[发明专利]一种搭接接头焊接质量缺陷预测的方法、系统及计算机可读存储介质

说明书

本发明公开一种搭接接头焊接质量缺陷预测的方法、系统及计算机可读存储介质，该方法首先收集焊接生产过程中焊接电参数和质量缺陷标签以及焊缝中心偏移焊丝中心的标签作为训练库；对收集到的电参数时序数据进行有效窗口提取，对提取的数据进行希尔伯特变换，分别对电参数实数值和复数值做特征提取；使用梯度提升树学习样本焊缝中心是否偏移焊丝中心；将预测到的焊缝中心是否偏移焊丝中心标签作为特征，使用最大最小标准化和包装法中的递归特征消除法挑选特征，使用决策树模型进行焊接质量缺陷分类；实时采集焊接电参数，进行窗口提取和相应的特征变换和提取，代入焊缝中心是否偏移焊丝中心模型预测，将预测结果作为特征，代入焊接质量预测模型得到焊接质量是否有缺陷。

技术领域

本发明涉及工业焊接产品质量检测技术领域，尤其是一种搭接接头焊接质量缺陷预测的方法、系统及计算机可读存储介质。

背景技术

随着制造技术的快速发展，焊接制造自动化与智能化已成为必然趋势。因焊接机器人拥有较强的通用性和工作可靠性等优点，已成为焊接自动化技术现代化的主要手段。如果焊接接头存在严重的焊接缺陷，在恶劣的环境下，就有可能造成部分结构断裂，甚至引起重大事故。焊接产品的质量方面存在的主要问题就是焊缝质量的缺陷。因此，焊接质量检验尤为重要，做到及早发现焊接缺陷，对焊接接头的质量做出客观的评价，把焊接缺陷限制在一定的范围内，以确保设备安全和人命财产安全。

目前焊缝质量缺陷检测主要基于焊接电流和电压等电参数上的特征变换，当电参数较稳定时认为焊接质量较好，然而实际过程中当焊缝中心偏移焊丝中心较大时，焊接参数波动也较稳定，这会带来焊接缺陷的误判。

发明内容

针对上述技术问题，本发明旨在提供一种搭接接头焊接质量缺陷预测的方法，删除了焊接开头和结尾因受起弧和收弧控制而导致的不置信数据，在电参数基础上，增加了焊缝偏移焊丝中心的预测标签，极大提高了焊接质量预测的精度。

为解决上述技术问题，本发明提供一种搭接接头焊接质量缺陷预测的方法，该方法包括以下步骤：

1)训练数据库收集模块：通过工业网关收集焊接机器人的电弧电压和焊接电流数据，对焊缝中心偏移焊丝中心人工打标签，当偏上板时记为a＝1，当偏下板时记为a＝2，无偏时记为a＝0，同时对焊接质量进行人工打标签，当有焊接缺陷时记为y＝1，否则记为y＝0，将所有数据和标签作为训练库；

2)数据有效窗口选择和特征提取模块：对收集到的电弧电压和焊接电流数据根据进行有效窗口提取，删除因受起弧和收弧影响的开头和结尾数据，采用希尔伯特变换方法计算时变，分别对有效窗口内的电参数的实数值和复数值做均值、标准偏差、变异系数、峰度、一阶差分均值、形状因子、波峰因子、间隙系数、脉冲因子、前后窗平均值处理，以及对前后窗皮尔逊相关系数的特征提取；

3)焊缝偏移模型训练模块：对提取到的特征和焊缝中心偏移焊丝中心标签进行梯度提升树进行三分类模型进行训练；

4)焊接质量缺陷训练模块：除了对提取的44个特征使用最大最小标准化，还加入焊缝中心是否偏移焊丝中心预测标签，后用L1正则和递归特征消除法筛选特征，最终得到无多重共线性特征，根据焊接质量标签，使用决策树模型训练；

5)焊接质量预测模块：通过工业网关实时采集焊接机器人的电弧电压和焊接电流数据，进行窗口提取和相应的特征变换和提取，代入焊缝中心是否偏移焊丝中心模型预测，将预测结果作为特征，代入焊接质量预测模型。

针对在实际应用中发现的选择合适的数据有效窗对检测算法的准确度影响较大，对所述步骤2)数据有效窗口提取优化如下，具体步骤为：

2.1)对一条焊缝电参数数据按时间序列从小到大排序，对于有缺失的采样点采用相邻点向后填充的方法，统计数据点数N，则初始有效窗口为[0,N-1]；