焊接状态判定装置、焊接状态判定方法和具有程序的介质与流程

本发明涉及焊接状态判定装置、焊接状态判定方法和具有程序的介质。

背景技术：

在专利文献1中公开的是，预先基于焊接的正常状态和异常状态下各自的焊接电流、焊接电压和焊接弧声之中至少1个频率分析求得能谱，使神经网络学习正常与异常的区别，使用该学习完毕的神经网络，评价焊接中的焊接电流、焊接电压和焊接弧声之中的至少一个能谱，判定正常或异常，并且同时进行异常状态的判别。

【先行技术文献】

【专利文献】

【专利文献1】日本特开平10－235490号公报

但是，在上述文献所公开的方法中，需要事前通过再现异常模式的实验，大量准备各种焊接条件下的异常模式的数据，实现困难。

技术实现要素：

本发明鉴于上述课题而做，其主要目的在于，提供一种容易判定焊接状态的焊接状态判定装置、焊接状态判定方法及具有程序的介质。

为了解决上述课题，本发明的一个方式的焊接状态判定装置，其具备：取得机构，其取得含有被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的下降部、上升部和其间的平坦部的脉冲波形；预处理机构，其以使所述平坦部成为指定宽度的方式对所述脉冲波形进行整形；判定机构，其根据经过整形的所述脉冲波形，与基于过去的多个经过整形的脉冲波形所作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的焊接状态判定装置，其具备：取得机构，其取得被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的概率密度；判定机构，其根据所述概率密度，与基于过去的多个概率密度而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的焊接状态判定装置，其具备：取得机构，其取得被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的指定位置的值；判定机构，其根据所述指定位置的值，与基于过去的多个指定位置的值而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的焊接状态判定方法，其中，取得含有被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的下降部、上升部和其间的平坦部的脉冲波形，以使所述平坦部成为指定宽度的方式对所述脉冲波形进行整形，根据经过整形的所述脉冲波形，与基于过去的多个经过整形的脉冲波形而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的焊接状态判定方法，其中，取得被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的概率密度，根据所述概率密度，与基于过去的多个概率密度而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的焊接状态判定方法，其中，取得被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的指定位置的值，根据所述指定位置的值，与基于过去的多个指定位置的值而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的具有程序的介质，所述程序使计算机作为如下机构发挥功能，即：取得机构，其取得含有被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的下降部、上升部和其间的平坦部的脉冲波形；预处理机构，其以使所述平坦部成为指定宽度的方式对于所述脉冲波形进行整形；以及判定机构，其根据经过整形的所述脉冲波形，与基于过去的多个经过整形的脉冲波形而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的具有程序的介质，所述程序使计算机作为如下机构发挥功能，即：取得机构，其取得被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的概率密度；和判定机构，其根据所述概率密度，与基于过去的多个概率密度而作成的正常模式的差，判定脉冲电弧焊接的状态。

另外，本发明的另一方式的具有程序的介质，所述程序使计算机作为如下机构发挥功能，即：取得机构，其取得被供给到脉冲电弧焊接的电极的脉冲电流或脉冲电压的指定位置的值；和判定机构，其根据所述指定位置的值，与基于过去的多个指定位置的值而作成的正常模式的差，判定脉冲电弧焊接的状态。

