一种基于模式识别的自动焊接工序智能识别方法技术

本发明专利技术公开了一种基于模式识别的自动焊接工序智能识别方法，首先根据已知的不同工件类型进行工序标注，针对每个类型工件的每道工序并进行特征构造；基于所有已知类型工件，将连续多道工序构造的特征进行拼接，并进行聚类，获取聚类中心个数及每个类别的聚类中心向量；接着实时捕获工序，对捕获的连续多道工序进行特征构造并根据聚类结果预测所属类别；然后将捕获的待匹配工序与所属类别下的各样本工序进行模板匹配，确定焊接的工件类型和所处工序段，进而实现自动焊接工序智能识别的效果；最终根据不同工序的WPS对后续焊接过程进行监控，有效监控其是否存在电流超限、电压超限等问题。限等问题。限等问题。

【技术实现步骤摘要】
一种基于模式识别的自动焊接工序智能识别方法


[0001]本专利技术涉及智慧焊接
，主要涉及一种基于模式识别的自动焊接工序智能识别方法。

技术介绍

[0002]目前智慧焊接的概念已经越来越深入人心，针对焊接过程的数据采集、数据分析以及信息反馈也逐渐覆盖了包括手工焊、机器人焊接等多种细分焊接市场，基于各种传感器进行焊接过程数据采集、采用多维度分析方法对采集数据进行分析，进而输出反馈信息，已经逐渐成为智慧焊接领域的主要技术手段。
[0003]针对焊接过程的数据采集多依靠各类传感器，采集的数据也包括声信号、图像信号、电流信号、电压信号等。在机器人焊接时，各道工序基本遵循了焊接工艺规程WPS规定的相关焊接工艺参数，因此机器人焊接同一种工件时工序是相同的。当多维传感器对时序数据进行采集时，我们无法得知机器人当前焊接的是何种工件，对工件工序的智能识别也无法实现。因此需要研究一种方法，基于传感器采集到的数据，实时捕捉机器人焊接工序，并识别属于何种工件，进而基于该种工件中各道工序的WPS进行工艺监控，监控其是否存在电流、电压超限等问题。

