CN1323789C - 焊接评估 - Google Patents

Abstract

一种进行焊接过程时确定焊接过程中是否已产生缺陷的设备和方法。本发明可应用于焊接和有等离子弧的切割过程，如气体保护金属极电弧焊、钨极惰性气体保护焊、脉冲焊接、电阻焊接、潜弧焊接。它包括采样焊接电压和焊接电流以提供第一和第二信号，根据通过广义离散点卷积运算的第一和第二信号的值来产生模拟的第三信号，识别相应的值为三组值并且汇集三组值到组或区域。

Description

焊接评估

技术领域

本发明涉及焊接的评估(assessment)。它特别涉及在焊接进行时确定在焊接过程中是否产生缺陷的一种设备和方法。本发明可应用于气体保护金属极电弧焊、钨极惰性气体保护焊、脉冲焊接、电阻焊接、潜弧焊接和其它焊接、以及有等离子电弧的切割过程。

背景技术

焊接和切割电弧现象的研究涉及到对于具有毫秒到秒或甚至微秒周期的电压和电流信号进行观察。监视这些信号的一种方式是使用高速摄像，另一种方式是使用波形图。这些观察技术中固有的局限性以及分析结果数据中的困难，导致很难实时地提供焊接质量的测量结果。

本发明的概述

单个焊接特征标记

本发明是一个用于在线焊接评估的设备，包括：

第一采样装置，采样焊接电压或电流以提供关于第一信号的序列值，

第二采样装置，采样焊接电流或电压以提供关于第二信号的序列值，

信号产生装置，根据第一信号和第二信号产生关于一个或多个模拟(artificial)第三信号的一个或多个序列值，其中的模拟信号取决于通过广义离散点卷积运算的第一及第二信号的值，

三组化(tripling)装置，识别第一、第二和第三信号的相应值。

汇集装置，将用于质量监视的三组值汇集为组或区域，所汇集的三组值可以被可视化为落入第一、第二和第三信号之值的三维散布图的选择区域内的值。这些区域可以被画到这种可视化图上。

该第一信号数据序列可以表示为序列D₁，D₂，…，D_η-1，D_η，该第二信号数据序列可以表示为序列Γ₁，Γ₂，…，Γ_η-1，Γ_η。数据点η的总数必须大于等于2，可以使用值1000。标号为s的模拟序列是序列A_1，s，A_2，s，…，A_η-1，s，A_η，s。模拟序列的标号s从1变化到最大值σ。σ必须大于等于1，可以使用值5。标号为s的模拟序列的第n项，即A_n，s可以由下式确定：

$A_{n,s}=\underset{k=1}{\overset{\mathrm{\η}}{\mathrm{\Σ}}}\mathrm{\Ψ}(1,\mathrm{\κ},n,s,t)D_{\mathrm{\κ}}+\mathrm{\ψ}(2,\mathrm{\κ},n,s,t){\mathrm{\Γ}}_{\mathrm{\κ}}---\left(1\right)$

系数Ψ可以取决于κ，第一信号数据序列中D_κ的位置和第二信号数据序列中Γ_κ的位置；n，标号为s的模拟数据序列中A_n，s的位置；s，模拟序列标号；以及t，相对于某一规定的时间原点测量D_κ和Γ_κ的时间。该模拟信号产生装置重复地应用方程式(1)，以计算关于n从1变化到η、以及s从1变化到σ的A_n，s的所有值。对于Ψ有用的选择是：

$\mathrm{\&Psi;}(1,\mathrm{\&kappa;},n,s,t){=e}^{(k-n)({\mathrm{\&tau;}}_0+{\mathrm{s\&tau;}}_1)}\&CenterDot;\&CenterDot;\&CenterDot;(\mathrm{\&kappa;}-n)<0$

$\mathrm{\&Psi;}(1,\mathrm{\&kappa;},n,s,t)=0\&CenterDot;\&CenterDot;\&CenterDot;(\mathrm{\&kappa;}-n)\&GreaterEqual;0$

(2)

$\mathrm{\&Psi;}(2,\mathrm{\&kappa;},n,s,t)=\mathrm{\&Theta;}\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{\&kappa;}=n$

$\mathrm{\&Psi;}(2,\mathrm{\&kappa;},n,s,t)=0\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{\&kappa;}\&NotEqual;n$

在方程式(2)中，没有对t的明显相关性。通过这种选择，方程式(1)接近于第一信号与第二信号乘以Θ再加一个衰减或衰变指数的卷积。有效的衰减时间常数由τ₀+τ₁s给出。常数τ₀和τ₁设置时间常数在s从1变化到σ时所覆盖的范围。常数Θ设置加上的第二信号量。

在特征标记的采样期间，当焊接系统特性改变时，包含对时间t或序列标号n明显相关的Ψ是有用的。例如，在电阻点焊接中，在可以确定单个特征标记的一个点焊接期间，实际条件基本上变化了。

分组装置形成类型{D_n，s，A_n，s}值的所有可能的集，即，这些集包括第一信号数据点D_n、模拟序列标号s、以及模拟序列标号s的相应的项A_n，s，n从1变化到η，s从1变化到σ。如果只存在一个模拟序列，则在这些集的值中s总是设置为1。

汇集装置将对于焊接监视有用的集的值汇集为组或区域。所汇集的集可以被可视化为落在三维散布图的选择的立体区域内的集合，其中三维散布图的一个轴标绘第一信号之值、第二轴标绘该模拟序列的序列标号、以及第三轴标绘相应的模拟信号之值。如果只有一个模拟序列，所有的点将位于s＝1所定义的平面内。这些区域的边界可以被显示为这样一个可视图上的闭合表面。

这些区域不必具有相同的尺寸，在总体(population)密度最大处它们可以较小，随着它们远离最大的总体密度之区域，在第一信号和模拟信号方向上，这些区域的尺寸可以按指数律更大。一旦选择了这些区域，它们在焊接监视过程期间是固定的。选择的区域不需要是连续的，这些区域可以重叠。

落在给定区域的每个汇集的采样点在那个区域的总体中累积。这些区域总体可以通过总体密度函数f_r表示，该函数是标号为r的区域之总体，r从1变化到ρ。

如果在{D_n，s，A_n，s}的给定点落在区域r内，累积装置使总体f_r增加W_r(D_n，Γ_n，A_n，s，n，s，t)，这里t是测量D_n和Γ_n的时间。W_r(D_n，Γ_n，A_n，s，n，s，t)是区域r中给定点的加权。例如，如果W_r总是1，总体是每个区域中点数的简单计数。

