[發(fā)明專利]基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法

在審

• 申請?zhí)枺?/td>: 202110792765.3
• 申請日: 2021-07-14
• 公開（公告）號: CN113408483A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設計）人: 王魯;顧成勇;李鶴;李國旺;董茂林;孫紅春
• 申請（專利權）人: 寶鋼日鐵汽車板有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 沈陽優(yōu)普達知識產權代理事務所(特殊普通合伙) 21234
• 代理人: 陳曦

本發(fā)明的基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法，包括：獲取待檢測焊接過程信號；對獲取的焊接過程信號進行預處理；搭建用于異常檢測的卷積自編碼網絡，包括編碼網絡和解碼網絡，使用正常焊接過程信號對網絡進行訓練；將步驟2中預處理后的焊接過程信號輸入訓練好的卷積自編碼網絡，以網絡重構誤差作為過程信號的異常分數；將所得的異常分數與設定的異常判斷閾值進行比較，若大于等于該閾值證明焊接過程異常，需要報警以提醒現場操作人員注意，若小于該閾值證明焊接過程正常。本發(fā)明方法可對焊機焊接故障問題進行實時監(jiān)測，及時地對焊接過程信號狀態(tài)異常問題進行預警和維護調整，避免發(fā)生事故。

技術領域

本發(fā)明屬于焊接過程信號異常檢測技術領域，涉及基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法。

背景技術

大型壓縫焊焊機是鋼鐵廠生產線實現連續(xù)作業(yè)的關鍵設備，其可靠平穩(wěn)的運行是保障鋼鐵廠高效生產的重要因素。由于焊機系統(tǒng)的復雜性，在實際生產中對焊機焊接過程監(jiān)測仍需要人工全天候值守，時刻關注焊機焊接過程，比較費時費力。因此，為節(jié)省勞動力和提高焊機焊接過程狀態(tài)異常檢測效率，實現焊機焊接過程信號自動監(jiān)測是很有必要的。

現有技術中對于焊接過程信號的檢測主要是通過人工提取信號的關鍵特征進行訓練機器學習模型來識別特定的模式，例如，上海交通大學的發(fā)明專利CN112200000A提出了一種焊接穩(wěn)定性識別模型訓練方法、焊接穩(wěn)定性識別方法，該方法首先根據焊接信號優(yōu)化設計分段尺度，再根據分段策略獲取多組分割信號，提取分割信號的多尺度特征向量并用于訓練機器學習模型，得到焊接穩(wěn)定性識別模型。

對于現有的焊接過程信號的檢測技術，普遍存在以下不足：1、應用機器學習的方法需要進行人工提取關鍵特征，這需要對焊機系統(tǒng)工作機理有很深的理解，而大型焊機系統(tǒng)往往是比較復雜的，確定關鍵的特征需要大量的實驗與仿真。2、訓練的數據需要很多不同類別的數據進行訓練，而對于大型的控制精度更高的焊機，所積累的焊接數據大多是正常數據，異常數據是很稀少的，其樣本量不足以支持焊接過程診斷，傳統(tǒng)的分類識別無法應用。

發(fā)明內容

為解決現有技術中采用建模及機器學習的方法，需要對焊機系統(tǒng)工作機理進行數學建模、仿真以及人工提取特征，檢測過程較為復雜的問題，本發(fā)明提供一種基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法。

本發(fā)明的基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法，包括：

步驟1：獲取待檢測焊接過程信號；

步驟2：對獲取的焊接過程信號進行預處理；

步驟3：搭建用于異常檢測的卷積自編碼網絡，包括編碼網絡和解碼網絡，使用正常焊接過程信號對網絡進行訓練；

步驟4：將步驟2中預處理后的焊接過程信號輸入訓練好的卷積自編碼網絡，以網絡重構誤差作為過程信號的異常分數；

步驟5：將所得的異常分數與設定的異常判斷閾值進行比較，若大于等于該閾值證明焊接過程異常，需要報警以提醒現場操作人員注意，若小于該閾值證明焊接過程正常。

在本發(fā)明的基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法中，所述步驟1中的焊接過程信號包括：焊機焊接過程產生的焊接溫度信號、焊接壓力偏差信號、焊接電流信號中的至少二種信號。

在本發(fā)明的基于卷積自編碼網絡的焊機焊接過程異常狀態(tài)檢測方法中，所述步驟2中對過程信號進行預處理包括：

步驟2.1：對獲得的焊接過程信號進行平穩(wěn)區(qū)域截取；

步驟2.2：再對截取的焊接過程信號進行下采樣處理；

步驟2.3：再對下采樣處理后的焊接過程信號進行標準化處理；

步驟2.4：將標準化處理后的多種焊接過程信號堆疊成矩形形式。