一种基于DTW和MDS的锚链闪光焊质量在线评估方法技术

本发明专利技术公开一种基于DTW和MDS的锚链闪光焊质量在线评估方法，1、建立大小为2L*2L的数据库E1；2、判断系统是否监测到新的待测信号，判断为是，则执行步骤3；判断为否，则焊接停止，系统结束流程；3、采集待测信号；4、对待测信号进行数据预处理；5、分别计算待测信号与选取的2L个历史数据之间的不相似距离；6、建立大小2L*1的不相似距离矩阵E2；7、合并矩阵E2和E1，组成大小为(2L+1)*(2L+1)的不相似距离矩阵F；8、将不相似距离矩阵F进行降维处理为(2L+1)*P的矩阵G；9、对矩阵G中2L+1个P维数据进行聚类分析；10、判断待测信号是否聚类为正常信号类，若否，则为故障信号，对故障信号进行处理；若是，则待测信号属于正常信号，对正常信号进行处理；11、返回步骤1对数据库E1进行更新；本发明专利技术能够快速有效的识别故障焊接产品，提高生产效率并且确保焊接质量。

【技术实现步骤摘要】
一种基于DTW和MDS的锚链闪光焊质量在线评估方法
本专利技术属于焊接领域，特别涉及一种基于DTW和MDS的锚链闪光焊质量在线评估方法。
技术介绍
随着世界航运的发展，人们对航运的安全提出了更高的要求。而锚链作为保证航运安全的重要环节，其质量问题已经引起了越来越多的关注。闪光焊接方法由于热效率高、焊接质量好、焊接接头质量稳定等优点是现阶段高质量锚链市场的主流。闪光焊过程是一个多参数综合影响、电气环境相对恶劣的过程，其焊接过程的高度非线性以及连续闪光过程的随机性使得对闪光焊过程建立精确的模型非常困难，所以建立闪光焊质量评估系统有一定难度。对现有的专利及文献进行检索后研究发现，公告号为CN106271036A的专利公开了“超声波金属焊接质量评估方法、装置和超声波金属焊接机”，该专利技术通过提取实际生产过程中焊接过程信息的特征参数，并将之输入待焊金属对应的超声波焊接质量评估模型并输出评估值，以实现焊接质量的评估。缺点在于，该方法的焊接质量评估模型通过人工神经网络搭建，需要进行大量的不同环境和条件下的实验，以获取足够的样本数据。而且人工神经网络方法需要进行大量的在线计算，计算时间长，对电脑的性能要求高，大多不适用于工业现场。此外，该方法的焊接质量评估模型需要在实际生产之前通过对各个焊接对象进行大样本量的焊接试验来建立，这是一种静态建模方法，没有考虑到观测数据与过去时刻的观测数据(样本数据)的时序相关性，没有考虑系统的动态特性。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种能够快速有效的识别故障焊接产品，提高生产效率并且确保焊接质量的基于DTW和MDS的锚链闪光焊质量在线评估方法。技术方案：为解决上述技术问题，本专利技术提供一种基于DTW和MDS的锚链闪光焊质量在线评估方法，包括如下步骤：(1)建立数据库E1；(2)判断系统是否监测到新的待测信号，判断为是，则执行步骤(3)；判断为否，则表示焊接停止，系统结束流程。(3)采集待测信号S1；(4)对S1进行数据预处理；(5)用动态时间规整即DTW算法分别计算待测信号与选取的2L个历史数据之间的不相似距离di，s，i＝1，2，…，2L；(6)建立大小2L*1的不相似距离矩阵E2；(7)将步骤(6)中得到的矩阵E2添加到步骤(1)中建立的数据库E1的最后一行最后一列，组成大小为(2L+1)*(2L+1)的不相似距离矩阵F；(8)用多维尺度分析法即MDS将不相似距离矩阵F降维为(2L+1)*P的距离矩阵G，其中P代表维度，并保持数据之间原始的距离关系；(9)用狄利克雷过程混合模型即DPMM对矩阵G中2L+1个P维数据进行聚类分析；(10)判断待测信号是否聚类为正常信号类，判断为否，则待测信号属于故障信号并则执行步骤(11)；判断为是，则待测信号属于正常信号并则执行步骤(12)；(11)根据步骤(10)判断待测信号为故障信号，对故障信号进行处理；(12)根据步骤(10)判断待测信号为正常信号，对正常信号进行处理。