为了产生最后调节的区域总体p_r，函数应用装置将单值的单调函数F应用于f_r值的每一个：

P_r＝F(f_r)    (3)

r＝1到ρ。

汇集的p_r的完全集{p₁，p₂，…p_p-1，p_p}是单个焊接特征标记。

对于给定采样速率和尺寸，选择加权函数W_r以产生焊接特征标记，它包含尽可能多的关于最终焊道(final weld)之特性的信息。通过逐步逼近调节或通过实际处理的知识，可以用实验方法做到这一点。因为在样本中存在某些统计噪声，选择W_r以平滑焊接特性标记是有用的。通过规定重叠区域和对于更接近于区域r之边界的点减少W_r，可以获得这一点。选择函数F使得焊接特性标记对最终焊道中之缺陷的敏感度为最大。

加权W_r对数据点标号n之相关性的引入允许开窗口。例如，在n＝1的数据序列开始的附近和在n＝η的序列结尾的附近，可以减少加权。

产生组合的焊接特性标记

对于给定的过程，可取的是，使用电流和电压作为第一信号，产生两个单焊接特征标记。对于如前后弧焊的过程，可以测量两个焊接电压和两个电流。同样，在这种情况下，可以产生若干个单焊接特性标记。

需要若干个单焊接特征标记时，采样装置汇集关于第一信号和第二信号的若干个序列值。如果由于这些信号来自相同的实际焊接系统而相关，则可以在相同的时间间隔上来采样这些信号。

产生单焊接特性标记的设备随后被用于产生关于第一和第二信号之每一序列的单特征标记，假定总共μ个单特征标记。对于单个特征标记m，总共存在规定的ρ[m]个区域，它包含最后调节的区域总体：

{p₁[m]，p₂[m]，p₃[m]…p_ρ[m][m]}    (4)

m从1变化到μ。然后，通过从m＝1到m＝μ按顺序将来自每个单特征标记的所有调节的区域总体连在一起，连接装置产生一组合的焊接特征标记P_T。

P_T＝{p₁[1]，p₂[1]，…p_ρ[1][1]，p₁[2]，p₂[2]，…p_ρ[μ][μ]}    (5)

在组合的焊接特征标记中，元素标号ρ是每个单特征标记中元素的和：

$\mathrm{\&rho;}=\underset{m=1}{\overset{n}{\mathrm{\&Sigma;}}}\mathrm{\&rho;}\left[m\right]---\left(6\right)$

组合的焊接特征标记P_T完全如同单特征标记一样被处理，这里，特征标记如下所述，它指的是单个或组合的特征标记。

产生参考的焊接特征标记

采样装置重复地提供序列值，并在组合特征标记情况下、为每个序列或序列集产生新的焊接特征标记。存储装置保持在希望满足并且产生高质量焊接的条件下汇集的焊接特征标记H＝{h₁，h₂…h_ρ-1，h_ρ}或焊接特征标记的集。这可以是为某些时间保留的参考数据，或者可以是在焊接进行的开始附近汇集的数据。

在机器人焊接的情况下，这里，一系列焊接是在状况可以变化的情况下进行的，从焊接到焊接变化或在单个焊接期间，一系列参考特征标记可以被存储并且在需要时调用。

在焊接期间，从先前采样可以连续地计算参考特征标记。在这种情况下，参考标记是N个特征标记H₁、H₂、H₃…H_N的加权平均值，这里H_N是确定的最新特征标记。H_N-1是在此之前确定的特征标记，等等。从加权平均值确定参考特征标记X

x_r＝W₁h_1r+W₂h_2r+W₃h_3r+…+W_Nh_Nr    (6’)

对于r＝1到ρ，x_r是参考特征标记X中标号为r的调节区域总体；h_1r到h_Nr是从先前采样确定的特征标记H₁到H_N中标号为r的调节区域总体；ρ是每个特征标记中的区域总数；W₁到W_N是特征标记加权因子。特征标记加权因子W₁到W_N的选择确定了是否参考标记X表示相当长时间周期上的焊接特征标记状态的平均值，或者表示最近的焊接状态。

下面描述这种方法用于确定焊接稳定性的应用。

焊接特征标记的处理

处理装置根据下面描述设备的要求来处理焊接特征标记。

当特征标记乘以或除以一个数时，应该理解的是，特征标记中每个调节的区域总体应该乘以或除以该数，以产生一个新的特征标记。同样，当加上或减去特征标记时，每个特征标记中的匹配调节区域总体也被加上或减去，即一个特征标记中标号为r的调节区域总体被从关于r＝1，2，3直到ρ的其它特征标记中标号为r的调节区域总体中加上或减去。

任何两个特征标记C和G的内积或点积被计算为

$C\&CenterDot;G=\underset{r=1}{\overset{\mathrm{\&rho;}}{\mathrm{\&Sigma;}}}{c}_r\&times;g_r---\left(7\right)$

这里c_r和g_r分别是关于特征标记C和G的区域r的调节总体。

从焊接特征标记C计算归一化焊接特征标记C’如下：

$C^{\&prime;}=C/\left(\sqrt{C\&CenterDot;C}\right)---\left(8\right)$

给定一个参考特征标记集合的测量特征标记的概率估计

各向同性的参考总体

首先，通过使用特征标记处理装置来计算平均特征标记M，估计给定θ个参考特征标记R₁、R₂到R_θ的测量样本的测量的特征标记S的概率：

$M=\left(\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}{R}_j\right)/\mathrm{\&theta;}---\left(9\right)$

其次，特征标记处理装置用于根据特征标记之间的距离来估计方差ζ²：

${\mathrm{\&zeta;}}^2=[\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}(R_j-M)\&CenterDot;(R_j-M)]/(\mathrm{\&theta;}-1)---\left(10\right)$

在当θ＝1、以及可选地对于小θ值时的特别情况下，可以使用在类似的焊接条件下基于先前测量的ζ²值。

假设特征标记的归一化总体密度分布相隔平均值Z(y)，在如特征标记S相同的距离或远离参考特征标记总体内平均值的特征标记的概率∏(S)是：

$\mathrm{\&Pi;}\left(S\right)=\underset{{((S-M)\&CenterDot;(S-M))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}---\left(11\right)$

最后，特征标记处理装置估计方程式(11)积分的下限，统计估计装置估计∏(S)。

∏(S)是焊接一致性的适合的测度。对于在平均值的测量的特征标记，∏(S)接近于1，并且对于远离平均值的特征标记，它趋于0。∏(S)的低值表示在过程中可能已经产生缺陷。小于10^-4的∏(S)值可以用于表示过程中的缺陷。对于Z(y)可以选择任何简单的统计分布。有用的选择是正态分布：