根据本发明，容易判定焊接状态。

附图说明

图1是表示含实施方式的焊接状态判定装置的系统的构成例的框图。

图2是表示焊接状态判定装置的功能构成例的框图。

图3是表示焊接状态判定装置实行的正常模式作成处理的步骤例的流程图。

图4是表示焊接状态判定装置实行的焊接状态判定处理的步骤例的流程图。

图5a是表示脉冲波形的例子的图。

图5b是表示脉冲波形的例子的图。

图6a是表示整形前的脉冲波形的例子的图。

图6b是表示整形前的脉冲波形的例子的图。

图7a是表示整形后的脉冲波形的例子的图。

图7b是表示整形后的脉冲波形的例子的图。

图8是表示主成分的贡献率的例子的图。

图9a是表示异常度的计算结果的例子的图。

图9b是表示异常度的计算结果的例子的图。

图10是表示各团簇的重心向量的计算结果的例子的图。

图11a是表示所属的团簇的计算结果的例子的图。

图11b是表示所属的团簇的计算结果的例子的图。

图12是表示脉冲波形的例子的图。

图13是表示脉冲波形的例子的图。

图14a是表示电流概率密度的推定结果的例子的图。

图14b是表示电流概率密度的推定结果的例子的图。

图15是表示主成分的贡献率的例子的图。

图16a是表示异常度的计算结果的例子的图。

图16b是表示异常度的计算结果的例子的图。

图17是表示脉冲波形的例子的图。

图18是表示指定位置的取样点的例子的图。

图19a是表示异常度的计算结果的例子的图。

图19b是表示异常度的计算结果的例子的图。

【符号说明】

1焊接状态判定装置，11数据取得部，13预处理部，15焊接状态判定部，17正常模式作成部，2数据库，8脉冲电弧焊接装置，81机械臂，83焊接炬，85电极，9电源装置，100焊接系统

具体实施方式

以下，一边参照附图，一边说明本发明的优选实施方式。还有，以下所示的各实施方式，例示的是用于使本发明的技术思想具体化的方法和装置，本发明的技术思想不受下记内容限定。本发明的技术思想，能够在专利请求范围所述的技术的范围内加以各种变更。

图1是表示包含实施方式的焊接状态判定装置1的焊接系统100的构成例的框图。焊接系统100，具备脉冲电弧焊接装置8、电源装置9和焊接状态判定装置1。

脉冲电弧焊接装置8，具备由机械臂81支承的焊接炬83。焊接炬83具有用于使电弧发生的电极85，例如实现mig(metalinertgas)焊接或mag(metalactivegas)焊接等的电弧焊。

脉冲电弧焊接装置8，利用从电源装置9供给的脉冲电流和脉冲电压，实现脉冲电弧焊接。电源装置9具有电流计或电压计，将脉冲电流或脉冲电压的检测信号输出到焊接状态判定装置1。

焊接状态判定装置1，是含cpu、ram、rom、非挥发性存储器和输入输出接口等的计算机。cpu遵循从rom或非挥发性存储器装载到ram的程序实行信息处理。程序可以经由例如光盘或存储卡等的信息存储介质供给，也可以经由例如互联网等的通信网络供给。

图2是表示焊接状态判定装置1的功能构成例的框图。焊接状态判定装置1具备数据取得部11、预处理部13、焊接状态判定部15和正常模式作成部17。这些功能部通过焊接状态判定装置1的cpu遵循程序而实行信息处理来实现。数据库2可以设于焊接状态判定装置1的内部，也可以设于外部。

数据取得部11是取得机构的一例，预处理部13是预处理机构的一例，焊接状态判定部15是判定机构的一例，正常模式作成部17是作成机构的一例。

图3是表示焊接状态判定装置1的cpu实行的正常模式作成处理的步骤例的流程图。同处理是为了事先作成用于后述的焊接状态判定处理的正常模式而实行的处理。

首先，cpu根据从电源装置9供给到脉冲电弧焊接装置8的脉冲电流或脉冲电压的检测信号，取得脉冲波形(s11，作为数据取得部11的处理)。脉冲波形以包含下降部、上升部及其间的平坦部在内的单位被截取。平坦部可以是基部，也可以是峰部。

其次，cpu使平坦部成为指定宽度的方式对脉冲波形进行整形(s12，作为预处理部13的处理)，将整形过的脉冲波形保存在数据库2中(s13)。脉冲波形的平坦部的宽度会根据焊接条件和电源控制等改变，因此，这里为了易于脉冲波形之间的比较而使平坦部的宽度统一。

接着，cpu基于保存在数据库2的多个经过整形的脉冲波形而作成正常模式(s14，作为正常模式作成部17的处理)，并保存在数据库2中(s15)。在本实施方式中，因为作成正常模式，所以不需要大量准备比正常的脉冲波形数量少的异常的脉冲波形。

图4是表示焊接状态判定装置1的cpu实行的焊接状态判定处理的步骤例的流程图。同处理是为了在脉冲电弧焊接装置8的焊接中等判定焊接状态而实行的处理。

首先，cpu根据从电源装置9供给到脉冲电弧焊接装置8的脉冲电流或脉冲电压的检测信号，取得脉冲波形(s21，作为数据取得部11的处理)。在此，以与上述图3所示的正常模式作成处理的s11同样的单位截取脉冲波形。

