【技术实现步骤摘要】
本公开涉及一种预测焊接质量的装置及方法。
技术介绍
1、在制造二次电池的电池模块的过程中，可以进行焊接以固定二次电池的电极和汇流条。电极和汇流条的焊接可以利用激光焊接等方法进行。除了电极和汇流条之外，还可以进行焊接以结合电池模块的壳体或其他各种金属结构件。如果焊接质量不佳，焊接部分可能会因振动等而破损，导致电池模块的运行发生问题。在用于检查焊接质量的方法中，切割焊接的样本进行检查的方法不能适用于所有产品。
2、现有技术文献
3、专利文献
4、(专利文献1)kr 10-2021-0091789a
技术实现思路
1、(一)要解决的技术问题
2、本公开提供一种利用训练的人工智能模型和照相机来预测焊接质量的装置及方法。
3、(二)技术方案
4、根据本公开的预测焊接质量的装置可以包括：图像感测部，获取工件的焊接部分的图像；存储部，存储形态检测模型、深度预测模型和强度预测模型；以及控制部，接收所述图像并将其输入到所述形态检测模型中以获取熔池和匙孔的形态，将所述熔池和匙孔的形态输入到所述深度预测模型中以获取匙孔的熔入深度，并将所述熔池的形态、所述匙孔的形态和所述匙孔的熔入深度或者所述熔池和匙孔的形态之一和所述匙孔的熔入深度输入到所述强度预测模型中以获取拉伸强度。
5、根据一个实施例，所述形态检测模型是利用第一训练数据集进行训练的人工智能模型，所述第一训练数据集中焊接部分的图像为第一训练数据，熔池和匙孔的形态为第一
6、根据一个实施例，所述形态检测模型可以是由主干结构、颈部结构和头部结构组成的人工智能模型，所述主干结构使图像通过多个卷积层并提取不同尺度的特征图，所述颈部结构对从所述主干结构中提取的特征图的尺度进行上下采样和组合，所述头部结构利用所述颈部结构中组合的特征图进行分类和检测。
7、根据一个实施例，所述熔池的形态可以包括熔池的位置和大小，所述匙孔的形态可以包括匙孔的位置和大小。
8、根据一个实施例，所述拉伸强度可以在从所述工件的焊接开始点到焊接结束点的每个点上获取。
9、根据一个实施例，所述深度预测模型可以是利用第二训练数据集进行训练的人工智能模型，所述第二训练数据集中熔池和匙孔的形态为第二训练数据，匙孔的熔入深度为第二标签数据，当接收到熔池和匙孔的形态时，可以预测匙孔的熔入深度并输出。
10、根据一个实施例，所述深度预测模型可以为提取特征的卷积神经网结构，并且可以是通过在所述卷积神经网结构的最后一层应用线性函数来提取标量值的人工智能模型。
11、根据一个实施例，所述强度预测模型可以是利用第三训练数据集进行训练的人工智能模型，所述第三训练数据集中所述熔池的形态、所述匙孔的形态和所述匙孔的熔入深度或者所述熔池和匙孔的形态之一和所述匙孔的熔入深度为第三训练数据，焊接部分的拉伸强度为标签数据，当接收到所述所述熔池的形态、所述匙孔的形态和所述匙孔的熔入深度或者所述熔池和匙孔的形态之一和所述匙孔的熔入深度时，可以预测焊接部分的拉伸强度并输出。
12、根据一个实施例，所述强度预测模型可以是提取所述熔池的形态、所述匙孔的形态和所述匙孔的熔入深度或者所述熔池和匙孔的形态之一和所述匙孔的熔入深度的特征的深层神经网络结构，并且可以是通过在所述深层神经网络结构的最后一层应用线性函数来提取标量值的人工智能模型。
13、根据一个实施例的预测焊接质量的装置可以进一步包括距离感测部，在焊接工件样本的过程中测量所述焊接部分的匙孔的熔入深度，所述控制部可以将测量的所述匙孔的熔入深度作为用于使所述深度预测模型进行训练的标签数据存储在所述存储部中。
14、根据本公开的预测焊接质量的方法可以包括：模型生成步骤，利用训练数据集使人工智能模型进行训练以生成形态检测模型、深度预测模型和强度预测模型；以及质量预测步骤，通过将工件的焊接部分的图像输入到所述形态检测模型中以获取熔池和匙孔的形态，将所述熔池和匙孔的形态输入到所述深度预测模型中以获取匙孔的熔入深度，并将所述熔池的形态、所述匙孔的形态和所述匙孔的熔入深度或者所述熔池和匙孔的形态之一和所述匙孔的熔入深度输入到所述强度预测模型中以获取拉伸强度。