$Z\left(y\right)=\sqrt{\frac{2}{\mathrm{\&pi;}}}{e}^{-y^2/2}---\left(12\right)$

这里e是自然对数的基底。

维数大于1的统计分布

因为特征标记图像包含许多可变元素，改进的方法是使用维数d＞1的统计分布并且由数据估计维数d。

特征标记处理装置用于分别根据方程式(9)和(10)估计平均特征标记M和方差ζ²。然后特征标记处理装置用于估计参考特征标记集λ_j的标号为J的因数：

${\mathrm{\&lambda;}}_j=\left[\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}{((R_j-M)\&CenterDot;(R_j-M))}^{j/2}\right]/(\mathrm{\&theta;}-1)---\left(10^{,}\right)$

J不应该设置为2，因为已经计算了λ₂＝ζ²，J＝4是适当的选择。

对于具有维数d的归一化统计分布Z(y，d)的适当选择是一个多维正态分布：

$Z(y,d)=\frac{{2d}^{d/2}}{2^{d/2}\mathrm{\&Gamma;}(d/2)}{y}^{d-1}{e}^{-{\mathrm{dy}}^2/2}---\left(11^{,}\right)$

这里Γ是Gamma函数[1]。

使用J＝4的统计估计装置，d可以由下式估计

$d=2/(\frac{{\mathrm{\&lambda;}}_4}{{\mathrm{\&zeta;}}^4}-1)---\left(12^{,}\right)$

一旦知道d，在如特征标记S相同距离或远离参考特征标记总体内平均值的特征标记的概率∏(S)由方程式(11)进行估计，由多维总体分布Z(y，d)代替Z(y)：

$\mathrm{\&Pi;}\left(S\right)=\underset{{((S-M)\&CenterDot;(S-M))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z(y,d)\mathrm{dy}---\left(13\right)$

∏(S)是焊接一致性的改进测度。

非各向同性参考总体

虽然方程式(11)或(13)的∏(S)是有用的，但该计算假设相同的分布适用于在特征标记空间中的所有方向上远离平均特征标记。实际上，在特征标记元素的变化中可能有相关性，这个信息可以用于改善对于缺陷的敏感性，因为不必显示这种相关性。

为说明基本的各向异性，首先，需要估计特征标记空间M₁中的方向，其中参考样本示出与平均值M最大的偏差，即M₁必须最大化

${\mathrm{\&zeta;}}_1^2=\left(\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}{((R_j-M)\&CenterDot;M_1)}^2\right)/\left[(\mathrm{\&theta;}-1)(M_1\&CenterDot;M_1)\right]---\left(14\right)$

对于具有平均特征标记M的θ个参考特征标记R₁，R₂到R_θ的测量样本，θ必须大于2。

方向定位装置用于估计M₁。对于一组线性无关的参考样本，这些可以规定M₁为线性组合：

然后通过使用数字方法使得1/ζ₁ ²最小化，可以找到未知的系数₂，₃到_θ。可以使用共轭梯度方法如Polak-Ribiere方法。

一旦知道M₁，它被归一化以根据方程式(8)给出单元特征标记M₁’。

现在将对于平均值的偏差分为并行和垂直于M₁的分量并且被独立地统计处理。由于总平均值M的定义，必要的是，沿着M₁’的样本差之分量的平均值等于零。

特征标记处理装置用于找出并行于M₁’的分量的方差ζ₁ ²：

${\mathrm{\&zeta;}}_1^2=\left(\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}{[(R_j-M)\&CenterDot;{M_1}^{\&prime;}]}^2\right)/(\mathrm{\&theta;}-1)---\left(16\right)$

对于从j＝1到j＝θ的每个参考特征标记，特征标记处理装置用于得到与M₁’正交的R_j-M的余项

$R_j^{\left(1\right)}=R_j-M-((R_j-M)\&CenterDot;{M_1}^{\&prime;}){M_1}^{\&prime;}---\left(17\right)$

然后，特征标记处理装置用于根据下面公式得到这些正交余项的方差(ζ^|1|)²：

${\left({\mathrm{\&zeta;}}^{\left(1\right)}\right)}^2=[\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}{R}_j^{\left(1\right)}\&CenterDot;R_j^{\left(1\right)}]/(\mathrm{\&theta;}-1)---\left(18\right)$

假设独立的分布，沿着M₁’与平均值的特征标记差之分量大于等于|(S-M)·M₁′|以及正交于M₁’的特征标记的余项大于等于S的余项的组合概率∏(S)，是由各个概率(假设独立的)的乘积给出：

$\mathrm{\&Pi;}\left(S\right)=\underset{{(S^{\left(1\right)}\&CenterDot;S^{\left(1\right)})}^{1/2}/{\mathrm{\&xi;}}^{\left(1\right)}}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}\underset{|(S-M)\&CenterDot;{M_1}^{\&prime;}|/{\mathrm{\&zeta;}}_1}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}--\left(19\right)$

这里余项

S⁽¹⁾＝S-M-((S-M)·M₁′)M₁′    (20)

当考虑各向异性时，使用各向同性情况的先前的设备直到方程式(9)确定平均特征标记。然后，使用各向异性设备以从方程式(14)到方程式(18)进行估计。最后，特征标记处理装置使用方程式(20)来计算方程式(19)中积分的下限，统计估计装置由方程式(19)估计∏(S)。

∏(S)如先前描述被用于各向同性参考特征标记分布。

对于正交于M₁’的余项的分布，使用多维分布Z(y，d⁽¹⁾)是一种改进，使得方程式(19)用下式替代

$\mathrm{\&Pi;}\left(S\right)=\underset{{(S^{\left(1\right)}\&CenterDot;S^{\left(1\right)})}^{1/2}{\mathrm{\&zeta;}}^{\left(1\right)}}{\overset{\&infin;}{\&Integral;}}Z(y,d^{\left(1\right)})\mathrm{dy}\underset{|(S-M)\&CenterDot;M_1^{\&prime;}|/{\mathrm{\&zeta;}}_1}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}---\left(21\right)$

将统计估计装置用于一个多维正态分布[方程式(11’)]，维数d⁽¹⁾由下式估计

$d^{\left(1\right)}=2/(\frac{{\mathrm{\&lambda;}}_4^{\left(1\right)}}{{\left({\mathrm{\&zeta;}}^{\left(1\right)}\right)}^4}-1)---\left(22\right)$

这里

${\mathrm{\&lambda;}}_4^{\left(1\right)}=\left[\underset{j=1}{\overset{\mathrm{\&theta;}}{\mathrm{\&Sigma;}}}{(R_j^{\left(1\right)}\&CenterDot;R_f^{\left(1\right)})}^2\right]/(\mathrm{\&theta;}-1)---\left(23\right)$