其次，cpu以使平坦部成为指定宽度的方式整形脉冲波形(s22，作为预处理部13的处理)。在此，以使平坦部成为与上述图3所示的正常模式作成处理的s12同样的宽度的方式整形脉冲波形。

接着，cpu读取保存在数据库2的正常模式，计算刚由s22整形过的脉冲波形与正常模式的差(s23)，基于计算出的差，判定焊接状态(s24，作为焊接状态判定部15的处理)。在本实施方式中，因为利用正常模式，所以容易判定焊接状态。

以下，对于正常模式作成处理和焊接状态判定处理的更具体的例子进行说明。

[脉冲波形整形]

就对于脉冲波形实施预处理，将之整形成标准化的波形之后，进行模式匹配，由此检测异常的方法进行说明。图5a是表示正常的脉冲波形的例子的图。图5b是表示异常的脉冲波形的例子的图。在该例中，在脉冲波形的基部发生紊乱。

在此，考虑在每个脉冲截取脉冲波形。图6a是表示对于正常的脉冲波形，截取例如从下降的400a左右到接下来的上升的400a左右的范围，使多个脉冲量重叠的结果的图。另一方面，图6b是表示对于在基部发生紊乱的异常的脉冲波形，截取同样的范围，使多个脉冲量重叠的结果的图。脉冲波形的截取，与上述数据取得部11、s11和s21对应。

无论哪种情况下，在与脉冲宽度相关的电源装置侧的控制的影响下，都会有脉冲宽度不同的波形混杂，在此状态下直接抽取脉冲波形的紊乱有困难。因此，如图7a和图7b所示，进行使脉冲波形的宽度相符的处理。即，使脉冲波形的倾斜度陡峭的下降部和上升部一致，扩展倾斜度平缓的平坦部，使脉冲波形大体的形状一致。

具体来说，对脉冲波形在数点取得移动平均后，取前后的取样点的差而计算其倾斜度，对倾斜度的绝对值为指定以下的这部分的宽度进行扩展的处理。扩展时，取样点与取样点之间进行线性插补等的处理。其后，仅仅只扩展倾斜度平缓的平坦部时，如果包含倾斜度陡峭的下降部和上升部，也有横向宽度的取样点数不严密相符的情况，对于倾斜度陡峭的下降部、扩展了倾斜度平缓的平坦部(基部)的部分、和倾斜度陡峭的上升部合起来的整体的宽度，进行与100点左右相符的处理。

图7a是表示关于正常的脉冲波形，在上述插补处理之后，对整体再进行扩大到数千～数万点的插补后，使之稀疏成100点左右的计算结果。图7b是表示对于基部发生紊乱的异常的脉冲波形，实施同样的处理的计算结果的图。据此可知，正常的脉冲波形和异常的脉冲波形中差异被强调。以上的脉冲波形的整形，与上述预处理部13、s12和s22对应。

接着，对于只使用正常的脉冲波形或使用大半是正常的脉冲波形的多个的脉冲波形进行主成分分析，检测异常数据的例子进行说明。在通常的焊接中，认为多是大半为正常的脉冲波形，极少一部分为异常的脉冲波形的情况。以下的计算，只要大半是正常的脉冲波形便没有问题。

经整形的脉冲波形为n个(x1，x2，…，xn)时，1个脉冲x1＝[x11，x21，…，xp1]^t是p维向量，是100维左右的向量。即，若以矩阵形式表示x＝[x1，x2，…，xn]，则如下述数式1。

【数式1】

在此，计算各行的平均μ和标准偏差σ。其也是p维向量。接着，分别对于n个的脉冲波形x1，x2，…，xn，以平均0、标准偏差1的方式，进行减去平均μ，除以标准偏差σ的标准化。

其后，进行主成分分析，计算重建误差，由此得到异常度。具体来说，如下述数式2所示，设得到的主成分向量的贡献率的上位m个为u1，u2，…，um，设ip为p行p列的单位矩阵，对于想要计算出异常度的各整形后的脉冲波形x’，使用减去平均μ除以标准偏差σ得到的x～(x上加波浪线符号)，关于x’的异常度α1(x’)能够以下述数式3计算。