技术实现思路

[0004]专利技术目的：基于上述
技术介绍
中提出的问题，本专利技术提供了一种基于模式识别的自动焊接工序智能识别方法，首先根据已知工件的各道工序建立工序库，通过聚类方法将各道工序组合进行分类。接着实时捕获工序，并预测捕获的工序组合具体属于哪一类别，然后通过iou值计算进行模板匹配，将实时捕获的工序组合与所属类中的各项工序组合进行匹配，进而识别当前捕获的工序组合具体属于哪一种工件的哪几道工序。最后根据识别的工件WPS进行电压、电流的超限监控。
[0005]技术方案：一种基于模式识别的自动焊接工序智能识别方法，包括以下步骤：步骤S1、对已知不同类型工件进行工序标注，并记录各种工件的工序数；步骤S2、对不同种类工件的每道工序均进行特征构造，生成聚类样本；步骤S3、获取聚类样本，搭建聚类模型并计算聚类中心个数及聚类中心向量；步骤S4、实时捕获工序；步骤S5、将步骤S4中实时捕获的连续工序按照步骤S2所述特征构造方法进行特征构造，与聚类中心向量进行相似度比较，确定实时捕获的待匹配工序所属类别；步骤S6、通过模板匹配方法将待匹配工序与所属类别中所有工序分别匹配，识别出待匹配工序属于何种工件的第几道工序。
[0006]进一步地，所述步骤S2中特征构造包括：（1）每道工序的电流均值、电压均值和送丝速度均值；每道工序内的电流方差、电压方差；
（2）工序的焊接方式及对应的脉冲周期；所述焊接方式包括恒压焊接和脉冲焊接，其中恒压焊接方式标记为0，脉冲周期为0，脉冲焊接方式标记为1，脉冲周期为实际测量值；（3）工序时长。
[0007]进一步地，当采样频率高于1Hz时，计算每秒内的电流均值点、电压均值点和送丝速度均值点依次作为该秒的电流、电压、送丝速度，进而计算每道工序内的电流均值、电压均值和送丝速度均值、电流方差和电压方差。
[0008]进一步地，所述步骤S3中搭建聚类模型的具体方法如下：步骤S3.1、针对不同类型工件，遍历各工件的所有工序，按顺序提取连续3道工序，分别按步骤S2所述方法构造特征，将3道工序的特征拼接在一起，作为聚类样本；遍历所有工件，获得若干聚类样本；步骤S3.2、通过kmeans算法对聚类样本进行聚类；根据预先设定的聚类中心个数范围[a,b]，遍历每个值，将其作为聚类中心个数进行聚类，每次聚类完毕后计算该聚类方案的轮廓系数作为评估指标；最终选取轮廓系数最大的聚类方案作为目标聚类方案，并获取对应的聚类中心个数，进而计算并输出每个类别的聚类中心向量。进一步地，所述步骤S4中实时捕获工序的具体方法包括：步骤S4.1、设置用于存放电流均值点的集合current_list_one，设置三组依次用于存放已识别工序数据的集合current_list_three、voltage_list_three和feedspeed_list_three，分别代表电流、电压和送丝速度；步骤S4.2、捕获每道工序的起始位置和结束位置；将每秒电流均值点放置于current_list_one中。当current_list_one集合中元素个数大于等于10时进行如下判断：当集合中元素的最大值小于预设阈值时，清空集合；当集合中元素的最大值大于等于时，找到第一个大于等于的电流均值点，此均值点对应的时间位置即为工序的起始位置，剔除该时间位置之前的所有数据；在获取工序的起始位置后，继续获取电流均值点并填充current_list_one，直至找到最后一个大于等于的电流均值点，该均值点对应的位置即为该道工序的结束位置；步骤S4.3、将捕获到的工序对应的电流均值点放置于current_list_three中，作为该道工序对应的电流集合，根据起始位置和结束位置对应的时间区间，截取对应时序位置的电压均值点和送丝速度均值点集合，并分别存入voltage_list_three和feedspeed_list_three中；步骤S4.4、每捕获1道工序后，清空current_list_one并重新开始捕获下一道工序；连续捕获3道工序，分别填充至current_list_three、voltage_list_three和feedspeed_list_three中，获取实际焊接过程中连续3道工序的电流、电压和送丝速度情况，即待匹配工序情况。
[0009]进一步地，所述步骤S5中确定实时捕获的待匹配工序所属类别具体方法包括：将步骤S4中获取的集合current_list_three、voltage_list_three和feedspeed_list_three按照步骤S2所述的特征构造方法进行特征构造，拼接3道工序的样本特征，获取待匹配工序的样本特征列表；计算待匹配工序与步骤S3中获取的每个聚类中心向量间的余弦相似度：