一旦知道d⁽¹⁾，统计估计装置用于从方程式(21)估计∏(S)，然后如上所述使用它。

用于特征标记变换到基集描述的设备

如果大量的参考特征标记用于焊接一致性确定和缺陷检测，会产生一些潜在的困难：

(1)在计算机存储器或硬盘中特征标记的存储可能成为一个问题；

(2)根据方程式(7)的内积计算可能消耗相当多的时间。例如，为了找到特征标记空间M₁中的方向，要求计算若干个内积，其中参考样本示出与平均值的最大偏差。

(3)不能保证特征标记的线性独立性。

为了克服这些困难，采用下面修改的Gram-Schmidt正交化设备，用适当的子空间中特征标记的坐标可以连续地表示特征标记。

假设一个特征标记的集合R₁，R₂，…R_θ被顺序地转换为子空间描述，第j个特征标记R_j是下一个要被转换的，该设备已经产生归一正交(orthonormal)基集B₁’，B₂’，…B_ξ’。归一正交意味着所有的基本特征标记对是正交的，所以：

${B_k}^{\&prime;}\&CenterDot;{B_{k_1}}^{\&prime;}=0---\left(24\right)$

对于k≠k₁并且k₁和k在1到ξ的范围，根据方程式(8)归一化每个值，使得

           B_k′·B_k′＝1    (25)

k在1到ξ的范围中。

特征标记处理装置估计来自R_j的下一个预期的基本分量为

$B_{\mathrm{\&xi;}-1}=R_j-\underset{k=1}{\overset{\mathrm{\&xi;}}{\mathrm{\&Sigma;}}}(R_j\&CenterDot;{B_k}^{\&prime;}){B_k}^{\&prime;}---\left(26\right)$

然而，基本加法装置仅接受B_ξ+1用于基集，如果它满足

选择ε值，使得对于基集仅接受B_ξ+1，如果它足够大的话。这意味着如果R_j不明显地与现有的基集线性无关，它将不被用于产生一新的基集特征标记。可以使用的ε值是0.001。

如果B_ξ+1被接受，应用方程式(8)，归一化值B_ξ+1’包括在基集中。

为启动该过程，基本加法装置总是包括归一化第一参考R₁’作为基集的第一元素。

最后，基本描述装置根据用集合B₁’，B₂’，…B_Ξ’规定的子空间中基集坐标α_j1，α_j2，…α_jΞ来表达R_j，这里如果B_ξ+1被接受，则该集合扩展到Ξ＝ξ+1，否则扩展到Ξ＝ξ：

$R_j=\underset{k=1}{\overset{\mathrm{\&Xi;}}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_{\mathrm{jk}}{B}_k^{/}---\left(28\right)$

这里

           α_jk＝R_j·B_k′    (29)

当基本加法装置完成到R_θ的过程时，参考特征标记的描述包括一组Ω个基本特征标记B₁’，B₂’，…B_Ω’加上每一个中具有Ω值的一组θ个基集坐标。如果特定的基本特征标记没有出现在关于给定参考的表达式中，因为给定的基本特征标记稍后被加上，相应的坐标设置为零。

当θ大约大于10时，这一般将是更简洁的焊接特征标记的描述。为了实时地工作，当在焊接期间确定参考特征标记时，采用基本加法装置并利用连续的参考特征标记。

使用基集描述的另一个优点是可以更有效地完成特征标记处理。基本坐标处理装置完成各种运算。假设C和G是以对应于参考R₁到R_θ的基集表达的特征标记，它们被表达为：

$\begin{array}{c}C=\underset{k=1}{\overset{\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_k{B_k}^{\&prime;}\\ G=\underset{k=1}{\overset{\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_k{B_k}^{\&prime;}\end{array}---\left(30\right)$

其中，基集坐标是

$\begin{array}{c}{\mathrm{\&gamma;}}_k=C{\&CenterDot;B_k}^{\&prime;}\\ {\mathrm{\&delta;}}_k=G\&CenterDot;{B_k}^{\&prime;}\end{array}---\left(31\right)$

用于k＝1到k＝Ω。内积由下式给出

$C\&CenterDot;G=\underset{k=1}{\overset{\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_k{\mathrm{\&delta;}}_k---\left(32\right)$

与用于特征标记的ρ次乘法相比，这种运算仅需要Ω次乘法。

当用基集表达的特征标记乘以或除以一个数时，每个基集坐标应该乘以或除以该数字，以产生一个用基集表示的新的特征标记。类似地，当加上或减去特征标记时，对于每个特征标记的匹配坐标被分别加上或减去，即，一个集合中标号为k的坐标被加上或从关于k＝1，2，3直到Ω的另一个集合中标号为k的坐标中减去。

基集描述不能被应用于每个测量的特征标记。它们仅应用于特征标记的基集规定的特征标记子空间中的特征标记。这些特征标记是参考特征标记本身和这些参考特征标记的线性组合。

确定焊接稳定性

在焊接过程期间，俗称为“稳定性”的定量测量可能是非常有价值的。有用的测量是焊接特征标记的可变性，即，是给定的特征标记作为人们根据先前的特征标记而期望它？假设通过特征标记产生装置已经确定特征标记的序列H₁，H₂…H_N，N＞1。特征标记处理装置使用特征标记加权因子[方程式(6’)]的特定选择，确定下一个特征标记X的简单线性预测：

X＝2H_N-H_N-1           (33)

下一个测量的特征标记S_N-1和预测的特征标记之间的平方距离是

(S_N-1-X)·(S_N-1-X)    (34)

假设一个特征标记总体分布Z(y)，如正态分布[方程式(12)]，使用统计估计装置由下式计算特征标记S_N+1的概率

$\mathrm{\&Pi;}\left(S_{N+1}\right)=\underset{{((S_{N+1}-X)\&CenterDot;(S_{N+1}-X))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}---\left(35\right)$

根据先前使用方程式(10)产生的特征标记的参考集合，ζ被给出固定的值。∏(S_N+1)是有用的稳定性测度，用较高概率表示更稳定的焊接过程。

如果焊接过程是相对不稳定的，较粗略的稳定性测量来自于：将测量的特征标记S_N+1之前较大组的特征标记作为参考集合R₁到R_θ，并且使用统计估计装置从方程式(11)、方程式(19)或方程式(21)确定∏(S_N+1)。