15、根据一个实施例，所述模型生成步骤可以包括：样本图像感测步骤，焊接样本工件的同时获取焊接部分的图像；距离感测步骤，测量形成在所述焊接部分中的匙孔的熔入深度；生成形态检测模型的步骤，利用第一训练数据集生成形态检测模型，所述第一训练数据集中所述焊接部分的图像为第一训练数据，所述熔池和匙孔的形态为第一标签数据；生成深度预测模型的步骤，利用第二训练数据集生成深度预测模型，所述第二训练数据集中所述熔池和匙孔的形态为第二训练数据，所述匙孔的熔入深度为第二标签数据；以及生成强度预测模型的步骤，利用第三训练数据集生成强度预测模型，所述第三训练数据集中所述所述熔池的形态、所述匙孔的形态和所述匙孔的熔入深度或者所述熔池和匙孔的形态之一和所述匙孔的熔入深度为第三训练数据，所述焊接部分的拉伸强度为第三标签数据。
16、根据一个实施例，所述质量预测步骤可以包括：图像感测步骤，获取工件的焊接部分的图像；形态检测步骤，将所述图像输入到形态检测模型中以获取熔池和匙孔的形态；深度预测步骤，将所述熔池和匙孔的形态输入到深度预测模型中以获取匙孔的熔入深度；以及强度预测步骤，将在所述形态检测步骤中获取的所述熔池的形态、所述匙孔的形态和在所述深度预测步骤中获取的匙孔的熔入深度或者在所述形态检测步骤中获取的所述熔池和匙孔的形态之一和在所述深度预测步骤中获取的所述匙孔的熔入深度输入到强度预测模型中以获取拉伸强度。
17、本公开的特征和优点将通过根据附图的以下详细描述而变得更加清楚。
18、本说明书和权利要求书中所使用的术语或词语不应被解释为一般含义和词典中的含义，而应当基于专利技术人可适当地对术语的概念进行定义以便以最佳方式说明自身的专利技术的原则来解释为符合本专利技术的技术思想的含义和概念。
19、(三)有益效果
20、根据本公开，可以在焊接过程中预测所有产品的焊接质量。
21、根据本公开，利用各自独立地训练影响焊接的重要因素的影响的三个人工智能模型分三个阶段预测焊接质量，因此可以以高精度预测焊接质量。
本文档来自技高网...【技术保护点】
1.一种预测焊接质量的装置，包括：
2.根据权利要求1所述的预测焊接质量的装置，其中，
3.根据权利要求2所述的预测焊接质量的装置，其中，
4.根据权利要求1所述的预测焊接质量的装置，其中，
5.根据权利要求1所述的预测焊接质量的装置，其中，
6.根据权利要求1所述的预测焊接质量的装置，其中，
7.根据权利要求6所述的预测焊接质量的装置，其中，
8.根据权利要求1所述的预测焊接质量的装置，其中，
9.根据权利要求8所述的预测焊接质量的装置，其中，
10.根据权利要求1所述的预测焊接质量的装置，进一步包括：
11.一种预测焊接质量的方法，包括：
12.根据权利要求11所述的预测焊接质量的方法，其中，
13.根据权利要求11所述的预测焊接质量的方法，其中，
14.根据权利要求11所述的预测焊接质量的方法，其中，
15.根据权利要求13所述的预测焊接质量的方法，其中，
【技术特征摘要】
1.一种预测焊接质量的装置，包括：
2.根据权利要求1所述的预测焊接质量的装置，其中，
3.根据权利要求2所述的预测焊接质量的装置，其中，
4.根据权利要求1所述的预测焊接质量的装置，其中，
5.根据权利要求1所述的预测焊接质量的装置，其中，
6.根据权利要求1所述的预测焊接质量的装置，其中，
7.根据权利要求6所述的预测焊接质量的装置，其中，
8.根据权利要求1所述的预测焊接质量的...
【专利技术属性】
技术研发人员：金亨源，金材勋，刘玹祯，李纪东，
申请(专利权)人：SK新能源株式会社，
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。