[发明专利]超声波焊头损耗状态监控方法及系统

权利要求书

1.一种超声波焊头损耗状态监控方法，其特征在于，所述方法包括：

获取焊头焊接过程的振动时序数据；

分别从时域方向和频域方向提取所述振动时序数据的时域特征和频域特征，并将所述时域特征和所述频域特征组成多维特征向量；

对所述多维特征向量进行无监督聚类处理，计算焊头当前损耗状态与前一个损耗状态之间相似度；

基于所述相似度，管控焊头损耗状态。

2.如权利要求1所述的超声波焊头损耗状态监控方法，其特征在于，所述获取焊头焊接过程的振动时序数据，包括：

利用安装在所述焊头上的三轴振动传感器采集所述焊头焊接过程的振动时序数据；

其中，所述三轴传感器采集的最大频率大于等于超声波发生器的频率，所述三轴传感器的主方向与超声波振动方向一致。

3.如权利要求1所述的超声波焊头损耗状态监控方法，其特征在于，所述分别从时域方向和频域方向提取所述振动时序数据的时域特征和频域特征，并将所述时域特征和所述频域特征组成多维特征向量，包括：

从时域方向提取所述振动时序数据的时域特征，所述时域特征包括最大值、标准差、均值以及所述振动时序数据降采样的后序列特征；

将所述振动时序数据进行离散傅里叶变换处理，提取所述振动时序数据的频域特征，所述时域特征包括振动频率均值、频率重心及频率幅值；

将所述时域特征和所述频域特征组成多维特征向量。

4.如权利要求1所述的超声波焊头损耗状态监控方法，其特征在于，所述对所述多维特征向量进行无监督聚类处理，计算焊头当前损耗状态与前一个损耗状态之间相似度，包括：

采用预先训练好的自组织特征映射神经网络对所述多维特征向量进行无监督聚类处理，计算新输入的多维特征向量与聚类簇中心的距离值；

将所述距离值作为焊头当前损耗状态与前一个损耗状态之间相似度。

5.如权利要求1所述的1所述的超声波焊头损耗状态监控方法，其特征在于，所述基于所述相似度，管控焊头损耗状态，包括：

在所述相似度大于设定阈值时，则确定所述焊头状态异常并预警；

在所述相似度小于或等于设定阈值时，则确定所述焊头状态正常。

6.如权利要求5所述的超声波焊头损耗状态监控方法，其特征在于，所述方法还包括：

采用聚类方法将焊头焊接过程的历史数据划分成若干簇，并计算簇内每个点对于簇中心点的相对距离；

选取相对距离的最大值作为所述设定阈值；

其中，相对距离＝簇内某一点到簇中心的距离/簇内所有点到簇中心距离的中位数)。

7.一种超声波焊头损耗状态监控系统，其特征在于，所述系统包括：

数据获取模块，用于获取焊头焊接过程的振动时序数据；

特征提取模块，用于分别从时域方向和频域方向提取所述振动时序数据的时域特征和频域特征，并将所述时域特征和所述频域特征组成多维特征向量；

聚类处理模块，用于对所述多维特征向量进行无监督聚类处理，计算焊头当前损耗状态与前一个损耗状态之间相似度；

管控模块，用于基于所述相似度，管控焊头损耗状态。

8.如权利要求7所述的超声波焊头损耗状态监控系统，其特征在于，所述数据获取模块采用三轴振动传感器，所述三轴振动传感器安装在所述焊头上；

所述三轴传感器采集的最大频率大于等于超声波发生器的频率，所述三轴传感器的主方向与超声波振动方向一致。