本发明的使用

使用本发明可以允许在进行焊接过程时、确定是否在焊接过程中产生了缺陷。也可以允许在进行焊接过程时、确定是否焊接过程是一致的和稳定的。

在其它方面，如目前所展望的，本发明是完成实现上述过程之步骤的实现方法，但不涉及任何特定的设备。

附图简述

现在参照附图，描述本发明的例子，其中：

图1是通过示出特征标记区域的多维散布图的第一个平面；

图2是通过多维散布图的第二个平面；

图3是通过多维散布图的第三个平面；

图4是通过多维特征标记密度图的第一个平面；

图5是通过多维特征标记密度图的第二个平面；

图6是通过多维特征标记密度图的第三个平面；

图7示出三个基本特征标记中第一个；

图8示出三个基本特征标记中第二个；

图9示出三个基本特征标记中第三个；

图10示出对于一个参考特征标记集合之平均值的最大偏离的方向；以及

图11示出测量的特征标记。

符号的列表

α用基集表示的特征标记的坐标

β用于M₁表达式中的基本特征标记的系数

Γ第二数据的值

γ用基集表示的特征标记C的坐标

δ用基集表示的特征标记G的坐标

ε用于基本加法的最小尺寸参数

η第一数据点的标号

θ在参考焊接特征标记之集合中特征标记的标号

Θ在卷积系数例子中的常数

κ卷积中使用的第一或第二数据值的标号

λ参考焊接特征标记之集合的矩量(moment)之估计值

λ⁽¹⁾关于参考分量之余项的矩量估计值

μ在要被组合的集合中焊接特征标记的标号

ξ基集中特征标记的当前标号

Ξ基集中特征标记的随后标号

∏概率

ρ焊接特征标记中的区域的数

σ模拟数据序列的标号

ζ²参考焊接特征标记集合的方差估计

(ζ⁽¹⁾)²关于参考特征标记之余项的方差估计

(ζ₁)²关于沿各向异性方向的参考分量的方差估计

τ₀，τ₁卷积系数之例子中的常数

在M₁表达式中参考特征标记的系数

Ψ卷积中的系数

Ω基集中特征标记的总数

A模拟数据的值

B基集中的焊接特征标记

c焊接特征标记C的调节的区域总体

C焊接特征标记

d统计分布的维数

d⁽¹⁾参考特征标记之余项的大小

D第一数据的值

e自然对数的底数

f焊接特征标记中区域的总体

F用于调节总体值的函数

g焊接特征标记G的调节区域总体

G焊接特征标记

h来自先前采样的焊接特征标记中的调节区域总体

H来自先前采样的焊接特征标记

j参考焊接特征标记集合中特征标记的标号

j₁参考焊接特征标记集合中特征标记的标号

J参考焊接特征标记集合中矩量的标号

k焊接特征标记的基集中特征标记的标号

k₁焊接特征标记的基集中特征标记的标号

m要被组合的集合中单个焊接特征标记的标号

M关于参考特征标记集合的平均特征标记

M₁参考集合的各向异性之方向

n序列中数据点的标号

N来自先前采样的参考特征标记的标号

P焊接特征标记中的调节区域总体

P_T组合的焊接特征标记

r焊接特征标记中区域的标号

R参考焊接特征标记

R⁽¹⁾参考特征标记的余项

s模拟数据序列的数

S测量的焊接特征标记

S⁽¹⁾测量的焊接特征标记的余项

t时间

W用于从先前采样确定参考量的加权

w用于计算区域总体的加权函数

x参考特征标记X中的调节区域总体

X参考焊接特征标记

y关于总体密度分布函数的积分变量

Z总体密度分布函数

实现本发明的最佳方式

单个焊接特征标记的产生

在脉冲式气体保护金属极弧焊中，脉冲重复地产生。结果，电压波形一般示出矩形脉冲，被电压落在较低值的区域分开约25伏。这个电压被采样，以采集η＝4096个电压数据点，并在采样测量之间具有61微秒的时间间隔。产生三个模拟第二序列，使得σ＝3。

标号为s的模拟序列的第n项A_n，s由方程式(1)及方程式(2)中给定的Ψ来确定，给出的常数是值τ₀＝2.0，τ₁＝0.5，以及Θ＝0。电压数据是第一信号数据序列D_n，第二信号数据序列Γ_n不用于这个

图1、图2和图3中示出在三个平面s＝1，s＝2以及s＝3中4096个数据点的散布图。在每个平面中，存在25条垂直栅格线和25条水平栅格线。栅格线不是均匀间隔的，但靠在一起，其中s＝2平面中的点密度是最高的。

栅格线将平面分为变化尺寸的26×26＝676个矩形，它们被称为栅格矩形。对于每个栅格矩形，通过以选择的栅格矩形为中心的5×5栅格矩形阵列来限定焊接特征标记的矩形区域。在s＝1平面的左下角说明一个这样的矩形区域。“x”标记该中心限定栅格矩形。

对于在边界或接近于边界的栅格矩形，矩形区域仅扩展到边界。对于这个例子，规定了总共有26×26×3＝2028个覆盖区域。

如果在{D_n，s，A_n，s}的给定点落在区域r内，则总体f_r增加w_r(D_n，Γ_n，A_n，s，n，s，t)。在这个例子中，对于这个点给定的加权是

$w_r(D_n,{\mathrm{\&Gamma;}}_n,A_{n,s},n,s,t)=e^{-2.5{(D_n-D_r)}^2-0.39{(A_{n,s}-A_r)}^2}---\left(36\right)$

这里D_r是在规定区域r的栅格矩形中点的第一变量的值，A_r是在规定区域r的栅格矩形中点的模拟变量的值。

为了产生最后调节区域总体p_r，函数应用装置将单值的单调函数F应用于f_r值的每一个，在这个例子中，平方根采用

$p_r=\sqrt{f_r}---\left(37\right)$

r＝1到2028。

在三个平面s＝1、2和3的每一平面中，在图4、5和6中说明单个焊接特征标记。较黑的区域表示较高的总体密度。

基集描述的应用例子，该描述是关于具有非各向同性参考总体的测量特征标记的概率估计

对于基集描述使用特征标记图像，用基本函数和α_jk坐标[方程式(28)]来表示对于j＝1到θ的参考函数R_j的集合。平均特征标记M也用基本函数表示为

$M=\underset{k=1}{\overset{\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}}{a}_k{B_k}^{\&prime;}---\left(38\right)$

这里

α_k＝M·B_k′    (39)

并不是表达在特征标记空间M₁中的方向，其中参考样本示出根据使用方程式(15)的整个参考函数的集合表示的、与平均值的最大偏差，它可以用基集表示为

$M_1={B_1}^{\&prime;}+\underset{k=2}{\overset{\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_k{B_k}^{\&prime;}---\left(40\right)$

又有必要得出未知系数β₂，…β_Ω的值使得1/ζ₁ ²最小化，ζ₁ ²在方程式(14)中给出。也可以再使用如Polak-Ribiere方法的数字技术。一旦得出β₂，…β_Ω，由方程式(40)知道M₁，并且可以将它归一化以给出单位特征标记M₁’。

根据方程式(16)到(20)或者另一种情况根据方程式(16)、(17)、(18)、(21)、(22)和(23)，为了估计测量的特征标记S的概率，与平均值的偏差被再次分为与M₁’平行和垂直的分量，并且独立地统计处理。在这一点上，计算如上所述进行。

测量的信号S不必用基集坐标表示，即在参考特征标记规定的子空间中来表示，因为不能保证S位于该子空间以及使用方程式(32)不能实现方程式(19)、(20)和(21)中的内积运算。

