |
GB2491564A (en) | Method of system monitoring | |
BR112021013786A2 (pt) | Método e sistema para detectar anomalias ou indicações prematuras de falha de equipamento | |
CN116320042B (zh) | 边缘计算的物联终端监测控制系统 | |
CN108510180B (zh) | 一种生产设备所处性能区间的计算方法 | |
CN113526282B (zh) | 一种电梯中长期老化故障诊断方法、装置、介质和设备 | |
CN109255201B (zh) | 一种基于som-mqe的滚珠丝杠副健康评估方法 | |
CN115062272A (zh) | 一种水质监测数据异常识别及预警方法 | |
CN117235653B (zh) | 一种电源连接器故障实时监测方法及系统 | |
CN112213687A (zh) | 基于伪异常点辨识的关口电能表数据异常检测方法及系统 | |
CN111353208B (zh) | 一种基于深度学习的物体往复运动距离评估方法 | |
CN115673595B (zh) | 一种基于智能边缘计算的焊接电压实时监测系统及方法 | |
CN115941807B (zh) | 一种园区安防系统数据高效压缩方法 | |
CN117171702A (zh) | 一种基于深度学习的多模态电网故障检测方法和系统 | |
Silva et al. | Development of a system for monitoring tool wear using artificial intelligence techniques | |
Yu et al. | Design for an SPRT control scheme based on linguistic data | |
CN116627116A (zh) | 一种流程工业故障定位方法、系统及电子设备 | |
CN114925731A (zh) | 检测柔性测斜仪监测数据异常值的方法 | |
CN115106615A (zh) | 一种基于工况智能识别的焊偏实时检测方法及系统 | |
CN115041544A (zh) | 冲压件的异常检测方法、装置及存储介质 | |
CN109737859B (zh) | 薄片类介质的粘贴异物检测方法及其装置 | |
WO2020183781A1 (ja) | 異常診断装置 | |
Klevtsov | Using the Method of Normalized Amplitude for Assessing the Quality of the Calibration Tests of the Pressure Sensor | |
TWI627387B (zh) | 振動感測器狀態檢測方法及相關電腦程式產品 |
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 |