[0001] 本发明涉及焊接数据处理技术领域，尤其涉及基于物联网的智能焊接平台数据采集方法及系统。

[0002] 智能焊接平台是工业时代智能制造的重要组成部分，集成了多项前沿技术，能够快速切换不同焊接任务，满足小批量多品种的生产需求，提高焊接质量和生产效率。通过在焊机上安装各类传感器获取焊接过程中的各项参数，可以实现焊接过程的远程监控与管理。

[0003] 现有技术中对于焊接数据应用的研究多倾向于焊接效果的评估，例如公开号为CN115186423A的专利申请文件公开了一种窄搭接电阻焊机焊接能力评估方法，该方法通过收集带钢和焊接工艺参数；计算熔核高度和焊接所需总热量；计算焊缝处总电阻、焊缝处产生的有效热量以及目标函数值；判断目标函数值是否满足条件，如否则评估结果为不符合焊接要求，如是则计算电阻焊机机架横梁和立柱的内侧应力和外侧应力，再判断内侧应力和外侧应力是否满足条件，如是则评估结果为符合焊接要求，如否则焊接参数超出电阻焊机能力。

[0004] 上述现有技术通过分析焊接工艺参数评估焊接效果，可以提高生产效率。但是，采集焊接数据以及通过物联网传输数据过程中均可能存在噪声数据的干扰，准确性较低，导致基于此得到的焊接评估效果准确性也较差。

[0005] 基于此，如何有效地提高焊接数据采集的准确性，是本领域技术人员亟待解决的问题。

[0024] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0025] 应当理解，当本发明的权利要求、说明书及附图使用术语“第一”、“第二”等时，其仅是用于区别不同对象，而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

[0026] 需要说明的是，智能焊接平台是工业时代智能制造的重要组成部分，其能够快速切换不同焊接任务，满足小批量多品种的生产需求，提高焊接质量和生产效率。通过在焊机上安装各类传感器获取焊接过程中的各项参数，可以实现焊接过程的远程监控与管理。

[0027] 电弧焊接是工业生产中常用的焊接方法之一，其利用电弧放电所产生的热量将焊条与工件互相熔化并在冷凝后形成焊缝，从而获得牢固接头。但是，采集焊接数据以及通过物联网传输数据过程中均可能存在噪声数据的干扰，导致采集得到的焊接数据准确性较低。

[0028] 基于此，本发明实施例公开了一种基于物联网的智能焊接平台数据采集方法，通过对采集得到的电焊数据进行数据去噪，可以有效地提高得到的电焊数据的准确性。具体可参照图1所示，图1为本发明实施例提供的一种基于物联网的智能焊接平台数据采集方法的流程示意图，该方法具体包括下述步骤。

[0029] S1：预设焊接过程中电流数据点在所处的电流数据时序序列中的观测范围。

[0030] 示例地，在本发明实施例中，预设焊接过程中电流数据点在所处的电流数据时序序列中的观测范围，之前还包括：采集焊接过程中的电流数据，预处理后得到电流数据时序序列。

[0031] 其中，预处理可以为数据格式转换等，具体可以根据实际需要进行设置，本发明实施例在此不作过多限制。

[0032] 具体地，通过为电流传感器设置采集频率后采集电流数据，将每次采集得到的电流值作为一个电流数据点，将电流数据点按照采集时序排列，得到电流数据时序序列。

[0033] 其中，采集频率表可以设置为10Hz，具体可以根据实际需要进行设置。

[0034] 需要说明的是，谐波分析算法（Harmonic Analysis of Time Series，简称HANTS）是一种用于时间序列分析和插值的算法，该算法通过比较原始时间序列和拟合后的时间序列，将明显偏离拟合曲线的点视为噪声点，并利用已知的谐波成分估计缺失的数据点，从而实现在数据去噪的同时保证数据的完整性和连续性，保留原始数据的细节信息。因此，可以通过HANTS算法对电流数据时序序列进行精确去噪。