进一步的，所述步骤(1)中建立数据库E1的具体步骤如下：(1.1)根据实际焊接经验从历史焊接记录数据中选取L个正常焊接信号Q1，Q2，…，QL和L个故障焊接信号QL+1，QL+2，…，Q2L；(1.2)数据预处理；(1.3)用动态时间规整即DTW算法计算2L个二维信号两两之间的不相似距离；(1.4)将步骤(1.3)中得出的2L个二维信号两两之间的不相似距离，组成大小为2L*2L的不相似距离矩阵数据库E1。进一步的，所述步骤(1.1)中L个正常焊接信号和L个故障焊接信号均由电极位置信号和电流信号组成的二维信号，例如Q1＝[AB]，A＝[a1，a2，…，ai，···，an]T为电极位置信号，B＝[b1，b2，…，bi，…，bn]T为电流信号。进一步的，所述步骤(1.2)中数据预处理的具体步骤如下：根据z-score算法对电极位置和电流二维信号Q1进行归一化处理：其中μ1为样本数据A的均值，σ1为样本数据A的标准差，A*为电极位置信号A归一化处理后的结果。μ2为样本数据B的均值，σ2为样本数据B的标准差，B*为电流信号B归一化处理后的结果；得到归一化处理后的二维信号按照上述公式对2L个信号分别进行归一化处理，得到归一化后的信号进一步的，所述步骤(1.3)中用动态时间规整即DTW算法计算2L个二维信号两两之间的不相似距离的具体步骤如下：(1.3.1)对于归一化后的信号和首先构造距离矩阵Δ＝[Di，j]，其中元素Di，j表示和之间的欧几里得距离：N和M分别是和的长度；(1.3.2)在一个二维矩阵中搜索一个连接(1，1)和(N，M)的规整路径W＝{w1，w2，…，wK}，即，w1＝(1，1)和wK＝(N，M)，同时满足单调性和步长小于r这两个约束条件；(1.3.3)寻找最优规整路径，从初始条件开始，步长小于r，搜索算法如下：|i-j|≤r，i＝2，3，…，N，j＝2，3，…，M其中θ(i-1，j-1)，θ(i-1，j)和θ(i，j-1)表示三个可能前进的格点(i-1，j-1)，(i-1，j)和(i，j-1)的累积距离，min(θ(i-1，j-1)，θ(i-1，j)，θ(i，j-1))表示当前累积距离中的最小值。θ(i，j)为最小累积距离和当前格点距离Di，j之和，作为当前格点的总累积距离；(1.3.4)最后计算规整距离为：d1，2表示两个二维信号和的不相似距离。(1.3.5)根据步骤1.3.1～1.3.4计算2L个二维信号两两之间的不相似距离di，j，i＝1，2，…，2L，j＝1，2，…，2L。进一步的，所述步骤(8)中用多维尺度分析法即MDS将不相似距离矩阵F降维为(2L+1)*P的距离矩阵G，其中P代表维度，并保持数据之间原始的距离关系的具体步骤如下：(8.1)从步骤(7)得到的大小为(2L+1)*(2L+1)不相似距离矩阵F中重构出格拉姆矩阵B：其中H＝I-11T/L为矩阵中心化，I为大小为L的单位矩阵，1为L个1组成的列向量，且F(2)中的每个元素为di，j2；(8.2)矩阵B中的元素bij可以表示为：(8.3)已知格拉姆矩阵B被定义为向量积B＝XXT，进一步分解为：其中V是特征向量矩阵，而Λ是特征值的对角矩阵。所以求得向量矩阵为：X＝[x1，x2，…，xi，…，xj，…，xL]T，最终求得降维后的矩阵G＝X。进一步的，所述步骤(9)中用狄利克雷过程混合模型即DPMM对矩阵G中2L+1个P维数据进行聚类分析的具体步骤如下：(9.1)对矩阵G中2L+1个代表了信号之间距离关系的数据构造狄利克雷过程混合模型；(9.2)采用GibbsSampling吉布斯采样算法对狄利克雷混合模型中的模型参数进行不断更新，得到2L+1个数据的聚类结果；(9.3)判断聚类效果，如果聚类效果较好，继续执行步骤(10)，否则执行步骤(9.2)。进一步的，所述步骤(11)中根据步骤(10)判断待测信号为故障信号，对故障信号进行处理的具体步骤如下：(11.1)系统针对故障信号发出预警，提醒操作人员；(11.2)剔除矩阵E2中待测信号与最先加入的故障信号(默认为QL+1)的不相似距离值，生成新的矩阵E3；(11.3)剔除数据库E1中最先加入的故障信号(默认为QL+1)所属的行列，将矩本文档来自技高网...