【数式2】

um＝[u1，u2…，um]

【数式3】

图8是表示计算使用了整形过的脉冲波形的主成分的贡献率，从上位起累计，m＝10时贡献率超过90％的状况的图。如此累计能够决定m。

展示计算异常度的结果。图9a是表示对于正常的脉冲波形计算异常度的结果的图。另一方面，图9b是表示对于基部发生紊乱的异常的脉冲波形计算异常度的结果的图。

基于主成分分析的主成分向量的计算，是正常模式作成的一例，与上述正常模式作成部17和s14对应。另外，重建误差的计算，即异常度的计算，是焊接状态判定的一例，与上述焊接状态判定部15和s24对应。

如以上计算异常度，抽取异常度高的，从而可以检测焊接的异常。还有，在上述的例子中进行标准化处理，但即使不进行标准化处理也可以计算。

即使脉冲波形正常，根据设定电流、设定电压和电源控制，脉冲的宽度和形状也会变化，但如本实施方式这样，通过对脉冲波形标准化整形，可以使异常检测的精度提高。即，即使在多样的焊接条件下，因为将脉冲波形标准化整形，所以能够进行异常检测。另外，在因焊接炬的高度和左右位置这样与工件的相对位置等而变化的平均电流和平均电压这样的有宏观变化的影响的状况下，因为对脉冲波形标准化整形，所以也可以进行异常检测。

还有，在上述的例子中，通过主成分分析检测焊接的异常，但为了能够通过脉冲波形的整形明确与正常模式的差异，认为不限于主成分分析，也能够利用各种手法检测异常。

例如，只整形正常的脉冲波形或整形大半为正常的脉冲波形的多个脉冲波形，取整形后的脉冲波形的平均，将此平均的脉冲波形作为正常模式，计算平均的脉冲波形与想要判定焊接状态的脉冲波形的距离，由此也可以计算异常度。通过取平均，即使包含少数的异常的脉冲波形，也能够抑制其影响。另外，还有通过计算整形后的多个脉冲波形，与想要判定焊接状态的脉冲波形的马哈朗诺比斯距离(マハラノビス距離)，也可以计算异常度。

接下来，对于脉冲波形整形之后，进行基于k-means的聚类，以检测异常的方法进行说明。图10是表示在正常的脉冲波形和异常的脉冲波形混杂，但正常的脉冲波形这一方多的状况下进行聚类，分成3个团簇时的重心向量的计算的结果的图。

图11a是表示关于正常的脉冲波形计算其与上述重心向量的距离，计算最近的团簇，其属于哪个团簇的图。另一方面，图11b是表示关于异常的脉冲波形计算其与上述重心向量的距离，计算最近的团簇，其属于哪个团簇的图。

即，分配给下位的团簇的视为异常，从而可以检测焊接的异常。此外，也可以利用一类支持向量机(1クラスサポートベクタマシン)，或在异常数据比较多时，当然也能够适用通常的支持向量机和决策树等的监督学习法。

还有，在以上说明的例子中，着眼于脉冲波形的下侧的基部，但并不限于此，例如也可以对于从脉冲波形的上升至下一个上升，即包含峰部和基部这两方的脉冲波形整体进行预处理。图12是对于正常的脉冲波形进行预处理的结果。除了对峰部与基部这两方实施使宽度一致的预处理之外，还分别取峰部和基部的平均，使峰部的高度为0.5，基部的高度为0.1而进行标准化。

在使高度相符的标准化中，设峰部的平均为μp，峰部的平均为μb，各时刻的电流值为a时，标准化后的值a^(对a附加小屋(hut)符号)以下述数式4求得。

【数式4】

另外，在上述的例子中，对于脉冲电流进行预处理，但也可以对于脉冲电流和脉冲电压双方进行预处理。图13是表示对于脉冲电流和脉冲电压双方进行预处理的结果的图。

左半边是进行预处理的电流值约100维左右的向量，右半边是进行预处理的电压值约100维左右的向量，使这两者成为仅左右排列的约200维左右的向量。电压值由于横摆运条等的影响而上下波动，但异常度计算之时，因为以平均0、标准偏差1的方式进行减去平均μ，除以标准偏差σ的标准化，所以认为这种程度的电压值的偏差不成为问题。

