一种电阻点焊数据多近邻特征分析的焊接质量监测方法技术

本发明专利技术公开了一种电阻点焊数据多近邻特征分析的焊接质量监测方法，其采集电阻点焊运行正常时的过程数据并实施标准化处理；获取标准化数据矩阵的回归系数矩阵；通过回归系数矩阵获得多近邻关系矩阵，进而获得广义特征值问题，并求解；根据求解结果得到特征变换矩阵，进而得到得分矩阵、协方差矩阵、监测指标矩阵；根据监测指标矩阵得到两个监测指标的控制上限；对于最新的过程数据，实施标准化处理；根据特征变换矩阵得到标准化数据向量的得分向量和误差向量，进而得到两个监测指标；通过判断两个监测指标是否在控制上限内来确定焊接质量正常与否；优点是其能有效地改善焊接质量监测的可靠性。的可靠性。的可靠性。

【技术实现步骤摘要】
一种电阻点焊数据多近邻特征分析的焊接质量监测方法


[0001]本专利技术涉及一种智能电阻点焊质量监测技术，尤其是涉及一种电阻点焊数据多近邻特征分析的焊接质量监测方法。

技术介绍

[0002]电阻点焊具有生产效率高、适应自动化作业等优点，其是汽车、航空航天等大规模工业频繁采用的重要板材加工工艺。然而，焊点熔核形成时间短，焊接过程受多种因素影响，且各种因素之间存在不同程度的确定性或随机性的交互作用，致使电阻点焊过程质量监控呈现实时性要求高、实现难度大的特点。随着电阻焊工艺在各个工业部门的推广应用和对点焊接头不断提出更高的质量要求，以及在大规模生产环境下对能源和生产效能的考量，点焊参数测量和质量监测与控制技术越来越受到人们的重视。由于电阻点焊过程是一个动态变化过程，尤其是点焊过程的瞬时性和焊点熔核形成的不可见性，因此给点焊过程质量的控制带来了较大的困难。随着数据驱动的智能方法的逐渐成熟，把数据挖掘技术引入到点焊质量监测领域的研究工作也越来越多。
[0003]在现有的数据驱动的故障检测方法中，多变量统计过程监测是主流的技术手段，如主元分析(Principal Component Analysis，PCA)、局部结构保持投影(Locality Preserving Projections，LPP)、近邻保持嵌入(Neighborhood Preserving Embedding，NPE)等。从数据点空间分散情况来看，PCA方法提取的是原始数据的方差信息化，也就是说，PCA方法在投影变换时尽量使原始数据分得越开越好；而LPP方法与NPE方法则考虑的是原始数据点的局部近邻特征，它们在提取原始数据中的潜在信息时，尽量保留数据点在空间距离上的分布特征，因此，考虑了数据近邻局部结构特征的故障检测方法能为丰富故障检测方法体系开辟新的道路。
[0004]然而，从点焊过程数据的复杂特征来看，采样数据在时间上同样具有一定程度的相关性(即采样数据间的自相关性)，而且数据点之间的角度信息也能反应原始数据的部分特征。若只是单纯的考虑数据点之间的距离近邻特征，所挖掘出的潜在信息也就不全面，存在有用信息的丢失问题，无法更好更充分地描述正常过程数据的状态。可想而知，若是能在数据投影变换的过程中，多方位地考虑原始数据点的距离近邻特征、时间近邻特征、以及角度近邻特征，所提取的潜在信息就能更多地包含能反应过程运行状态的有用信息，最大程度地降低信息丢失的风险。

