[发明专利]一种基于高频焊接时序数据的烧穿故障预测方法

权利要求书

1.一种基于高频焊接时序数据的烧穿故障预测方法，其特征在于，包括以下步骤：

步骤1：采集正常焊接和烧穿故障发生时的高频焊接时序数据，并以N秒为窗口进行滑窗采样，以每个窗口的未来两秒是否发生烧穿故障为标签进行样本标注，生成数据样本集；

步骤2：以TCN为主体结构搭建FPN特征融合网络模型，并利用生成的数据样本集进行训练，得到烧穿故障预测模型；

步骤3：对于新的实时高频焊接时序数据，按照N秒进行滑窗，并将每个窗口的数据输入到训练好的烧穿故障预测模型中进行预测，预测每个窗口的未来两秒是否会发生烧穿故障；

所述步骤2中搭建的FPN特征融合网络模型包括若干堆叠的TCN网络块，每个TCN网络块的输出特征经过一维卷积神经网络层的卷积操作后进行相加融合，融合后的特征经过Flatten层和两个全连接层的处理后得到最终输出。

2.根据权利要求1所述的一种基于高频焊接时序数据的烧穿故障预测方法，其特征在于，所述步骤1还包括过采样过程：

假设每次烧穿故障的开始时间为t1，结束时间为t2，采样频率为Fs，则从区间[(t1-2-N)*Fs，(t2-2-N)*Fs]中随机不放回采样k个数值，作为扩充样本的起始点start_index，则终止点end_index=start_index+N*Fs，由此每次烧穿故障所对应的样本数量扩充了k个。

3.根据权利要求1所述的一种基于高频焊接时序数据的烧穿故障预测方法，其特征在于，所述TCN网络块包括两个一维膨胀卷积层、两个BN层和两个激活函数层，且TCN网络块的输入输出之间通过一维卷积层跳跃连接。