如此，不限于基部，对于峰部也可以适用预处理，不限于脉冲电流，对于脉冲电压也可以适用预处理。在此，也可以对于脉冲电压单纯进行与先前所述的脉冲电流同样的整形，但因为电压值上下波动大，所以使脉冲电压的平坦部的宽度相符的处理时所用的取样点，要预先掌握使脉冲电流的平坦部的宽度相符时所用的电流值的倾斜度的绝对值小的取样点，即整形脉冲电流时所用的取样点是从前面起第几点，用该取样点也可以进行使脉冲电压的平坦部的宽度相符的处理。

[概率密度推定]

接着，对于通过进行概率密度推定抽取电流值的输出模式，进行模式匹配，由此检测异常的方法进行说明。概率密度推定，例如以下述数式5表示。n是样本大小，k是核平滑化函数，h是带宽。

【数式5】

图14a是表示对于正常的脉冲电流，在每一次横摆运条(即，摆动的电极从一端移动到另一端的每个期间)中进行概率密度推定后，使多次横摆运条量重叠的计算结果的图。另一方面，图14b是表示对于发生紊乱的异常的脉冲电流，在每一次横摆运条中进行概率密度推定后，使多次横摆运条量重叠的计算结果的图。概率密度推定是由取得机构进行的处理的一例。

通过进行对每一次横摆运条进行概率密度推定的预处理，在使横摆运条的电流值的变化的影响平均化之后，可知在正常的脉冲电流与异常的脉冲电流中，其差异被强调。

接着，对于使用概率密度推定结果进行主成分分析，检测异常数据的例子进行说明。图15是表示计算使用了概率密度推定结果的主成分的贡献率，从上位起累计，在m＝2时贡献率超过90％的状况的图。如此通过累计，能够决定m。

展示异常度的计算结果。图16a是表示对于正常的脉冲电流计算异常度的结果的图。另一方面，图16b是表示对于发生紊乱的异常的脉冲电流计算异常度的结果的图。

如以上这样计算异常度，抽取异常度高的，由此可以检测焊接的异常。基于主成分分析的主成分向量的计算，是由作成机构进行的处理的一例，重建误差的计算，即异常度的计算，是由判定机构进行的处理的一例。

因为以包含一个横摆运条的周期计算概率密度，所以即使在由于横摆运条导致焊接炬与工件的相对位置发生变化的状况下，一个横摆运条中的电流和电压的变化也能够成组获得，由此认为能够稳定得到概率密度模式。即，即使由于横摆运条导致焊接炬与工件的相对位置发生变化的状况下，因为对波形标准化整形，所以仍可以检测焊接的异常。

[取样点抽取]

接下来，对于通过如下方式检测异常的方法进行说明，即，将在脉冲电流中重复的一组脉冲波形的、每个脉冲的基部的同一处的1点作为取样点，抽取电流值的输出模式，进行模式匹配，从而检测异常。

图17是表示在正常的脉冲波形中，截取例如从下降的400a左右至接下来的上升的400a左右的范围，使多个脉冲量重叠的结果的图。

在此，考虑对基部的中央附近的点进行取样。图18是并列显示每个脉冲抽出上述图17中的例如从前头起第15点左右，约10000脉冲量的取样点的图。取样点的抽取是由取得机构进行的处理的一例。

在此，设取样点为x1，x2，…，xn，设其平均为μ，设标准偏差为σ时，相对于重新取得的取样点x’的异常度由下述数式6表示。

【数式6】

展示异常度的计算结果。图19a是表示关于正常的脉冲波形的抽取点计算异常度的结果的图。另一方面，图19b是表示对于发生紊乱的异常的脉冲波形的抽取点计算异常度的结果的图。

如以上通过使用每个脉冲的1点，可以一边抑制处理时间，一边检测焊接的异常。取样点的抽取，是由作成机构进行的处理的一例，异常度的计算，是由判定机构进行的处理的一例。还有，也可以不只1点，而是抽取多个点，也可以不限于脉冲电流，而是使用脉冲电压。