其中A为待匹配工序的样本特征列表，B为一个聚类中心向量，n为特征个数，最终获得待匹配工序与聚类中心的余弦相似度；遍历所有聚类中心，计算出待匹配工序与所有聚类中心的余弦相似度，选取最大的余弦相似度对应的类，即为待匹配工序所属类别。
[0010]进一步地，将步骤S4中获取的集合current_list_three、voltage_list_three和feedspeed_list_three与步骤S5中匹配的类别下所有样本进行模板匹配，最终获取匹配结果；具体地，步骤S6.1、分别计算待匹配工序中3道工序的电流、电压、送丝速度的均值和3道工序的起止时长，计算所述聚类类别下所有样本的电流、电压、送丝速度均值点的均值和3道工序的起止时长；步骤S6.2、计算待匹配的3道连续工序与聚类类别下单个样本的3道连续工序间电流的iou值；具体地，取第1道工序的起止时长为矩形长，以工序内所有电流点均值为矩形宽，生成第一矩形，同理生成对应单个样本的第二矩形，计算第一矩形和第二矩形的交集面积与并集面积间的比值，即为iou值；依次计算第2
‑
3道工序，共生成3个iou值；分别对电压和送丝速度进行相同处理，一共本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模式识别的自动焊接工序智能识别方法，其特征在于，包括以下步骤：步骤S1、对已知不同类型工件进行工序标注，并记录各种工件的工序数；步骤S2、对不同种类工件的每道工序均进行特征构造，生成聚类样本；步骤S3、获取聚类样本，搭建聚类模型并计算聚类中心个数及聚类中心向量；步骤S4、实时捕获工序；步骤S5、将步骤S4中实时捕获的连续工序按照步骤S2所述特征构造方法进行特征构造，与聚类中心向量进行相似度比较，确定实时捕获的待匹配工序所属类别；步骤S6、通过模板匹配方法将待匹配工序与所属类别中所有工序分别匹配，识别出待匹配工序属于何种工件的第几道工序。2.根据权利要求1所述的一种基于模式识别的自动焊接工序智能识别方法，其特征在于，所述步骤S2中特征构造包括：（1）每道工序的电流均值、电压均值和送丝速度均值；每道工序内的电流方差、电压方差；（2）工序的焊接方式及对应的脉冲周期；所述焊接方式包括恒压焊接和脉冲焊接，其中恒压焊接方式标记为0，脉冲周期为0，脉冲焊接方式标记为1，脉冲周期为实际测量值；（3）工序时长。3.根据权利要求2所述的一种基于模式识别的自动焊接工序智能识别方法，其特征在于，当采样频率高于1Hz时，计算每秒内的电流均值点、电压均值点和送丝速度均值点依次作为该秒的电流、电压、送丝速度，进而计算每道工序内的电流均值、电压均值和送丝速度均值、电流方差和电压方差。4.根据权利要求1所述的一种基于模式识别的自动焊接工序智能识别方法，其特征在于，所述步骤S3中搭建聚类模型的具体方法如下：步骤S3.1、针对不同类型工件，遍历各工件的所有工序，按顺序提取连续3道工序，分别按步骤S2所述方法构造特征，将3道工序的特征拼接在一起，作为聚类样本；遍历所有工件，获得若干聚类样本；步骤S3.2、通过kmeans算法对聚类样本进行聚类；根据预先设定的聚类中心个数范围[a,b]，遍历每个值，将其作为聚类中心个数进行聚类，每次聚类完毕后计算该聚类方案的轮廓系数作为评估指标；最终选取轮廓系数最大的聚类方案作为目标聚类方案，并获取对应的聚类中心个数，进而计算并输出每个类别的聚类中心向量。5.根据权利要求1所述的一种基于模式识别的自动焊接工序智能识别方法，其特征在于，所述步骤S4中实时捕获工序的具体方法包括：步骤S4.1、设置用于存放电流均值点的集合current_list_one，设置三组依次用于存放已识别工序数据的集合current_list_three、voltage_list_three和feedspeed_list_three，分别代表电流、电压和送丝速度；步骤S4.2、捕获每道工序的起始位置和结束位置；将每秒电流均值点放置于current_list_one中；当current_list_one集合中元素个数大于等于10时进行如下判断：当集合中元素的最大值小于预设阈值时，清空集合；当集合中元素的最大值大于等于时，找到第一个大
于等于的电流均值点，此均值点对应的时间位置即为工序的起始位置，剔除该时间位置之前的所有数据；在获取工序的起始位置后，继续获取电流均值点并填充current_list_one，直至找到最后一个大于等于的电流均值点，该均值点对应的位置即为该道工序的结束位置；步骤S4.3、将捕获到的工序对应的电流均值点放置于cu...

【专利技术属性】
技术研发人员：李波，田慧云，
申请(专利权)人：苏芯物联技术南京有限公司，
类型：发明
国别省市：