产生基集及确定具有非各向同性参考总体的给定测量特征标记概率的例子

在脉冲式气体保护金属极弧焊中，对于第一信号数据序列D_n，电压被采样，以采集η＝8192个电压数据点，并在采样测量之间具有61微秒的时间间隔。对于第二信号数据序列Γ_n，以类似的方式采样电流。产生单个模拟的第二序列，使得σ＝1。产生的特征标记是两维的并且可以容易在这个例子中说明。

标号为1的模拟序列的第n项A_n，1由具有方程式(1)确定，其中具有方程式(1)中给出的Ψ，给定的常数是值τ₀＝0，τ₁＝2.5，以及Θ＝0.15。然后，如在产生单个焊接特征标记的先前例子所述，计算区域总体。

产生12个参考特征标记的集合(θ＝12)，并且使用到基集描述设备的变换来获得基本特征标记。在这个例子中，存在三个基本特征标记并且Ω＝3。基本特征标记的数量可以较高，例如Ω＝8。然而，选择Ω＝3有利于利用三维图形在这个例子中的可视化。

在图7、8和9中分别说明三个两维基本特征标记B₁’、B₂’、以及B₃’。颜色较浅的区域对应于正的区域总体，而颜色较黑的区域对应于负值。灰颜色对应于零区域总体。

参考函数R_j(j＝1到12)的集合用的基本函数和使用特征标记处理装置的α_jk坐标[方程式(28)]来表示。

平均特征标记M从利用特征标记处理装置的方程式(9)中得出，并且用根据方程式(38)和(39)的基本函数来表示。平均特征标记M的三个坐标是a₁＝40.79，a₂＝6.80，a₃＝1.87。

对于每个参考特征标记R_j，通过从参考量之坐标中减去平均值的坐标，产生坐标集合α_j1-a₁，α_j2-a₂，以及α_j3-a₃(j＝1到12)，在基集坐标中得出与平均特征标记的偏差R_j-M。与平均值的这12个偏差中每一个如图10中一个点示出。三个轴是相应于三个基本矢量中每一个的坐标。

使用方程式(40)和Polak-Ribiere方法，可以得出方向M₁’，其中参考样本示出与平均值的最大偏差。M₁’的方向如图10的一个线条来表示。

根据方程式(16)、(17)、(18)、(22)和(23)，与参考集合平均值的偏差被分为平行和垂直于M₁’的分量，并且被独立地统计处理。正态分布[方程式(12)]用于平行于M₁’的分量，多维正态分布用于垂直分量[方程式(11’)]。使用基本坐标操作装置来进行特征标记的操作。

从方程式(16)得出平行于M₁’的方差是ζ₁ ²＝0.0133。根据方程式(17)、(18)、(22)和(23)，正交余项的方差(ζ⁽¹⁾)²＝0.0093，分布d⁽¹⁾的大小是1.18。

图11示出测量的特征标记S。使用特征标记处理装置，垂直于M₁’的余项S⁽¹⁾由方程式(20)中得出。然后，统计估计装置和特征标记处理装置用于根据方程式(21)得出概率∏(S)。

出现在方程式(21)中的正态分布的积分是一个误差函数(ErrorFunction)，它的数字近似值是适用的[1，2]。方程式(21)中的多维正态分布的积分是不完全伽马函数，它的数字近似值也是适用的[1，2]。统计估计装置使用这些数字近似值来估计∏(S)。

在这个例子中，∏(S)的值为2×10^-7。这个概率的低值表示缺陷已经产生。

参考文献

[1]Milton Abramowitz and Irene Stegun“数学函数手册”.DoverNew York.1965，第6章和第7章。

[2]William Press.Brian Flannery，Saul Teukolsky，and WilliamVetterling.“数值方法”.Cambridge University Press，Cambridge.1986，第6章。

本领域的技术人员应该理解的是，对于如在具体实施例示出的本发明，可以进行许多变化和/或修改而不背离如上述本发明的精神和范围。因此，这些实施例应该认为完全是用于说明的目的而不是限制性的。

本发明也可以被用于存在复杂的重复电信号的其它应用中。

Claims (36)

1.一种用于在线焊接评估的设备，包括：

第一采样装置，采样焊接电压或电流以提供关于第一信号的序列值，

第二采样装置，采样焊接电流或电压以提供关于第二信号的序列值，

信号产生装置，根据第一信号和第二信号产生关于一个或多个模拟第三信号的一个或多个序列值，其中的模拟信号取决于通过广义离散点卷积运算的第一和第二信号的值，

三组化装置，识别第一、第二和第三信号的相应值为三组值，

汇集装置，汇集用于质量监视的三组值为组或区域。

2.如权利要求1所述的设备，其中，第一信号表示为序列D₁，D₂，…，D_η-1，D_η，第二信号表示为序列Γ₁，Γ₂，…，Γ_η-1，Γ_η，标号为s的模拟序列是序列A_1，s，A_2，s，…，A_η-1，s，A_η，s，标号为s的模拟序列的第n项A_n，s可以由下式确定：

$A_{n,s}=\underset{\mathrm{\&kappa;}=1}{\overset{\mathrm{\&eta;}}{\mathrm{\&Sigma;}}}\mathrm{\&Psi;}(1,\mathrm{\&kappa;},n,s,t)D_{\mathrm{\&kappa;}}+\mathrm{\&Psi;}(2,\mathrm{\&kappa;},n,s,t){\mathrm{\&Gamma;}}_{\mathrm{\&kappa;}}\&CenterDot;\&CenterDot;\&CenterDot;\left(1\right)$

其中，η是各序列中的数据项数，系数Ψ可以取决于第一信号数据序列中D_κ的位置和第二信号数据序列中Γ_κ的位置κ、标号为s的模拟数据序列中A_n，s的位置n、模拟序列标号s、以及相对于某一规定的时间原点测量D_κ和Γ_κ的时间t。

3.如权利要求2所述的设备，其中，模拟信号产生装置重复地应用方程式(1)，以计算关于n从1变化到η、以及s从1变化到σ的所有A_n，s的值，其中η表示第一数据点的标号，σ表示模拟数据序列s的总数。

4.如权利要求3所述的设备，其中，Ψ是：

$\mathrm{\&Psi;}(1,\mathrm{\&kappa;},n,s,t)=e^{(k-n)({\mathrm{\&tau;}}_0+{\mathrm{s\&tau;}}_1)}\&CenterDot;\&CenterDot;\&CenterDot;(\mathrm{\&kappa;}-n)<0$

    Ψ(1，κ，n，s，t)＝0        …(κ-n)≥0    (2)