[0035] 但是，电流数据通常会随着需要焊接的物品参数的改变而改变，因此，若直接基于原始电流数据时序序列和拟合后的电流数据时序序列之间的差值，得到电流数据时序序列中的噪声数据点，可能会将正常变化的电流数据点识别为噪声数据，影响去噪的准确性。

[0036] 基于此，本发明实施例通过获取电流数据点在局部范围中的数据表现对局部范围中的破坏程度，得到其为噪声数据的可能性，电流数据点越突出，说明其为噪声数据的可能性越高，通过电流数据点为噪声数据的可能性对原始电流数据时序序列和拟合后的电流数据时序序列之间的差值进行校正。

[0037] 示例地，在本发明实施例中，电流数据点的观测范围获取方法，具体包括下述两种可能的实现方式：在一种可能的实现方式中，可以预设观测范围的长度 ，以电流数据点为中心，在两侧等量获取 个电流数据点，得到对应的观测范围。

[0038] 其中，观测范围的长度可以预设为21，具体可以根据实际需要进行设置。

[0039] 可以理解的是，部分电流数据点可能其中一侧的数据点个数不足以构建观测范围，对于此类电流数据点，可以在另一侧补齐剩余的电流数据点个数。

[0040] 这样，本发明实施例通过获取电流数据点左右两侧电流数据作为该电流数据点的观测范围，可以更好地分析电流数据点两侧的数据变化，从而准确得到其相对于观测范围中的数据突变情况。

[0041] 在另一种可能的实现方式中，可以预设观测范围的长度 ，以电流数据点为其观测范围的末端，在历史数据中获取 个电流数据点，得到对应的观测范围。

[0042] 这样，本发明实施例通过获取历史数据作为当前电流数据点的观测范围，历史数据可以更好地反映电流数据常规的变化规律和趋势，基于此可以准确得到当前电流数据点相较于周围历史数据的突出情况。

[0043] 基于上述任一可能的实施方式得到电流数据点的观测范围后，可以基于电流数据点相较于观测范围中的突出情况得到其为噪声数据的可能性，即继续执行下述步骤。

[0044] S2：对电流数据点的观测范围进行曲线拟合，获取电流数据点的拟合误差与观测范围中除该电流数据点之外其他电流数据点的拟合误差均值的比值，将比值的负数作为以e为底的指数函数的指数，得到该电流数据点的真实指标。

[0045] 需要说明的是，可以通过对观测范围进行曲线拟合时的拟合误差表征电流数据点对其观测范围中数据变化的破坏性，拟合误差越大，说明电流数据点对其观测范围中数据变化的破坏性越大，突变程度也越大。

[0046] 示例地，在本发明实施例中，对电流数据点的观测范围进行曲线拟合，包括：以各电流数据点在观测范围中的时序序号为横坐标，以电流数据点对应的电流值为纵坐标进行最小二乘法拟合，得到观测范围中各电流数据点的拟合值。

[0047] 示例地，确定电流数据点的真实指标，具体可参见下述关系式：；
式中， 表示第i个电流数据点的真实指标， 表示第i个电流数据点观测范围中的电流数据点个数，表示第i个电流数据点的电流值， 表示第i个电流数据点的拟合值， 表示第i个电流数据点观测范围中第j个电流数据点的电流值， 表示第i个电流数据点观测范围中除第i个电流数据点自身外第j个电流数据点的拟合值， 表示以e为底的指数函数。

[0048] 上式中， 表示第i个电流数据点的拟合误差，该值越大，说明相对于整个观测范围第i个电流数据点的电流值突出程度较大，该电流数据点为电流数据自身产生的真实数据的可能性越低，对应的真实指标也越低。

[0049] 表示第i个电流数据点观测范围中除该电流数据点之外其他电流数据点的拟合误差均值，拟合误差均值越大，说明其他电流数据点自身的拟合误差越大，第i个电流数据点的拟合误差表示破坏性的可信度越低，对应的第i个电流数据点的真实指标越低。

