基于多模型融合的焊点质量检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于多模型融合的焊点质量检测方法、装置及存储介质，所述方法包括：获取电阻点焊过程中的焊点工艺参数数据集，并将焊点工艺参数数据集按照预设比例分为训练集和测试集；采用机器学习算法构建多个单一焊点质量检测模型，并将训练集输入每个单一焊点质量检测模型进行训练；根据预设的评估指标对每个训练好的单一焊点质量检测模型进行评估，并选取评估表现良好的单一焊点质量检测模型作为基分类器；将测试集输入每个基分类器，并根据预设规则对所有基分类器的输出结果进行融合，得到焊点质量检测结果。本发明专利技术实施例能够有效防止模型过拟合，具有良好的泛化能力，提高了模型的鲁棒性，进而实现提高焊点质量检测的准确性和检测效率。

【技术实现步骤摘要】
基于多模型融合的焊点质量检测方法、装置及存储介质
本专利技术涉及电阻点焊
，尤其涉及一种基于多模型融合的焊点质量检测方法、装置及存储介质。
技术介绍
目前，汽车行业主要采用凿检、全破坏检查和超声波检查等人工抽检的方法来检测车身焊点质量，但是以上抽检方法存在被检测焊点覆盖面窄、抽检频率低等问题，容易造成大量不合格焊点流出，导致安全隐患。为了解决这个问题，汽车行业正在探索通过机器学习分析焊点工艺参数的方法来检测焊点质量，从而实现对车身焊点质量的全检，消除不合格焊点流出导致的安全隐患。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种基于多模型融合的焊点质量检测方法、装置及存储介质，能够有效防止模型过拟合，具有良好的泛化能力，提高了模型的鲁棒性，进而实现提高焊点质量检测的准确性和检测效率。为了实现上述目的，本专利技术实施例提供了一种基于多模型融合的焊点质量检测方法，包括：获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集按照预设比例分为训练集和测试集；采用机器学习算法构建多个单一焊点质量检测模型，并将所述训练集输入每个所述单一焊点质量检测模型，对每个所述单一焊点质量检测模型进行训练；根据预设的评估指标对每个训练好的单一焊点质量检测模型进行评估，并选取评估表现良好的单一焊点质量检测模型作为基分类器；其中，所述评估指标包括准确率、漏检率和误检率；将所述测试集输入每个所述基分类器，并根据预设规则对所有基分类器的输出结果进行融合，得到焊点质量检测结果。作为上述方案改进，所述获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集按照预设比例分为训练集和测试集，具体包括：采集电阻点焊过程中的焊点工艺参数数据；其中，所述焊点工艺参数数据包括电阻值、电流值和热量值；将所述电阻值、所述电流值和所述热量值按照时间顺序排列成时间序列数据，即得到每个焊点数据x的表达式为：x＝{xt},t＝1,2,...,n；其中，n表示时间序列的个数，xt表示x的第t个特征；对得到的每个焊点数据进行汇总，建立焊点工艺参数数据集X，X＝{(x1,y1),(x2,y2),...,(xN,yN)}；其中，N表示焊点数据样本个数，xi表示单个焊点数据，yi表示焊点质量，所述焊点质量分为合格焊点和不合格焊点；将所述焊点工艺参数数据集X按照预设比例分为训练集和测试集。作为上述方案改进，所述方法还包括：对所述焊点工艺参数数据集进行数据归一化处理，将焊点工艺参数数据压缩到预设范围内；对所述训练集进行上采样处理，以使所述训练集中的正样本和负样本数量相等；其中，所述正样本为焊点质量合格的样本，所述负样本为焊点质量不合格的样本。作为上述方案改进，所述对所述训练集进行上采样处理，以使所述训练集中的正样本和负样本数量相等，具体包括：根据所述训练集中的所述正样本与所述负样本的比例确定采样倍率N；对于每一个少数类样本x，从其K近邻中选取若干样本；在K近邻选取的若干样本中随机选择一个样本xn，根据公式xnew＝x+rand(0,1)·(xn-x)构建一个新样本；将上述构建步骤重复采样倍率N次，以使所述训练集中的正样本和负样本数量相等。作为上述方案改进，所述焊点工艺参数数据集还包括验证集，则对每个所述单一焊点质量检测模型进行训练，还包括：对于每个所述单一焊点质量检测模型，将所述训练集输入选取不同超参数的训练模型进行训练；将所述验证集输入每个超参数的训练模型进行验证，并选取在验证集表现好的超参数；将所述测试集输入表现好的超参数的单一焊点质量检测模型，以对所述单一焊点质量检测模型的检测准确性进行评价。作为上述方案改进，所述将所述测试集输入每个所述基分类器，并根据预设规则对所有基分类器的输出结果进行融合，得到焊点质量检测结果，具体包括：将所述测试集输入所述基分类器，得到所述基分类器的输出结果；其中，所述输出结果包括合格和不合格；对所述输出结果进行统计，并根据少数服从多数的规则，将占多数的输出结果作为焊点质量的检测结果。本专利技术实施例还提供了一种基于多模型融合的焊点质量检测装置，包括：获取模块，用于获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集分为训练集、测试集和验证集；单一模型训练模块，用于采用单一机器学习算法构建单一焊点质量检测模型，并将所述训练集输入所述单一焊点质量检测模型，对所述单一焊点质量检测模型进行训练；评估模块，用于通过预设的评估指标对所述单一焊点质量检测模型进行评估；焊点质量检测模块，用于根据评估的结果构建多模型融合算法，以对焊点质量进行检测。进一步的，所述装置还包括：归一化模块，用于对所述焊点工艺参数数据集进行数据归一化处理，将焊点工艺参数数据压缩到预设范围内；上采样模块，用于对所述训练集进行上采样处理，以使所述训练集中的正样本和负样本数量相等；其中，所述正样本为焊点质量合格的样本，所述负样本为焊点质量不合格的样本。本专利技术实施例还提供了一种基于多模型融合的焊点质量检测装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的基于多模型融合的焊点质量检测方法。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一项所述的基于多模型融合的焊点质量检测方法。相对于现有技术，本专利技术实施例提供的一种基于多模型融合的焊点质量检测方法、装置及存储介质的有益效果在于：通过获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集按照预设比例分为训练集和测试集；采用机器学习算法构建多个单一焊点质量检测模型，并将所述训练集输入每个所述单一焊点质量检测模型，对每个所述单一焊点质量检测模型进行训练；根据预设的评估指标对每个训练好的单一焊点质量检测模型进行评估，并选取评估表现良好的单一焊点质量检测模型作为基分类器；其中，所述评估指标包括准确率、漏检率和误检率；将所述测试集输入每个所述基分类器，并根据预设规则对所有基分类器的输出结果进行融合，得到焊点质量检测结果。本专利技术实施例采用多特征融合的方法，通过多个与焊点质量相关的参数建立模型，更有利于判断焊点质量；多模型的检测结果进行融合，改进了单一模型泛化能力差的缺点，使模型不容易过拟合，提高了模型的鲁棒性，有良好的抗噪声能力，进而实现提高焊点质量检测的准确性和检测效率。另外，采用的基分类器实现简单，避免了神经网络算法在迭代过程中沿负梯度方向进行搜索，无法以较快的速度收敛到全局最优解，训练速度慢的缺陷。附图说明图1是本专利技术提供的一种基于多模型融合的焊点质量检测方法的一个优选实施例的流程示意图；图2是本专利技术提供的一种基于多模型本文档来自技高网...