    Ψ(2，κ，n，s，t)＝Θ               …κ＝n

    Ψ(2，κ，n，s，t)＝0        …κ≠n

其中τ₀和τ₁是确定由s变化时的时间常数所覆盖的范围的常数值。

5.如权利要求1所述的设备，其中，较小的区域具有最大的总体密度，随着它们远离最大总体密度的区域，这些区域的尺寸在第一信号和模拟信号方向上按指数律增大。

6.如权利要求5所述的设备，其中，区域总体通过总体密度函数f_r表示，该函数是标号为r的区域总体，使得如果在{D_n，s，A_n，s)的给定点落在区域r内，累积装置使总体密度函数f_r增加W_r(D_n，Г_n，A_n，s，n，s，t)，其中，t是测量D_n和Г_n的时间，W_r(D_n，Г_n，A_n，s，n，s，t)是在区域r内给定点的加权。

7.如权利要求6所述的设备，其中，最后调节的区域总体p_r函数应用装置将单值的单调函数F应用于f_r值的每一个，

    p_γ＝F(f_r)                        (3)

对于r＝1至ρ，自所有ρ个区域汇集的p_r的完全集{p1，p2，…P_p-1，p_ρ)是单焊接特征标记，其中ρ是各个特征标记中的区域的总数。

8.如权利要求7所述的设备，其中，通过规定重叠区域和减少关于更接近区域r的边界点的W_r来选择加权函数W_r，选择函数F，使得焊接特性标记对最终焊道中之缺陷的敏感度最大。

9.如权利要求7所述的设备，其中，要求若干个单焊接特征标记，采样装置汇集关于第一信号和第二信号的若干个序列值，用于产生单焊接特征标记的设备随后被用于产生关于第一和第二信号序列之每一个的单个特征，存在对于单个特征标记m所限定的总共ρ[m]个区域，它包含最后调节的区域总体

{p₁[m]，p₂[m]，p₃[m]…p_ρ[m][m]}                               (4)

其中特征标记数目m从1变化至μ，μ是被组合的焊接特征标记的总数。

10.如权利要求9所述的设备，其中，连接装置通过按顺序连接所有调节区域总体，随后根据每个单特征标记产生一个组合的焊接特征标记P_T：

    P_T＝{p₁[1]，p₂[1]，…p_ρ[1][1]，p₁[2]，p₂[2]，…p_ρ[μ][μ]}    (5)

其中μ是被组合的特征标记的总数。

11.如权利要求10所述的设备，其中，在焊接期间根据先前采样连续地计算参考特征标记，该参考是N个特征标记H₁、H₂、H₃…H_N的加权平均值，其中H_N是所确定的最新特征标记，H_N-1是在此之前确定的特征标记及类似地对于其余的特征标记H_N-2至H₁，从下面的加权平均值确定参考特征标记X

    x_r＝W₁h_1r+W₂h_2r+W₃h_3r+…+W_Nh_Nr                   (6’)

对于r＝1到ρ，x_r是参考特征标记X中标号为r的调节区域总体；h_1r到h_Nr是根据先前采样确定的特征标记H₁到H_N中标号为r的调节区域总体；ρ是每个特征标记中总的区域数；W₁到W_N是特征标记加权因子。

12.如权利要求10所述的设备，其中，任何两个特征标记C和G的内积或点积被计算为

$C\&CenterDot;G=\underset{r=1}{\overset{\mathrm{\&rho;}}{\mathrm{\&Sigma;}}}{c}_r\&times;g_r\&CenterDot;\&CenterDot;\&CenterDot;\left(7\right)$

这里c_r和g_r是分别关于特征标记C和G的标号为r的调节区域总体。

13.如权利要求12所述的设备，其中，根据焊接特征标记C计算归一化的焊接特征标记C’如下：

$C^{\&prime;}=C/\left(\sqrt{C\&CenterDot;C}\right)\&CenterDot;\&CenterDot;\&CenterDot;\left(8\right)$

14.如权利要求12所述的设备，其中，焊接一致性的测度的给出是通过概率：

$\mathrm{\&Pi;}\left(S\right)=\underset{{((S-M)\&CenterDot;(S-M))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}\&CenterDot;\&CenterDot;\&CenterDot;\left(11\right)$

其中，Z(y)是简单的统计分布，S是测量的特征标记，M是平均参考特征标记，ζ²是参考焊接特征标记之集合的方差估计值。

15.如权利要求12所述的设备，其中，焊接一致性的测度的给出是通过概率：

$\mathrm{\&Pi;}\left(S\right)=\underset{{((S-M)\&CenterDot;(S-M))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z(y,d)\mathrm{dy}\&CenterDot;\&CenterDot;\&CenterDot;\left(13\right)$

其中，Z(y，d)是多维统计分布，具有估计的维数d，S是测量的特征标记，M是平均参考特征标记，ζ²是参考焊接特征标记之集合的方差估计值。

16.如权利要求10所述的设备，其中，为说明基本的各向异性，首先，需要估计特征标记空间中的方向，其中参考样本示出与平均值的最大偏差，然后，将与平均值的差分为平行和垂直于该方向的分量，并且被独立地统计处理。

17.如权利要求10所述的设备，其中，利用修改的Gram-Schmidt正交化设备，由特征标记在适当子空间中的坐标连续地表示特征标记。

18.如权利要求10所述的设备，其中，焊接稳定性的定量测度是通过将一特征标记与先前的特征标记进行比较而自焊接特征标记的可变性获得的。

19.一种用于在线焊接评估的方法，包括下面的步骤：

对焊接电压或电流进行第一采样，以提供关于第一信号的序列值，

对焊接电流或电压进行第二采样，以提供关于第二信号的序列值，

根据第一信号和第二信号，产生关于一个或多个模拟第三信号的一个或多个序列值，其中的模拟信号取决于通过广义离散点卷积运算的第一和第二信号的值，

识别第一、第二和第三信号的相应值为三组值，

汇集用于质量监视的三组值到区域。

20.如权利要求19所述的方法，包括下面的步骤：

由下式确定标号为s的模拟序列的第n项A_n，s：

$A_{n,s}=\underset{\mathrm{\&kappa;}=1}{\overset{\mathrm{\&eta;}}{\mathrm{\&Sigma;}}}\mathrm{\&Psi;}(1,\mathrm{\&kappa;},n,s,t)D_{\mathrm{\&kappa;}}+\mathrm{\&Psi;}(2,\mathrm{\&kappa;},n,s,t){\mathrm{\&Gamma;}}_{\mathrm{\&kappa;}}\&CenterDot;\&CenterDot;\&CenterDot;\left(1\right)$

其中，η是各序列中的数据项数，第一信号表示为序列D₁，D₂，…，D_η-1，D_η，第二信号表示为序列Г₁，Г₂，…，Г_η-1，Г_η，标号为s的模拟序列是序列A_1，s，A_2，s，…，A_η-1，s，A_η，s，其中，系数Ψ可以取决于第一信号数据序列中D_κ的位置和第二信号数据序列中Г_κ的位置κ、标号为s的模拟数据序列中A_n，s的位置n、模拟序列标号s、以及相对于某一规定的时间原点测量D_κ和Г_κ的时间t。

