一种基于多源数据的焊接隐性异常检测和识别方法技术

本发明专利技术公开的一种基于多源数据的焊接隐性异常检测和识别方法，属于焊接质量检测领域。本发明专利技术实现方法为：实时采集每个对象的焊接质量的多模态数据信息，包括声音、电流、电压、光谱、温度信息、图像信息。对各个信息源采用相应传感器采集，对其特征进行提取。对提取的特征值归一化处理，采用LDA方法基于异常类别对数据进行降维。使用局部离群因子LOF的方法，对异常点进行检测。利用孤立森林从整体上识别异常点，将检测区域分割，在分割区域定义新的邻域搜索空间。采用概率神经网络PNN的方法对异常种类识别。利用人工蜂群算法ABC优化PNN的平滑因子，得到最优的平滑因子及建立最优的PNN模型，根据最优PNN网络优化模型实现焊接隐性异常检测和识别。

【技术实现步骤摘要】

本专利技术涉及一种基于多源数据的焊接隐性异常检测和识别方法，属于焊接质量检测领域。

技术介绍

1、焊接是一种常用的金属连接工艺，通过加热和熔化金属材料，再加入适当的填充材料来实现金属件的连接。焊接广泛应用于制造业、建筑业、汽车制造、航空航天等领域。焊接过程重要的是保证焊接的质量和可靠性。流行的焊接质量检验一般采用单一的焊接质量信息，例如采用卷积神经网络的焊接图像信息，采用声音传感器的焊接声音信息，还有基于脉冲红外线热成像技术的焊接质量检测方法。以目前来看，先进的焊接质量检测方法还是以单一的图像信息检测为主，通过相应图像提取算法和提取特征的改进，这种焊接质量检测方法不断优化。以单一图象信息的焊接质量检测方法是一种有效的方法，因为焊接的质量主要取决于焊缝的尺寸和形状。虽然基于图象信息的焊接质量检测方法拥有很好的检测效果，但是图像信息只能反映出一些表面的焊接质量问题，一些隐性的焊接质量问题则检测不到。因此采用基于多数据源的焊接质量检测方法。由于不同的信息可以反应焊接过程中不同因素的影响，采用图形、声音、电流、电压、光谱、温度等信息，可更加全面的反应出焊接过程的异本文档来自技高网...

【技术保护点】

1.一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：包括如下步骤，

2.如权利要求1所述的一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：步骤二实现方法为，

3.如权利要求2所述的一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：步骤三实现方法为，

4.如权利要求3所述的一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：步骤四实现方法为，

5.如权利要求4所述的一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：步骤五实现方法为，

【技术特征摘要】

1.一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：包括如下步骤，

2.如权利要求1所述的一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：步骤二实现方法为，

3.如权利要求2所述的一种基于多源数据的焊接隐性异常检测和识...

【专利技术属性】
技术研发人员：孙昊，张发平，魏剑峰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：