【技术保护点】
1.一种基于DTW和MDS的锚链闪光焊质量在线评估方法，其特征在于，包括如下步骤：(1)建立数据库E1；(2)判断系统是否监测到新的待测信号，判断为是，则执行步骤(3)；判断为否，则表示焊接停止，系统结束流程；(3)采集待测信号S1；(4)对S1进行数据预处理；(5)用动态时间规整即DTW算法分别计算待测信号与选取的2L个历史数据之间的不相似距离di，s，i＝1，2，…，2L；(6)建立大小2L*1的不相似距离矩阵E2；(7)将步骤(6)中得到的矩阵E2添加到步骤(1)中建立的数据库E1的最后一行最后一列，组成大小为(2L+1)*(2L+1)的不相似距离矩阵F；(8)用多维尺度分析法即MDS将不相似距离矩阵F降维为(2L+1)*P的距离矩阵G，其中P代表维度，并保持数据之间原始的距离关系；(9)用狄利克雷过程混合模型即DPMM对矩阵G中2L+1个P维数据进行聚类分析；(10)判断待测信号是否聚类为正常信号类，判断为否，则待测信号属于故障信号并则执行步骤(11)；判断为是，则待测信号属于正常信号并则执行步骤(12)；(11)根据步骤(10)判断待测信号为故障信号，对故障信号进行处理；(12)根据步骤(10)判断待测信号为正常信号，对正常信号进行处理。...

【技术特征摘要】
1.一种基于DTW和MDS的锚链闪光焊质量在线评估方法，其特征在于，包括如下步骤：(1)建立数据库E1；(2)判断系统是否监测到新的待测信号，判断为是，则执行步骤(3)；判断为否，则表示焊接停止，系统结束流程；(3)采集待测信号S1；(4)对S1进行数据预处理；(5)用动态时间规整即DTW算法分别计算待测信号与选取的2L个历史数据之间的不相似距离di，s，i＝1，2，…，2L；(6)建立大小2L*1的不相似距离矩阵E2；(7)将步骤(6)中得到的矩阵E2添加到步骤(1)中建立的数据库E1的最后一行最后一列，组成大小为(2L+1)*(2L+1)的不相似距离矩阵F；(8)用多维尺度分析法即MDS将不相似距离矩阵F降维为(2L+1)*P的距离矩阵G，其中P代表维度，并保持数据之间原始的距离关系；(9)用狄利克雷过程混合模型即DPMM对矩阵G中2L+1个P维数据进行聚类分析；(10)判断待测信号是否聚类为正常信号类，判断为否，则待测信号属于故障信号并则执行步骤(11)；判断为是，则待测信号属于正常信号并则执行步骤(12)；(11)根据步骤(10)判断待测信号为故障信号，对故障信号进行处理；(12)根据步骤(10)判断待测信号为正常信号，对正常信号进行处理。2.根据权利要求1所述的一种基于DTW和MDS的锚链闪光焊质量在线评估方法，其特征在于，所述步骤(1)中建立数据库E1的具体步骤如下：(1.1)根据实际焊接经验从历史焊接记录数据中选取L个正常焊接信号Q1，Q2，…，QL和L个故障焊接信号QL+1，QL+2，…，Q2L；(1.2)数据预处理；(1.3)用动态时间规整即DTW算法计算2L个二维信号两两之间的不相似距离；(1.4)将步骤(1.3)中得出的2L个二维信号两两之间的不相似距离，组成大小为2L*2L的不相似距离矩阵数据库E1。3.根据权利要求2所述的一种基于DTW和MDS的锚链闪光焊质量在线评估方法，其特征在于，所述步骤(1.1)中L个正常焊接信号和L个故障焊接信号均由电极位置信号和电流信号组成的二维信号，例如Q1＝[AB]，A＝[a1，a2，…·，ai，…，an]T为电极位置信号，B＝[b1，b2，…，bi，…，bn]T为电流信号。4.根据权利要求2所述的一种基于DTW和MDS的锚链闪光焊质量在线评估方法，其特征在于，所述步骤(1.2)中数据预处理的具体步骤如下：根据z-score算法对电极位置和电流二维信号Q1进行归一化处理：其中μ1为样本数据A的均值，σ1为样本数据A的标准差，A*为电极位置信号A归一化处理后的结果。μ2为样本数据B的均值，σ2为样本数据B的标准差，B*为电流信号B归一化处理后的结果；得到归一化处理后的二维信号按照上述公式对2L个信号分别进行归一化处理，得到归一化后的信号5.根据权利要求2所述的一种基于DTW和MDS的锚链闪光焊质量在线评估方法，其特征在于，所述步骤(1.3)中用动态时间规整即DTW算法计算2L个二维信号两两之间的不相似距离的具体步骤如下：(1.3.1)对于归一化后的信号和首先构造距离矩阵Δ＝[Di，j]，其中元素Di，j表示和之间的欧几里得距离：N和M分别是和的长度；(1.3.2)在一个二维矩阵中搜索一个连接(1，1)和(N，M)的规整路径W＝{w1，w2，…，wK}，即，w1＝(1，1)和wK＝(N，...

【专利技术属性】
技术研发人员：陈赟，李俏，苏世杰，张建，唐文献，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏,32