21.如权利要求20所述的方法，包括下面的步骤：

模拟信号产生装置重复地应用方程式(1)，以计算关于n从1变化到η、以及s从1变化到σ的所有A_n，s的值，其中σ表示模拟数据序列s的总数。

22.如权利要求20所述的方法，其中，Ψ是：

$\mathrm{\&Psi;}(1,\mathrm{\&kappa;},n,s,t)=e^{(k-n)({\mathrm{\&tau;}}_0+{\mathrm{s\&tau;}}_1)}\&CenterDot;\&CenterDot;\&CenterDot;(\mathrm{\&kappa;}-n)<0$

    Ψ(1，κ，n，s，t)＝0      …(κ-n)≥0            (2)

    Ψ(2，κ，n，s，t)＝Θ           …κ＝n

    Ψ(2，κ，n，s，t)＝0      …κ≠n

其中τ₀和τ₁是确定由s变化时的时间常数所覆盖的范围的常数值。

23.如权利要求19所述的方法，包括下面的步骤：汇集装置汇集三组值到区域，较小的区域中总体密度为最大，随着它们远离最大总体密度的区域，区域的大小在第一和模拟信号方向上按指数律增加。

24.如权利要求23所述的方法，包括下面的步骤：通过总体密度函数fr表示区域总体，该函数是标号为r的区域之总体，使得如果在{D_n，s，A_n，s}的给定点落在区域r内，累积装置将总体密度函数f_r增加W_r(D_n，Γ_n，A_n，s，n，s，t)，其中t是测量D_n和Γ_n的时间，W_r(D_n，Γ_n，A_n，s，n，s，t)是加权，点在区域r中给出。

25.如权利要求24所述的方法，包括下面的步骤：最后调节的区域总体p_r函数应用装置将单值的单调函数F应用于f_r值的每一个：

    p_γ＝F(f_r)                             (3)

对于r＝1至ρ，自所有ρ个区域汇集的p_r的完全集{p1，p2，…p_p-1，p_ρ}是一个单焊接特征标记，其中ρ是各个特征标记中的区域的总数。

26.如权利要求25所述的方法，包括下面的步骤：通过定义重叠区域来选择加权函数W_r，并减少关于更接近区域r边界之点的W_r，选择函数F，使得焊接特征标记对最终焊道中之缺陷的敏感度最大。

27.如权利要求25所述的方法，其中，要求若干个单焊接特征标记，采样装置汇集关于第一信号和第二信号的若干个序列值，用于产生单焊接特征标记的设备随后被用于产生关于第一和第二信号序列之每一个的单特征标记，存在为该单个特征标记m限定的总共ρ[m]个区域，它包含最后调节的区域总体

    {p₁[m]，p₂[m]，p₃[m]…p_ρ[m][m]}              (4)

其中特征标记数目m从1变化至μ，μ是被组合的焊接特征标记的总数。

28.如权利要求27所述的方法，包括下面的步骤：连接装置通过按顺序将所有调节区域总体连在一起，随后根据每个单特征标记产生一个组合的焊接系统特征标记P_T：

    P_T＝{p₁[l]，p₂[l]，…p_ρ[1][1]，p₁[2]，p₂[2]，…p_ρ[μ][μ]}      (5)

其中μ是被组合的特征标记的总数。

29.如权利要求28所述的方法，包括下面的步骤：在焊接期间根据先前采样连续地计算参考特征标记，该参考是N个特征标记H₁、H₂、H₃…H_N的加权平均值，其中H_N是所确定的最新特征标记，H_N-1是在此之前确定的特征标记及类似地对于其余的特征标记H_N-2至H₁，从下面的加权平均值确定参考特征标记X

    x_r＝W₁h_1r+W₂h_2r+W₃h_3r+…+W_Nh_Nr                    (6’)

对于r＝1到ρ，x_r是参考特征标记X中标号为r的调节区域总体；h_1r到h_Nr是根据先前采样确定的特征标记H₁到H_N中标号为r的调节区域总体；ρ是每个特征标记中总的区域数；以及W₁到W_N是特征标记加权因子。

30.如权利要求28所述的方法，包括下面的步骤：任何两个特征标记C和G的内积或点积被计算为

$C\&CenterDot;G=\underset{r=1}{\overset{\mathrm{\&rho;}}{\mathrm{\&Sigma;}}}{c}_r{\&times;g}_r\&CenterDot;\&CenterDot;\&CenterDot;\left(7\right)$

其中，c_r和g_r分别是关于特征标记C和G的标号为r的调节区域总体。

31.如权利要求30所述的方法，包括下面的步骤：由焊接特征标记C计算归一化的焊接特征标记C’如下：

$C^{\&prime;}=C/\left(\sqrt{C\&CenterDot;C}\right)\&CenterDot;\&CenterDot;\&CenterDot;\left(8\right)$

32.如权利要求30所述的方法，包括下面的步骤：焊接一致性的测度是通过下面的概率给出：

$\mathrm{\&Pi;}\left(S\right)=\underset{{((S-M)\&CenterDot;(S-M))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z\left(y\right)\mathrm{dy}\&CenterDot;\&CenterDot;\&CenterDot;\left(11\right)$

其中，Z(y)是简单的统计分布，S是测量的特征标记，M是平均参考特征标记，ζ²是参考焊接特征标记之集合的方差估计值。

33.如权利要求30所述的方法，包括下面的步骤：焊接一致性的测度通过下面的概率给出：

$\mathrm{\&Pi;}\left(S\right)=\underset{{((S-M)\&CenterDot;(S-M))}^{1/2}/\mathrm{\&zeta;}}{\overset{\&infin;}{\&Integral;}}Z(y,d)\mathrm{dy}\&CenterDot;\&CenterDot;\&CenterDot;\left(13\right)$

其中，Z(y，d)是多维统计分布，具有估计的维数d，S是测量的特征标记，M是平均参考特征标记，ζ²是参考焊接特征标记之集合的方差估计值。

34.如权利要求28所述的方法，其中，为说明基本的各向异性，首先，需要估计特征标记空间的方向，其中参考样本示出与平均值的最大偏差，然后，将与平均值的差分为平行和垂直于该方向的分量，并且被独立地统计处理。

35.如权利要求28所述的方法，包括下面的步骤：

利用修改的Gram-Schmidt正交化设备，由特征标记在适当子空间中的坐标连续地表示特征标记。

36.如权利要求28所述的方法，包括下面的步骤：

通过将一特征标记与先前的特征标记进行比较而自焊接特征标记的可变性获得焊接稳定性的定量测度。

Images