【技术实现步骤摘要】
本专利技术涉及焊接检测，具体而言，尤其涉及一种基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法。
技术介绍
1、金属箔材在新能源电池中作为关键的材料结构，对于提高储能效率和电力系统性能发挥着至关重要的作用。激光焊接以其高效率、高精度和低热影响区的特点，在箔材焊接中被广泛应用。然而，薄金属箔的焊接挑战性大，不仅要求夹具能够确保箔材之间紧密接触，还需要精确控制热输入，否则很容易导致虚焊的发生，最终导致电池的接触电阻增大和电池容量下降，并带来了极大的安全隐患，严重影响电池的整体性能和安全性。因此，对金属箔材激光焊接过程的虚焊缺陷检测是十分必要的。到目前为止，对虚焊的检测仍严重依赖传统的焊后离线判断，包括拉力测试、金相断面检测、工业ct检测等。然而，离线检测更多采用破坏性测试或者昂贵复杂的分析设备，无法实时检测出焊缝虚焊缺陷，具有一定局限性。
2、国内外研究表明，激光焊接过程中产生的多波段光辐射信号能有效反映等离子体状态、激光吸收状态与熔池温度，这与焊接质量紧密相关。因此，捕获并分析多波段光辐射信号是实现实时监测虚焊缺陷的关键。但目前主要通过进行大量工艺试验寻找合适的信号上下限或者人为主观判断是否存在虚焊缺陷，不仅费时费力，而且容易产生虚焊缺陷“误杀”或“漏杀”问题。
3、光电传感技术利用具有高采样频率和高灵敏度的光电二极管以及多种光学元件的搭配，可以对激光焊接过程中产生的光辐射信号进行多波段的实时采集，不仅具有明显的成本优势，而且可以灵活地应用于多种焊接场景。然而当前的光电传感技术测量的信号只反映光辐射
技术实现思路
1、根据上述提出的技术问题，而提供一种基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法。本专利技术主要利用高灵敏度的光电传感方法获取多波段的光辐射信息，并构建基于支持向量机和遗传优化算法的数据驱动模型，无需人工干预，从而实现对虚焊缺陷的快速准确预测。
2、本专利技术采用的技术手段如下：
3、一种基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法，包括：
4、s1、通过光电传感器实时采集激光焊接过程中的可见光电信号、熔池辐射光电信号和激光的反射光电信号；
5、s2、利用绝对中位差方法和savitzky-golay算法对s1中采集的信号进行预处理，去除噪声；
6、s3、从s2中预处理后的信号中提取信号幅度均值、信号方差及对数能量，作为信号特征；
7、s4、根据不同激光功率和离焦量的激光焊接工艺试验中数据的信号特征构建样本数据集；
8、s5、根据s4中的样本数据集构建基于支持向量机的虚焊缺陷预测模型；
9、s6、利用遗传算法优化s5中构建的虚焊缺陷预测模型；并通过遗传算法进行多次迭代后，根据寻优得到的最优解将虚焊缺陷预测模型优化为ga-svm虚焊缺陷预测模型；
10、s7、通过ga-svm虚焊缺陷预测模型对测试样本数据进行预测，并输出是否存在虚焊的判别结果。
11、进一步地，所述绝对中位差方法mad用于去除离群值，计算每个数据点与中位数的绝对偏差，利用绝对偏差的中位数作为度量值，判断信号中的离群值；
12、mad＝median(|xi-median(x)|)
13、其中，xi是数据点，median(x)是数据的中位数；
14、去除离群值后，利用所述savitzky-golay算法进行数据平滑，将savitzky-golay算法表示为：
15、
16、其中，是滤波后的数据点，y[x]是原始数据点，x是数据点的位置，h[n-x]是滤波器的系数，m是滤波窗口的半径。
17、进一步地，所述信号幅度均值x1，表示给定时间段内信号x(t)幅度的平均水平，用于反映信号在给定时间段内的平均能量和平均强度，x1的计算公式如下：
18、
19、其中，n为信号长度；
20、所述信号x2方差表示信号幅度在平均值附近的分散程度，用于衡量信号x(t)的幅度变化；x2的计算公式如下：
21、
22、所述对数能量x3用于对信号进行能量度量，x3的计算公式如下：
23、
24、将所述信号幅度均值、信号方差及对数能量作为信号特征，运用于虚焊缺陷预测模型的训练。
25、进一步地，所述样本数据集根据不同激光功率和离焦量的激光焊接工艺试验的数据建立，将试验数据中的信号幅度均值、信号方差及对数能量作为信号特征x＝[x1,x2,x3]，令输入特征向量vin＝x，输出向量为vout＝[0,1]，其中无虚焊设置为0，有虚焊设置为1；
26、将构建的样本数据集分为训练样本数据和测试样本数据，所述训练样本数据用于优化和训练虚焊缺陷预测模型，所述测试样本数据用于验证虚焊缺陷预测模型的输出准确性。