技术实现思路

[0005]本专利技术所要解决的技术问题是提供一种电阻点焊数据多近邻特征分析的焊接质量监测方法，其能有效地改善焊接质量监测的可靠性。
[0006]本专利技术解决上述技术问题所采用的技术方案为：一种电阻点焊数据多近邻特征分析的焊接质量监测方法，其特征在于包括以下步骤：
[0007]步骤1：采集电阻点焊运行正常时的过程数据，将N个采样时刻采集的过程数据组
成一个数据矩阵，记为X；然后对X中的每列数据进行标准化处理，得到均值为0且标准差为1的标准化数据矩阵，记为其中，每个采样时刻采集的过程数据依次是焊接电压、焊接电流、动态电阻、电极压力、电极位移，N≥500，X∈R
N
×5，R为实数集，R
N
×5表示N
×
5维的实数矩阵，X中的第1列数据至第5列数据分别对应于焊接电压、焊接电流、动态电阻、电极压力、电极位移；
[0008]步骤2：获取的回归系数矩阵W，具体过程为：
[0009]步骤2.1：令W表示一个N
×
N维的矩阵，且W初始化为全零矩阵；从中的第1行向量开始依次遍历中的每行向量；
[0010]步骤2.2：设定当前遍历的行向量为中的第i行向量，并记为然后针对空间距离近邻、采样时间近邻和空间角度近邻三个方面，从中找出与相近的行向量，设定共找出N
i
个行向量；再将共找出的N
i
个行向量按各个行向量在中的行索引号的先后顺序合并组成对应的多近邻特征矩阵，记为并将共找出的N
i
个行向量在中的行索引号构成的集合记为其中，i表示中的行向量的行索引号，1≤i≤N，i的初始值为1，1＜N
i
＜N，＜N，表示N
i
×
5维的实数矩阵；
[0011]步骤2.3：计算的回归系数向量，记为的回归系数向量，记为然后对进行归一化处理，将归一化的回归系数向量记为w
i
，再根据中的所有行索引号，将W中的第i列向量中相同行的元素按序设置为w
i
中的各个元素；其中，上标“T”表示向量或矩阵的转置，符号“||||”表示计算向量的长度，表示计算向量的长度，表示N
i
×
1维的向量；
[0012]步骤2.4：继续遍历中的下一行向量，然后返回步骤2.2继续执行，直至中的所有行向量遍历完毕，得到的回归系数矩阵W；
[0013]步骤3：计算的多近邻关系矩阵，记为M，M＝(I
N
‑
W)(I
N
‑
W)
T
；然后求解广义特征值问题中的所有特征值及其对应的特征向量，将最小的d个特征值对应的特征向量对应记为p1,p2,
…
,p
d
；再将p1,p2,
…
,p
d
组成一个特征变换矩阵，记为P，P＝[p1,p2,
…
,p
d
]；其中，I
N
表示N
×
N维的单位矩阵，λ表示特征值，p表示特征向量，每个特征向量的维数为5
×
1，1＜d＜5，P∈R5×
d
，R5×
d
表示5
×
d维的实数矩阵；
[0014]步骤4：计算的得分矩阵，记为S，然后计算的协方差矩阵，记为Λ，Λ＝S
T
S/(N
‑
1)；再计算的监测指标矩阵，记为Q，之后计算Q的主对角线上的N个元素的平均值和方差，对应记为U和V；最后计算第一监测指标的控制上限和第二监测指标的控制上限，对应记为D
lim
和E
lim
，，其中，I5表示5
×
5维的单位矩阵，F
d,N
‑
d,α
表示置信度为α、自由度分别为d与N
‑
d的F分布所对应的值，g和h为引入的中间变量，表示自由度为h、置信度为α为卡方分布所对应的值；
[0015]步骤5：在需要使用当前采样时刻采集的过程数据进行焊接质量监测时，将当前采样时刻采集的过程数据表示成1
×
5维的数据向量，并记为x
new
；然后对x
new
中的每个数据进
行标准化处理，得到均值为0且标准差为1的1
×
5维的标准化数据向量，记为再计算的得分向量和误差向量，对应记为s
new本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电阻点焊数据多近邻特征分析的焊接质量监测方法，其特征在于包括以下步骤：步骤1：采集电阻点焊运行正常时的过程数据，将N个采样时刻采集的过程数据组成一个数据矩阵，记为X；然后对X中的每列数据进行标准化处理，得到均值为0且标准差为1的标准化数据矩阵，记为其中，每个采样时刻采集的过程数据依次是焊接电压、焊接电流、动态电阻、电极压力、电极位移，N≥500，X∈R
N
×5，R为实数集，R
N
×5表示N
×
5维的实数矩阵，X中的第1列数据至第5列数据分别对应于焊接电压、焊接电流、动态电阻、电极压力、电极位移；步骤2：获取的回归系数矩阵W，具体过程为：步骤2.1：令W表示一个N
×
N维的矩阵，且W初始化为全零矩阵；从中的第1行向量开始依次遍历中的每行向量；步骤2.2：设定当前遍历的行向量为中的第i行向量，并记为然后针对空间距离近邻、采样时间近邻和空间角度近邻三个方面，从中找出与相近的行向量，设定共找出N
i
个行向量；再将共找出的N
i
个行向量按各个行向量在中的行索引号的先后顺序合并组成对应的多近邻特征矩阵，记为并将共找出的N
i
个行向量在中的行索引号构成的集合记为θ
i
；其中，i表示中的行向量的行索引号，1≤i≤N，i的初始值为1，1＜N
i
＜N，＜N，表示N
i
×
5维的实数矩阵；步骤2.3：计算的回归系数向量，记为的回归系数向量，记为然后对进行归一化处理，将归一化的回归系数向量记为w
i
，再根据θ
i
中的所有行索引号，将W中的第i列向量中相同行的元素按序设置为w
i
中的各个元素；其中，上标“T”表示向量或矩阵的转置，符号“||||”表示计算向量的长度，表示计算向量的长度，表示N
i
×
1维的向量；步骤2.4：继续遍历中的下一行向量，然后返回步骤2.2继续执行，直至中的所有行向量遍历完毕，得到的回归系数矩阵W；步骤3：计算的多近邻关系矩阵，记为M，M＝(I
N
‑
W)(I
N
‑
W)
T
；然后求解广义特征值问题中的所有特征值及其对应的特征向量，将最小的d个特征值对应的特征向量对应记为p1,p2,
…
,p
d
；再将p1,p2,
…
,p
d
组成一个特征变换矩阵，记为P，P＝[p1,p2,
…
,p
d
]；其中，I
N
表示N
×
N维的单位矩阵，λ表示特征值，p表示特征向量，每个特征向量的维数为5
×
1，1＜d＜5，P∈R5×
d
，R5×
d
表示5
×
d维的实数矩阵；步骤4：计算的得分矩阵，记为S，然后计算的协方差矩阵，记为Λ，Λ＝S
T
S/(N
‑
1)；再计算的监测指标矩阵，记为Q，之后计算Q的主对角线上的N个元素的平均值和方差，对应记为U和V；最后计算第一监测指标的控制上限和第二监测指标的控制上限，对应记为D
lim
和E
lim
，，其中，I5表示5
×
5维的单位矩阵，F
d,N
‑
d,α
表示置信度为α、自由度分别为d与N
‑
d的F分布所对应的值，g和h为引入的中间变量，表示自由度为h、置信度为α为卡方分布所对应的值；步骤5：在需要使用当前采样时刻采集的过程数据进行焊接质量监测时，将当前采样时
刻采集的过程数据表示成1
×
5维的数据向量，并记为x
new
；然后对x
new
中的每个数据进行标准化处理，得到均值为...

【专利技术属性】
技术研发人员：章涛，廖紫洋，沈钱，陈安宁，陈勇旗，陈杨，
申请(专利权)人：宁波信跃电子科技有限公司，
类型：发明
国别省市：