[发明专利]电弧焊接系统和电弧焊接判定装置

权利要求书

1.一种电弧焊接系统，其特征在于，包括：

机器人；

电弧焊接部，所述电弧焊接部以能够移送的方式安装在所述机器人上并实施电弧焊接；

电弧焊接电源，所述电弧焊接电源向所述电弧焊接部提供预定的焊接电压和焊接电流；

分析部，所述分析部对所述焊接电压和所述焊接电流中的至少一者的时序列波形进行频率分析，生成分析频谱数据；以及

判定部，所述判定部被输入所述分析部生成的所述分析频谱数据，基于机器学习过程中的学习内容，判定所述电弧焊接部的焊接状态，

所述判定部在所述机器学习过程中，对所输入的所述分析频谱数据的时域和频域两者上的特征量与应输出的异常种类的异常的有无之间的对应关系进行学习，

所述机器学习是神经网络，

所述神经网络被构成为：将所述分析部生成的所述分析频谱数据作为以时域和频域为正交轴的二维图案数据进行图案分析，检测在二维图案中表示出的异常的特征量，按照各种异常种类判定有无异常。

2.根据权利要求1所述的电弧焊接系统，其特征在于，

所述分析部对通过卷积运算进行了处理的各时序列波形进行频率分析，在所述卷积运算中使用了窗口函数。

3.根据权利要求2所述的电弧焊接系统，其特征在于，

所述窗口函数使用与焊接条件对应的函数。

4.根据权利要求3所述的电弧焊接系统，其特征在于，

所述判定部通过对所述分析频谱数据和焊接状态正常时的正常频谱数据进行比较来进行判定。

5.根据权利要求4所述的电弧焊接系统，其特征在于，

所述判定部通过对频域中与预定的异常种类对应的频带上的所述分析频谱数据和所述正常频谱数据进行比较，判定有无该异常种类的异常。

6.根据权利要求4所述的电弧焊接系统，其特征在于，

所述判定部通过对时域中的所述分析频谱数据和所述正常频谱数据进行比较，判定有无预定的异常种类的异常。

7.根据权利要求1至6中任一项所述的电弧焊接系统，其特征在于，

所述分析部对从所述焊接电压和所述焊接电流求得的电阻、焊接功率中的任意一个的时序列波形进行频率分析。

8.根据权利要求1至6中任一项所述的电弧焊接系统，其特征在于，

所述电弧焊接部具有填充材料供给部，所述填充材料供给部供给填充材料，

所述判定部还基于所述填充材料供给部供给所述填充材料的供给速度来判定所述焊接状态。

9.一种电弧焊接判定装置，其特征在于，包括：

分析部，所述分析部对从外部的电弧焊接电源检测的焊接电压或焊接电流的时序列波形进行频率分析，生成分析频谱数据；以及

判定部，所述判定部被输入所述分析频谱数据，基于机器学习过程中的学习内容，判定外部的电弧焊接部的焊接状态，

所述判定部在所述机器学习过程中，对所输入的所述分析频谱数据的时域和频域两者上的特征量与要输出的异常种类的异常的有无之间的对应关系进行学习，

所述机器学习是神经网络，

所述神经网络被构成为：将所述分析部生成的所述分析频谱数据作为以时域和频域为正交轴的二维图案数据进行图案分析，检测在二维图案中表示出的异常的特征量，按照各种异常种类判定有无异常。

10.一种电弧焊接判定方法，其特征在于，包括：

对从电弧焊接电源检测的焊接电压或焊接电流的时序列波形进行频率分析，生成分析频谱数据；以及

基于机器学习过程中的学习内容，判定电弧焊接部的焊接状态，

在所述机器学习过程中，对所输入的所述分析频谱数据的时域和频域两者上的特征量与要输出的异常种类的异常的有无之间的对应关系进行学习，

所述机器学习是神经网络，

所述神经网络被构成为：将所述分析频谱数据作为以时域和频域为正交轴的二维图案数据进行图案分析，检测在二维图案中表示出的异常的特征量，按照各种异常种类判定有无异常。