[发明专利]一种基于频域和时频域特征的焊偏实时检测方法及系统

权利要求书

1.一种基于频域和时频域特征的焊偏实时检测方法，其特征在于，包括以下步骤：

步骤S1、获取高频时序数据，经过预处理后作为样本数据集；

步骤S2、基于样本数据集构造用于训练机器学习分类算法的样本特征集；所述样本特征集包括如下频域及时频域特征：

（1）电流信号经过快速傅里叶变换后在f₁-f₂频段幅值的方差；

（2）电流信号经过快速傅里叶变换后低于f₃频率的幅值之和；

（3）电流信号经过快速傅里叶变换后高于f₄频率的幅值之和；

（4）电流信号经过快速傅里叶变换之后最大权重值对应的频率；其中f₁、f₂、f₃、f₄为预设频率值；具体计算方法如下：

步骤S2.1、设置步长列表step_list和频率列表（1,window_size/2），其中window_size代表划窗采样的窗长，通过网格搜索的方式，获取频率f₁与步长step，f₂=f₁+step，使得f₁、f₂满足条件：f₁-f₂频段幅值的方差与标签列间的IV值最大，所述标签列用于表征人工标注信息；所述IV值用于表示正常焊接与焊偏之间的分布差异，IV值越大，代表二者分布差异越大；

步骤S2.2、设置频率列表（1,window_size/2），遍历该列表中所有元素，获得f₃，满足条件：使得低于f₃频率的幅值之和与标签列的IV值最大；

步骤S2.3、设置频率列表（1,window_size/2），遍历该列表中所有元素，获得f₄，满足条件：使得高于f₄频率的幅值之和与标签列间的IV值最大；

（5）电压信号经过小波变换后第θ₁层的方差、一阶差分的方差和过零点的个数，其中θ₁为预选层数；

步骤S3、基于构造的样本特征集，选择机器学习分类算法进行模型训练，得到焊偏识别模型；

步骤S4、部署焊偏识别模型并进行焊偏实时检测。

2.根据权利要求1所述的一种基于频域和时频域特征的焊偏实时检测方法，其特征在于，所述步骤S1中对高频时序数据进行预处理，包括依次进行的划窗采样、过滤异常焊接样本、人工标注和划分焊接样本数据集；所述人工标注过程中，基于现场标注的焊偏起始时间和终止时间，对样本数据进行标注，其中正常焊接标注为0，发生焊偏标注为1。

3.根据权利要求1所述的一种基于频域和时频域特征的焊偏实时检测方法，其特征在于，所述步骤S2中电压信号采用db3小波基进行5层小波分解，选择第cD2层为第θ₁层，统计方差、一阶差分的方差和过零点的个数作为时频域特征。