申请/专利权人:江苏科技大学
申请日:2024-01-17
公开(公告)日:2024-04-19
公开(公告)号:CN117900687A
主分类号:B23K31/12
分类号:B23K31/12;B23K11/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种系泊链闪光焊接异常检测方法及系统,所述系泊链闪光焊接异常检测方法,通过构建系泊链异常检测GAN网络模型,确定最优超参数模型及综合异常分数S3和阈值分数T,确定故障样本结合CAM可视化技术,进行异常定位。在系泊链异常检测GAN网络模型的生成对抗损失中通过在两个判别器中添加负样本的数据分布函数,让网络模型变成准确性相对较高的半监督学习模型,通过对传统对抗生成网络模型的改进实现半监督故障诊断,提升了系泊链闪光焊接信号的故障诊断的准确性,并通过CAM可视化操作实现了序列中异常点的定位,减轻工作人员后期工作检测、异常定性的负担。
主权项:1.一种系泊链闪光焊接异常检测方法,其特征在于,包括以下步骤:1选取L个系泊链闪光焊接数据,包括M个有标签异常焊接数据和L-M个无标签焊接数据,将无标签焊接数据划分为训练样本、验证样本和测试样本,将异常焊接数据加入训练样本中;2构建系泊链异常检测GAN网络模型,通过训练样本进行训练得到若干个不同超参数的训练模型,再通过验证样本,逐个验证训练模型,确定最优超参数模型;3向最优超参数模型输入测试样本进行检测,确定综合异常分数S3;4计算综合异常分数S3的均值μ和均方差o,确定对应测试样本的阈值分数T;5根据综合异常分数S3与样本阈值T分数,判断测试样本是否为故障样本;6结合CAM可视化技术,提取故障样本在步骤3中得到重构数据和生成数据将其逐点作差得到重构差异值C,对测试集的焊接信号进行异常定位。
全文数据:
权利要求:
百度查询: 江苏科技大学 一种系泊链闪光焊接异常检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。