[发明专利]焊接机器人焊接过程中焊接轨迹实时检测方法

摘要

一种焊接机器人焊接过程中焊接轨迹实时检测方法包括：采集正常焊接机器人焊接过程焊接轨迹数据；对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数；根据簇数对所有的数据点进行精准的分类，并得到每类的中心点坐标；将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练；将剩下TCP坐标值代入神经网络算法中进行网络验证成功；实时采集某点的焊接轨迹数据；将实际TCP坐标值中TCP‑X和TCP‑Y坐标值代入神经网络算法中获得预测TCP‑Z坐标值；计算预测TCP‑Z坐标值与实际TCP‑Z坐标值差距，差距落入预设置信区间内则该点为正常点，差距未落入预设置信区间内则该点为异常点并预测告警。

主权项

1.一种焊接机器人焊接过程中焊接轨迹实时检测方法，其特征在于，其包括以下步骤：S1、采集正常焊接机器人焊接过程中三维空间的焊接轨迹数据，焊接轨迹数据包括焊缝编号和TCP坐标值，TCP坐标值包括TCP‑X、TCP‑Y和TCP‑Z坐标值；S2、运用主成分分析算法，对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数k；S3、根据簇数k，利用Kmeans聚类算法对所有的数据点进行精准的分类，并得到每类的中心点坐标；S4、将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练，并轮流交替：输入(TCP‑X,TCP‑Y)‑‑>输出(TCP‑Z)输入(TCP‑Y,TCP‑Z)‑‑>输出(TCP‑X)输入(TCP‑X,TCP‑Z)‑‑>输出(TCP‑Y)作为BP神经网络算法的输入和输出，不断迭代多次训练找寻最佳匹配方式以及其得到的模型公式；S5、将剩下TCP坐标值代入神经网络算法中进行网络验证，并验证成功；S6、实时采集某一焊接机器人焊接过程中某点的焊接轨迹数据；S7、将实际采集到的TCP坐标值中的TCP‑X和TCP‑Y坐标值代入神经网络算法中以获得预测的TCP‑Z坐标值；S8、计算预测的TCP‑Z坐标值与实际的TCP‑Z坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；或者，S7、将实际采集到的TCP坐标值中的TCP‑X和TCP‑Z坐标值代入神经网络算法中以获得预测的TCP‑Y坐标值；S8、计算预测的TCP‑Y坐标值与实际的TCP‑Y坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；或者，S7、将实际采集到的TCP坐标值中的TCP‑Y和TCP‑Z坐标值代入神经网络算法中以获得预测的TCP‑X坐标值；S8、计算预测的TCP‑X坐标值与实际的TCP‑X坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警。