[发明专利]存储介质、焊接设备、焊接异常检测方法及装置在审
申请号: | 201911379262.2 | 申请日: | 2019-12-27 |
公开(公告)号: | CN111069736A | 公开(公告)日: | 2020-04-28 |
发明(设计)人: | 李海泉 | 申请(专利权)人: | 唐山松下产业机器有限公司 |
主分类号: | B23K9/095 | 分类号: | B23K9/095;B23K9/133;B23K9/32 |
代理公司: | 北京律智知识产权代理有限公司 11438 | 代理人: | 王辉;阚梓瑄 |
地址: | 063020 河北*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 存储 介质 焊接设备 焊接 异常 检测 方法 装置 | ||
1.一种焊接异常检测方法,其特征在于,包括:
获取训练数据,所述训练数据包括包含标签信息的历史焊接参数,所述标签信息用于标识所述历史焊接参数为焊接异常参数或焊接正常参数;
根据所述训练数据对初始异常检测模型进行训练,得到目标异常检测模型;
获取焊接过程中的实时焊接参数;
根据所述实时焊接参数和所述目标异常检测模型来检测焊接过程中是否发生焊接异常。
2.根据权利要求1所述的焊接异常检测方法,其特征在于,所述焊接参数包括电弧声音信息。
3.根据权利要求1所述的焊接异常检测方法,其特征在于,所述异常检测模型采用卷积神经网络或自编码神经网络。
4.根据权利要求3所述的焊接异常检测方法,其特征在于,所述异常检测模型采用所述自编码器神经网络,根据所述实时焊接参数和所述目标异常检测模型来检测焊接过程中是否发生焊接异常包括:
以所述实时焊接参数作为输入量,并输入至所述自编码器神经网络,得到相应的输出量;
根据所述输出量与所述输入量的差值判定所述焊接过程中是否发生焊接异常。
5.根据权利要求1所述的焊接异常检测方法,其特征在于,根据所述训练数据对初始异常检测模型进行训练包括:
将所述训练数据随机划分为训练集和验证集;
基于所述训练集对初始异常检测模型进行训练得到参考检测模型;
基于所述验证集对所述参考检测模型进行调整得到目标异常检测模型。
6.一种焊接异常检测装置,其特征在于,包括:
第一获取模块,用于获取训练数据,所述训练数据包括包含标签信息的焊接参数,所述标签信息用于标识所述焊接参数为焊接异常参数或焊接正常参数;
训练模块,用于根据所述训练数据对初始异常检测模型进行训练,得到目标异常检测模型;
第二获取模块,用于获取焊接过程中的实时焊接参数;
检测模块,用于根据所述实时焊接参数和所述目标异常检测模型来检测焊接过程中是否发生焊接异常。
7.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现根据权利要求1至5中任一项所述的焊接异常检测方法。
8.一种焊接设备,其特征在于,包括:
处理器;以及
存储器,用于存储一个或多个计算机程序,一个或多个所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的焊接异常检测方法。
9.根据权利要求8所述的焊接设备,其特征在于,所述焊接设备还包括:
采集装置,连接于所述处理器,所述采集装置用于采集所述焊接过程中的所述实时焊接参数,并将所述实时焊接参数发送至所述处理器。
10.根据权利要求8所述的焊接设备,其特征在于,所述焊接设备还包括:
焊机,连接于所述处理器,所述处理器用于在所述焊接过程发生焊接异常时向所述焊机发出报警信号,所述焊机用于根据所述报警信号判断是否停止焊接。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于唐山松下产业机器有限公司,未经唐山松下产业机器有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911379262.2/1.html,转载请声明来源钻瓜专利网。