System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于激光焊接,具体涉及一种基于多源数据融合的激光焊接过程监控方法、系统及介质。
技术介绍
1、激光焊接受到激光功率、离焦量、焊接速度、保护气流量、焊接夹具等多因素影响,且激光焊接过程速度快、瞬时能量密度高,为更好地控制激光焊接过程稳定性,实现对激光焊接过程的实时监控是提高激光焊接质量的关键。
2、例如公开号为cn102974918a的专利文献公开了一种基于多光谱分光摄影的视觉监控系统,通过一台摄像机及两条光路,实现了对焊接过程中不同光学特征对象的在线监测,但是该方法仅适用于辅助光源视觉监控系统,无法融合多种传感器。又如公开号为cn1476951a的专利文献公开了激光焊接监控器,激光焊接监控系统虽包含光电二级管、麦克风等多种传感器,但应用该方法监控激光焊接结果时,算法仅依赖一种传感器输出,且只能反馈焊接正常或异常的结果,不能全面反应焊接过程的信息。
3、在激光焊接监控中,专利技术人发现现有技术中至少存在以下技术问题:一方面由于目前采用的对激光焊接质量实时监控的手段,往往依赖于一个或同一类型传感器进行监控,只能监控激光焊接过程中的声、光、电、热信号中的一种,获得的激光焊接过程信息相对片面,不能有效得到焊接缺陷位置、尺寸、种类、焊缝形貌、熔池深度等全部焊接信息;另一方面由于多传感器检测装置,检测算法仅依赖一个或同一种传感器输出,不能有效融合多种类型传感器的监测数据,反馈的监控结果准确度不高。
4、基于此,有必要对现有技术所存在的缺陷进行改进,以克服在实际应用中所存在的不足。
>技术实现思路
1、基于现有技术中存在的上述缺点和不足,本专利技术的目的之一是至少解决现有技术中存在的上述问题之一或多个,换言之,本专利技术的目的之一是提供满足前述需求之一或多个的基于多源数据融合的激光焊接过程监控方法及系统。
2、为了达到上述专利技术目的,本专利技术采用以下技术方案:
3、本专利技术提供一种基于多源数据融合的激光焊接过程监控方法,包括以下步骤:
4、s1、获取多种类型传感器采集激光焊接过程中的多源信号得到的多源数据;
5、s2、对多源数据分别进行预处理和特征提取,以得到激光焊接的特征数据;
6、s3、对特征数据分别应用神经网络算法计算每种类型传感器所对应的监控结果和概率分布;
7、s4、通过融合决策算法计算融合多源数据的概率分布和监控结果,用以评估激光焊接过程中的焊接质量,并输出焊缝图像。
8、作为优选方案,所述多源信号包括声信号、视觉信号、距离信号、光辐射信号和光谱信号。
9、作为优选方案,所述步骤s2包括:
10、s21、通过对采集的激光焊接多源信号分别进行时频域特性分析;
11、s22、对时频域特性分析后的数据提取n个特征值,以得到每种类型传感器所对应的特征数据;其中,n为大于等于1的正整数。
12、作为优选方案,所述时频域特性分析包括:
13、对声信号进行时域特性分析、对视觉信号进行滤波处理、对光辐射信号进行去噪处理、对距离信号进行分辨率处理以及对光谱信号进行滤波处理。
14、作为优选方案,所述步骤s3包括:
15、s31、对每种类型传感器对应的n个特征值分别进行归一化处理;
16、s32、将归一化处理后的数据代入对应类型传感器的神经网络,并对各个权值和阈值进行初始赋值,同时定义激发函数、期望误差和学习率,通过激光焊接监控的历史数据对神经网络模型进行训练,得到权值因子和阈值因子,以完成对神经网络模型的训练;
17、s33、将新的激光焊接监控数据代入神经网络模型计算多源数据所对应的监控结果和概率分布。
18、作为优选方案,所述步骤s4包括:
19、s41、通过融合决策算法将每种类型数据对应的监控结果和概率分布进行融合计算,以得到融合监控数据;
20、s42、根据融合监控数据修正每种类型传感器对应的监控结果和概率分布,并输出每种类型传感器对应的真实监控数据。
21、作为优选方案,所述步骤s41包括:
22、根据不同类型传感器对应的置信度,将每种类型传感器的概率分布与对应的置信度迭代计算,得到该类型传感器融合监控数据。
23、作为优选方案,所述步骤s42包括:
24、根据多源监控结果和概率分布,对每种类型传感器对应的输出结果进行修正,汇总输出每种类型传感器最终的真实监控数据,并形成焊缝成像特征,以评估激光焊接过程中的焊接质量。
25、本专利技术还提供一种基于多源数据融合的激光焊接过程监控系统,包括:
26、信号采集模块,用于获取多种类型传感器采集激光焊接过程中的多源信号得到的多源数据;
27、数据处理模块,用于对多源数据分别进行预处理和特征提取,以得到激光焊接的特征数据;
28、模型训练模块,用于对特征数据分别应用神经网络算法计算每种类型传感器所对应的监控结果和概率分布;
29、融合决策模块,用于对特征数据分别应用神经网络算法计算每种类型传感器所对应的监控结果和概率分布。
30、本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一方案所述激光焊接过程监控方法的步骤。
31、本专利技术与现有技术相比,有益效果是:
32、本专利技术提供基于多源数据融合的激光焊接过程监控方法,通过配置声呐、高速摄像机、激光传感器、光电传感器、光谱仪等传感设备,分别检测激光焊接过程中产生的声信号、视觉信号、等离子体信号、激光背反信号、热辐射信号及光谱信号等多种焊接过程信息,通过对不同种类型传感器采集的数据分别进行独立的特征分析,各自输出特征分析结果,并根据融合决策算法将各类型特征分析结果融合计算最终的真实监控结果,使得监控结果判定的准确性大幅提高,并且可以实时获取激光焊接过程中焊缝的焊接缺陷位置、尺寸、种类、焊缝形貌和熔池深度信息。
本文档来自技高网...【技术保护点】
1.基于多源数据融合的激光焊接过程监控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述多源信号包括声信号、视觉信号、距离信号、光辐射信号和光谱信号。
3.根据权利要求1所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤S2包括:
4.根据权利要求3所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述时频域特性分析包括:
5.根据权利要求3所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤S3包括:
6.根据权利要求1所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤S4包括:
7.根据权利要求6所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤S41包括:
8.根据权利要求6所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤S42包括:
9.基于多源数据融合的激光焊接过程监控系统,其特征在于,包括:
10.一种计算机可读
...【技术特征摘要】
1.基于多源数据融合的激光焊接过程监控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述多源信号包括声信号、视觉信号、距离信号、光辐射信号和光谱信号。
3.根据权利要求1所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤s2包括:
4.根据权利要求3所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述时频域特性分析包括:
5.根据权利要求3所述的基于多源数据融合的激光焊接过程监控方法,其特征在于,所述步骤s3包括:
6...
【专利技术属性】
技术研发人员:石新华,尹晓彤,方海涛,余龙靖,刘红升,
申请(专利权)人:上海骄成超声波技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。