[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

说明书

本发明公开了一种基于频域和时频域特征的焊偏实时检测方法，首先获取高频时序数据，并进行预处理，获取样本数据集；接着在传统时域特征的基础上设计若干频域及时频域特征，作为样本特征集，用于训练机器学习分类算法模型，进而获得焊偏识别模型；此外本发明还搭建了配套的焊偏实时检测系统，可以将焊偏识别模型部署在嵌入式终端，实现本地焊偏实时智能检测，也可以在嵌入式终端计算并获取特征数据集，将焊偏识别模型部署在云端，于云端实现焊偏实时智能检测；本发明设计的频域和时频域特征可以有效提升传统焊偏检测系统的检测效果，获取的轻量级模型不仅适用于工业焊接的高精度场景，还可以结合嵌入式终端实现本地实时检测及云端检测。

技术领域

本发明涉及智慧焊接技术领域，特别涉及一种基于频域和时频域特征的焊偏实时检测方法及系统。

背景技术

随着现代制造业的不断往自动化方向发展，工业焊接也逐步从低效的手工焊接向机器人自动焊接过渡。焊接机器人以其高焊接效率、稳定的质量、低人工成本等优点，迅速占领了制造市场。但不可忽视的是，焊接缺陷直接影响着机械的安全运行。焊接缺陷的种类很多，根据其在焊缝中的位置可分为表面焊接缺陷和内部焊接缺陷。常见的表面焊接缺陷有焊缝的尺寸和形状不符合要求、咬边、焊瘤、弧坑、焊偏、表面气孔、表面裂纹等，常见的内部焊接缺有气孔、夹渣、裂纹、未熔合和未焊透等。

焊偏是焊接缺陷中比较常见的一种，也是在焊接机器人生产过程中最常发生的故障。现有的焊偏缺陷检测多采用人工检测方式，不仅存在浪费时间、效率低下的问题，而且需要付出“焊后检测”带来的后期修复程序复杂、成本高昂的代价。

传统的焊接质量检测方法一般基于机器视觉，通过采集焊接图像并进行相应图像处理，提取焊接缺陷的特征信息，进而判断焊接质量。这种方法依旧存在不够实时的问题，无法针对焊偏的特殊场景进行实时、准确检测。

发明内容

发明目的：针对上述背景技术中存在的问题，本发明提供了一种基于频域和时频域特征的焊偏实时检测方法，通过选取高频电流、电压数据作为样本数据集、在传统时域特征选取的基础上，创造性地设置了若干频域特征和时频域特征，并提供了相应的设置方法，用于训练焊偏识别模型。此外，本发明还提供了配套的焊偏实时检测系统，采用边缘计算，可以实现本地焊偏的实时检测，或者在云端实现焊偏实时检测。

技术方案：

一种基于频域和时频域特征的焊偏实时检测方法，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；高频时序数据包括电流、电压、保护气体流速和送丝速度等。

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；