27、进一步地，所述基于支持向量机svm的虚焊缺陷预测模型的构建方法如下：
28、给定包含n个样本的训练数据集为{(x1,y1),(x2,y2),…,(xn,yn)}，其中xi是输入特征向量，yi是对应的类别标签；将svm的分类超平面表示为：
29、f(x)＝sign(wtx+b)
30、其中，wt是超平面的法向量，b是偏置项，对于线性可分的情况，wt和b通过最大间隔的最优化问题得到，用以下约束条件来描述：
31、
32、使用拉格朗日乘子法转化为对偶问题，并使用核函数将输入映射到高维空间中，对偶问题表示为：
33、
34、其中，αi是拉格朗日乘子，c是正则化参数，表示模型的复杂度和错误项的权重。
35、进一步地，所述遗传算法用于确定最佳惩罚参数、核函数种类以及核函数的参数gamma值，具体步骤如下：
36、确定惩罚参数c、核函数种类τ以及核函数的参数gamma值γ的参数组合z＝[c,τ,γ]的范围，并在范围内随机生成一组解作为初始种群，训练svm模型，以虚焊缺陷的分类精度作为适应度函数f(z)，公式如下：
37、
38、选择父代，个体被选择用于繁殖的概率与适应度成正比，设pi是第i个个体被选择的概率，则：
39、
40、其中，f(zi)是第i个个体的适应度，m种群中个体的总数；
41、交叉，选择个体zi和zj通过交叉操作产生新的后代，假设交叉点为k，则后代znew表示为：
42、znew＝(zi1,zi2,…,zik,zj(k+1),…,zjm)
43、突变，以突变率μ修改新生个体的某些基因，以引入变异，增加种群的多样性，将基因znk表示本文档来自技高网...
【技术保护点】
1.一种基于多波段光电传感与GA-SVM的激光焊虚焊实时监测方法，其特征在于，包括：
2.根据权利要求1所述的基于多波段光电传感与GA-SVM的激光焊虚焊实时监测方法，其特征在于，所述绝对中位差方法MAD用于去除离群值，计算每个数据点与中位数的绝对偏差，利用绝对偏差的中位数作为度量值，判断信号中的离群值；
3.根据权利要求1所述的基于多波段光电传感与GA-SVM的激光焊虚焊实时监测方法，其特征在于，所述信号幅度均值X1，表示给定时间段内信号X(t)幅度的平均水平，用于反映信号在给定时间段内的平均能量和平均强度，X1的计算公式如下：
4.根据权利要求1所述的基于多波段光电传感与GA-SVM的激光焊虚焊实时监测方法，其特征在于，所述样本数据集根据不同激光功率和离焦量的激光焊接工艺试验的数据建立，将试验数据中的信号幅度均值、信号方差及对数能量作为信号特征X＝[X1,X2,X3]，令输入特征向量Vin＝X，输出向量为Vout＝[0,1]，其中无虚焊设置为0，有虚焊设置为1；
5.根据权利要求1所述的基于多波段光电传感与GA-SVM的激光焊虚
6.根据权利要求1所述的基于多波段光电传感与GA-SVM的激光焊虚焊实时监测方法，其特征在于，所述遗传算法用于确定最佳惩罚参数、核函数种类以及核函数的参数Gamma值，具体步骤如下：
7.根据权利要求1所述的基于多波段光电传感与GA-SVM的激光焊虚焊实时监测方法，其特征在于，利用所述GA-SVM虚焊缺陷预测模型对测试样本数据进行预测，判定GA-SVM虚焊缺陷预测模型输出的准确性；
...【技术特征摘要】
1.一种基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法，其特征在于，包括：
2.根据权利要求1所述的基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法，其特征在于，所述绝对中位差方法mad用于去除离群值，计算每个数据点与中位数的绝对偏差，利用绝对偏差的中位数作为度量值，判断信号中的离群值；
3.根据权利要求1所述的基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法，其特征在于，所述信号幅度均值x1，表示给定时间段内信号x(t)幅度的平均水平，用于反映信号在给定时间段内的平均能量和平均强度，x1的计算公式如下：
4.根据权利要求1所述的基于多波段光电传感与ga-svm的激光焊虚焊实时监测方法，其特征在于，所述样本数据集根据不同激光功率和离焦量的激光焊接工艺试验的数据建立，将试验数据...
【专利技术属性】
技术研发人员：曹津铭，何玲，王晓东，唐世周，赵旭松，尹旭，于超，姜楠，孙茂东，林兴君，
申请(专利权)人：中车大连机车车辆有限公司，
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。