[0050] 基于上述公式得到各电流数据点的真实指标后，继续执行下述步骤。

[0051] S3：获取电流数据点对应的电压数据点在所处的电压数据时序序列中的观测范围，通过电流数据点的观测范围与对应的电压数据点的观测范围之间的相关程度对该电流数据点的真实指标校正，得到该电流数据点的真实性。

[0052] 其中，电压数据点的观测范围获取方式与上述电流数据点的观测范围获取方式类似，本发明实施例在此不作过多赘述。

[0053] 需要说明的是，电流数据通常会随着待焊接的物品参数或焊接速度等因素的改变而改变，若直接基于上述步骤得到的电流数据点的真实指标得到噪声数据，可能会将正常变化的电流数据点识别为噪声数据，降低真实指标。而在电弧焊接过程中，焊接电流的增加会导致电弧的电阻热增加，从而使电弧温度升高，电弧的直径也会增大，为了保持电弧的稳定性和良好的熔池形态，焊接电压会增加以适应此类变化，电压数据和电流数据之间存在良好的正相关性。

[0054] 基于此，本发明实施例可以通过获取电压数据和电流数据之间的相关程度，对上述步骤得到的电流数据点的真实指标进行校正，从而可以准确得到电流数据点的真实性。

[0055] 示例地，在本发明实施例中，获取电流数据点对应的电压数据点在所处的电压数据时序序列中的观测范围，之前还包括：采集焊接过程中的电压数据，预处理后得到电压数据时序序列。

[0056] 其中，预处理方式具体可以根据实际需要进行设置，本发明实施例在此不作过多限制。

[0057] 具体地，通过为电压传感器设置采集频率后采集电压数据，将每次采集得到的电压值作为一个电压数据点，将电压数据点按照采集时序排列，得到电压数据时序序列。得到的电压数据时序序列中的电压数据点与电流数据时序序列中的电流数据点逐一对应，即同一采集时刻下，可以同时采集得到一个电压值和一个电流值。

[0058] 示例地，在本发明实施例中，通过电流数据点的观测范围与对应的电压数据点的观测范围之间的相关程度对该电流数据点的真实指标校正，得到该电流数据点的真实性，包括：获取电流数据点的观测范围与对应的电压数据点的观测范围之间的皮尔逊相关系数和该电流数据点的真实指标的乘积，将乘积的负数作为以e为底的指数函数的指数，得到该电流数据点的真实性。

[0059] 示例地，确定电流数据点的真实性，具体可参见下述关系式：；
式中， 表示第i个电流数据点的真实性， 表示第i个电流数据点的真实指标，表示第i个电流数据点的观测范围与对应的电压数据点的观测范围之间的皮尔逊相关系数， 表示以e为底的指数函数。

[0060] 上式中，电流数据点的观测范围与对应的电压数据点的观测范围之间的皮尔逊相关系数越大，说明电流数据点的观测范围与对应的电压数据点的观测范围之间的相关程度越大，当前电流数据点的电流值为正常变化产生的可能性越大，该电流数据点的真实性也越高。

[0061] 基于上述步骤获取各电流数据点和对应的电压数据点之间的相关程度对电流数据点的真实指标进行校正后，可以基于各电流数据点的真实性校正差值，即继续执行下述步骤。

[0062] S4：在HANTS算法中通过电流数据点的真实性和该电流数据点去噪前后的差值的乘积，得到校正后的差值，并基于校正后的差值实现数据去噪。

[0063] 需要说明的是，HANTS算法通过比较原始时间序列和拟合后的时间序列之间的差值，通过差值得到明显偏离拟合曲线的噪声点，但是这种处理方式会将正常变化的电流数据识别为噪声数据，因此本发明实施例基于上述步骤获取各个电流数据点的真实性，真实性越高，说明电流数据点的电流值为正常变化产生的可能性越高。

