[发明专利]电芯极耳焊接拉力预测方法及系统

权利要求书

1.一种电芯极耳焊接拉力预测方法，其特征在于，所述方法包括：

采集电芯极耳焊接过程的多维数据，所述多维数据包括超声波焊接数据、来料数据以及生产环境数据；

对所述多维数据进行预处理，转换成时序数据；

采用长短期记忆网络对所述时序数据进行焊接拉力预测，得到下一时刻焊接拉力预测结果；

基于所述下一时刻焊接拉力预测结果，进行预警。

2.如权利要求1所述的电芯极耳焊接拉力预测方法，其特征在于，所述超声波焊接数据包括焊接过程数据、焊机数据、焊机内部数据以及CCD焊接外观检测数据，所述来料数据包括IQC来料表面粗糙度及入库时间，所述生产环境数据包括温度数据和湿度数据。

3.如权利要求1所述的电芯极耳焊接拉力预测方法，其特征在于，所述对所述多维数据进行预处理，转换成时序数据，包括：

基于所述CCD焊接外观检测数据，提取焊点数量及焊点形貌特征值；

基于所述焊接过程数据进行傅里叶变换，提取焊接过程中的频率信息；

对所述焊机数据、所述焊机内部数据、所述焊点数量及焊点形貌特征值、所述频率信息、所述来料数据和所述生产环境数据进行标准化处理，得到呈正态分布的数据；

将所述呈正态分布的数据转换成时序数据。

4.如权利要求3所述的电芯极耳焊接拉力预测方法，其特征在于，所述频率信息包括频谱均值、频谱均方根值、频率重心、均方根频率以及标准差频率；所述基于所述焊接过程数据进行傅里叶变换，提取焊接过程中的频率信息，包括：

对所述焊接过程数据进行傅里叶变换，公式表示为：

式中：x(kΔtz)为振动信号的采样值；N为采样点数；Δt为采样间隔；k为时域离散值的序号；

基于所述傅里叶变换后的数据结果，提取所述焊接过程中的频谱均值F_mean、频谱均方根值F_{meansquareroot}、频率重心F₁、均方根频率F₂以及标准差频率F₃，公式表示为：

式中：s(k)是信号x(n)的频谱，k＝1,2,3,......K-1,K；K是频谱数；f_k表示第k条谱线的频率值。

5.如权利要求1所述的电芯极耳焊接拉力预测方法，其特征在于，所述长短期记忆网络包括依次连接的卷积层、最大池化层、LSTM层以及全连接层；

所述长短期记忆网络为预先训练好的用于进行焊接拉力预测的神经网络，在网络训练过程中所采用的损失函数为MAPE，公式表示为：

式中：A_t表示第t个数据实际值，F_t表示第t个数据的预测值。

6.如权利要求1所述的电芯极耳焊接拉力预测方法，其特征在于，所述基于所述下一时刻焊接拉力预测结果，进行预警，包括：

基于多次预测的下一时刻焊接拉力预测结果，计算焊接拉力预测值的平均值；

若连续i处焊接点的焊接拉力平均值呈现下降趋势，则进行预警。

7.如权利要求1所述的电芯极耳焊接拉力预测方法，其特征在于，所述基于所述下一时刻焊接拉力预测结果，进行预警，包括：

基于预测的下一时刻焊接拉力预测结果，计算焊接拉力预测值；

在所述焊接拉力预测值的平均值未在设定的阈值范围内时，则进行预警。

8.如权利要求1所述的电芯极耳焊接拉力预测方法，其特征在于，所述基于所述下一时刻焊接拉力预测结果，进行预警，包括：

基于多次预测的下一时刻焊接拉力预测结果，计算一次标准差；

对所述标准差波动超过阈值的区域进行预警。