【技术保护点】
1.一种基于多模型融合的焊点质量检测方法，其特征在于，包括：/n获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集按照预设比例分为训练集和测试集；/n采用机器学习算法构建多个单一焊点质量检测模型，并将所述训练集输入每个所述单一焊点质量检测模型，对每个所述单一焊点质量检测模型进行训练；/n根据预设的评估指标对每个训练好的单一焊点质量检测模型进行评估，并选取评估表现良好的单一焊点质量检测模型作为基分类器；其中，所述评估指标包括准确率、漏检率和误检率；/n将所述测试集输入每个所述基分类器，并根据预设规则对所有基分类器的输出结果进行融合，得到焊点质量检测结果。/n

【技术特征摘要】
1.一种基于多模型融合的焊点质量检测方法，其特征在于，包括：
获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集按照预设比例分为训练集和测试集；
采用机器学习算法构建多个单一焊点质量检测模型，并将所述训练集输入每个所述单一焊点质量检测模型，对每个所述单一焊点质量检测模型进行训练；
根据预设的评估指标对每个训练好的单一焊点质量检测模型进行评估，并选取评估表现良好的单一焊点质量检测模型作为基分类器；其中，所述评估指标包括准确率、漏检率和误检率；
将所述测试集输入每个所述基分类器，并根据预设规则对所有基分类器的输出结果进行融合，得到焊点质量检测结果。


2.如权利要求1所述的基于多模型融合的焊点质量检测方法，其特征在于，所述获取电阻点焊过程中的焊点工艺参数数据集，并将所述焊点工艺参数数据集按照预设比例分为训练集和测试集，具体包括：
采集电阻点焊过程中的焊点工艺参数数据；其中，所述焊点工艺参数数据包括电阻值、电流值和热量值；
将所述电阻值、所述电流值和所述热量值按照时间顺序排列成时间序列数据，即得到每个焊点数据x的表达式为：x＝{xt},t＝1,2,...,n；其中，n表示时间序列的个数，xt表示x的第t个特征；
对得到的每个焊点数据进行汇总，建立焊点工艺参数数据集X，X＝{(x1,y1),(x2,y2),...,(xN,yN)}；其中，N表示焊点数据样本个数，xi表示单个焊点数据，yi表示焊点质量，所述焊点质量分为合格焊点和不合格焊点；
将所述焊点工艺参数数据集X按照预设比例分为训练集和测试集。


3.如权利要求1所述的基于多模型融合的焊点质量检测方法，其特征在于，所述方法还包括：
对所述焊点工艺参数数据集进行数据归一化处理，将焊点工艺参数数据压缩到预设范围内；
对所述训练集进行上采样处理，以使所述训练集中的正样本和负样本数量相等；其中，所述正样本为焊点质量合格的样本，所述负样本为焊点质量不合格的样本。


4.如权利要求3所述的基于多模型融合的焊点质量检测方法，其特征在于，所述对所述训练集进行上采样处理，以使所述训练集中的正样本和负样本数量相等，具体包括：
根据所述训练集中的所述正样本与所述负样本的比例确定采样倍率N；
对于每一个少数类样本x，从其K近邻中选取若干样本；
在K近邻选取的若干样本中随机选择一个样本xn，根据公式xnew＝x+rand(0,1)·(xn-x)构建一个新样本；
将上述构建步骤重复采样倍率N次，以使所述训练集中的正样本和负样本数量相等。

【专利技术属性】
技术研发人员：陶志宏，郑世卿，刘祝托，刘奇，何锡焕，邹见效，凡时财，苌洋，
申请(专利权)人：广汽本田汽车有限公司，电子科技大学深圳高等研究院，
类型：发明
国别省市：广东;44