[0064] 基于此，本发明实施例通过各电流数据点的真实性对差值进行校正，可以有效地提高噪声数据识别的准确性。

[0065] 示例地，在本发明实施例中，电流数据点去噪前后的差值的获取方法，包括：将电流数据时序序列分解为多个谐波成分后去除高频噪声，再重新组合得到目标电流数据时序序列；确定电流数据点在电流数据时序序列和目标电流数据时序序列之间数据的差值。

[0066] 其中，可以通过傅里叶变换将电流数据时序序列分解为多个谐波成分。

[0067] 可以理解的是，同一采集时刻下，电流数据点在电流数据时序序列和目标电流数据时序序列中均有与之对应的电流值，确定电流值之间的差值。

[0068] 示例地，在本发明实施例中，基于校正后的差值实现数据去噪，包括：预设噪声阈值；将校正后的差值大于噪声阈值的电流数据点作为噪声点进行剔除，以实现数据去噪。

[0069] 其中，噪声阈值可以设置为0.2，噪声阈值具体可以根据实际需要进行设置，本发明实施例在此不作过多限制。

[0070] 具体地，实现数据去噪后，还可以识别并选取反映目标电流数据时序序列主要特征的低频谐波成分，通过最小二乘法处理低频谐波成分，得到谐波模型，谐波模型可以用于捕捉目标电流数据时序序列中周期变化和主要趋势得到电流预测值；获取噪声点的位置，通过电流预测值对噪声点的位置进行插值。重复数据去噪和插值步骤，直至电流数据时序序列中所有电流数据点的差值均不大于噪声阈值。

[0071] 基于上述步骤实现电流数据时序序列的去噪后，还可以对电流数据时序序列进行异常监测，降低安全隐患。

[0072] 示例地，在本发明实施例中，实现数据去噪，之后还包括：对焊接过程中的电流数据时序序列进行异常监测。

[0073] 其中，对电流数据时序序列进行异常监测的具体步骤可以通过现有技术实现，本发明实施例在此不作赘述。

[0074] 可以看出，在本发明实施例中，实现基于物联网的智能焊接平台数据采集时，可以预设焊接过程中电流数据点和电压数据点在所处的电流数据时序序列和电压数据时序序列中的观测范围；对电流数据点的观测范围进行曲线拟合，获取电流数据点的拟合误差与观测范围中除该电流数据点之外其他电流数据点的拟合误差均值的比值，将比值的负数作为以e为底的指数函数的指数，得到该电流数据点的真实指标；获取电流数据点的观测范围与对应的电压数据点的观测范围之间的皮尔逊相关系数和该电流数据点的真实指标的乘积，将乘积的负数作为以e为底的指数函数的指数，得到该电流数据点的真实性；在HANTS算法中通过电流数据点的真实性和该电流数据点去噪前后的差值的乘积，得到校正后的差值，并基于校正后的差值实现数据去噪。

[0075] 这样，本发明实施例通过HANTS算法对电流数据时序序列中表现突出的电流数据点进行去噪，可以有效地降低噪声数据对后续数据处理的影响。在此过程中，本发明实施例考虑到正常变化的电流数据点与噪声数据表现较为相似，基于此，本发明实施例通过获取电流数据与电压数据之间的相关程度对电流数据点的真实性进一步进行验证，从而可以准确识别出电流数据时序序列中的噪声数据，有效地提高了焊接数据采集的准确性。

[0076] 本发明实施例还公开基于物联网的智能焊接平台数据采集系统，包括处理器和存储器，存储器存储有计算机程序指令，当计算机程序指令被处理器执行时实现根据本发明提供的基于物联网的智能焊接平台数据采集方法。

[0077] 上述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。

[0078] 在本发明中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM、动态随机存取存储器DRAM、静态随机存取存储器SRAM、增强动态随机存取存储器EDRAM、高带宽内存HBM、混合存储立方HMC等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。

[0079] 虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。

[0080] 以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。