基于SAX算法的CMT增材制造缺陷在線監(jiān)測

王宏民，葉浩槐，宋瑩瑩，王建生，鄧輔秦，潘增喜,2

(1. 五邑大學(xué)，廣東 江門 529020；2. 伍倫貢大學(xué)，伍倫貢2522，澳大利亞)

0 前言

CMT增材制造技術(shù)以電弧為熱源熔化金屬，利用逐層熔覆成形的原理制造工件，工件由焊縫堆疊而成[1-4]。使用CMT增材制造的金屬件具有密度高，化學(xué)成分均勻和力學(xué)性能強(qiáng)的優(yōu)點，同時有成品精度低和效率低的缺點[5-6]。由于工件的加工時間長和加工的環(huán)境復(fù)雜，因此缺陷監(jiān)測方法顯得尤為重要，可靠的缺陷監(jiān)測方法有利于增材制造過程節(jié)約時間和減少經(jīng)濟(jì)成本[7-8]。

增材制造的缺陷檢測方法主要分為無損檢測和破壞性檢測2種，破壞性檢測是金屬件成形后再進(jìn)行檢測，不適用于在線缺陷監(jiān)測，目前大部分無損檢測只適用于離線檢測，也有小部分適用于在線監(jiān)測，但存在的問題較多，例如監(jiān)測設(shè)備與制造系統(tǒng)集成難度大導(dǎo)致檢測精度低；對檢測的增材制造方式和檢測材料存在特殊要求；以及對一些復(fù)雜工件的特殊區(qū)域存在漏檢和對檢測工況要求過高等一系列問題[9]。目前，國內(nèi)華中科技大學(xué)的夏衛(wèi)生等學(xué)者[10-11]利用紅外視覺技術(shù)對電弧增材制造加工過程中的熱場進(jìn)行分析，從而實現(xiàn)故障診斷，另一種方法是使用多傳感器采集加工過程中的信號，分析信號特征，進(jìn)行缺陷檢測；哈爾濱工業(yè)大學(xué)的郭衛(wèi)軍[12]分析了焊道與溫度場之間的關(guān)系，國外主要使用如電流和電壓傳感器、電耦合器件攝像機(jī)、熱紅外攝像機(jī)和光譜儀等儀器，采用各種原位過程監(jiān)測方法來進(jìn)行缺陷監(jiān)測，集成各類傳感器的缺陷監(jiān)測系統(tǒng)并不是CMT增材制造缺陷監(jiān)測的最優(yōu)選擇，由于焊接環(huán)境惡劣，監(jiān)測過程會受到太多干擾，例如，不同的光照條件會對熱成像相機(jī)的成像造成影響，還有金屬表面的粗糙度、材料性質(zhì)等因素[13-14]。

基于焊接電流和焊接電壓信號能夠表征焊接過程的實際情況，文中尋找焊接電流和焊接電壓信號與焊接工況之間的關(guān)系，達(dá)到缺陷監(jiān)測的目的[15]。設(shè)計試驗方案，搭建試驗平臺，收集良好組和缺陷組的焊接電流和焊接電壓信號，采用SAX算法對時間序列信號離散化，根據(jù)劃分的標(biāo)準(zhǔn)轉(zhuǎn)換為字符串，使用公式計算字符串之間的歐氏距離，得到數(shù)據(jù)預(yù)處理結(jié)果。SAX算法具有降低原始序列的維度和保留局部特征信息的優(yōu)點[16-17]，同時設(shè)置試驗對比組，將原始信號直接使用隨機(jī)森林模型分類。SAX算法預(yù)處理的往往是小樣本數(shù)據(jù)，無法突出表達(dá)特征，而隨機(jī)森林算法不僅能夠處理大樣本數(shù)據(jù)，還具有防止過擬合、樣本數(shù)量與分類精度的關(guān)系具有強(qiáng)解釋性、省時高效和分類穩(wěn)定的優(yōu)點[18]。

1 CMT增材制造焊道試驗與數(shù)據(jù)收集

1.1 設(shè)計CMT增材制造焊道試驗方案

試驗的研究對象是焊接電流信號和焊接電壓信號，整個試驗過程包括信號的產(chǎn)生、采集、分析和整理。試驗平臺由ABB機(jī)器人（型號為IRB 2600ID-15/1.85）、ABB機(jī)器人控制器（IRC5）、Transpuls Synergic（逆變器型數(shù)字電源）協(xié)同CMT數(shù)字焊接裝置，信號收集器和PC電腦端組成。焊接機(jī)器人輸出焊道，信號收集器收集焊接時的電流和電壓信號并傳送到PC電腦端進(jìn)行信號處理；IRB 2600ID機(jī)器人適合弧焊應(yīng)用可以提供準(zhǔn)確的定位和縮短工作周期；Transpuls Synergic是一款24微處理器控制的逆變器型數(shù)字電源，提供了設(shè)備模塊化設(shè)計和提高了連接擴(kuò)展系統(tǒng)能力的靈活性。

在焊接過程中，通過焊接電流和焊接電壓信號直接表征焊接缺陷是困難的。例如裂縫和孔穴這2鐘缺陷產(chǎn)生的原因是冷卻后應(yīng)力分布不均，固體夾渣、未熔合和未焊透、形狀缺陷這3種缺陷產(chǎn)生的原因是電流不穩(wěn)定。以上部分的焊接缺陷的產(chǎn)生是無法準(zhǔn)確地人為控制的，因此無法收集到足夠多的電流和電壓數(shù)據(jù)相關(guān)的表征。在增材制造過程中，出現(xiàn)不良焊接工況會直接形成焊接缺陷[11]，以焊接工況為自變量，焊接缺陷為因變量，通過監(jiān)測焊接工況，達(dá)到監(jiān)測焊接缺陷的效果。試驗設(shè)置2個缺陷工況組：無保護(hù)氣體組與基材生銹組，無保護(hù)氣體會導(dǎo)致焊道表面生銹、粗糙和氣孔等缺陷；基材生銹會導(dǎo)致固體夾渣、皺褶等缺陷類型。除了2組缺陷組，還需設(shè)置1組良好組，通過對比試驗驗證缺陷監(jiān)測系統(tǒng)的可行性。

1.2 設(shè)計試驗參數(shù)

試驗為了還原CMT增材制造場景，選取3個重要焊接參數(shù)：送絲速度（Wire feed speed, WFS）、機(jī)械臂移動速度（Travel speed, TS）和焊槍距離。送絲速度是焊接時單位時間內(nèi)焊絲向焊接熔池送進(jìn)的長度，機(jī)械臂移動速度是焊接時單位時間內(nèi)機(jī)械臂移動的速度，焊槍距離是焊接時焊槍距離工件的位置，參數(shù)設(shè)置見表1。

表1 CMT增材制造設(shè)定參數(shù)

每種工況根據(jù)不同的送絲速度和機(jī)械臂移動速度組合成1組，焊槍距離不變，共有8組，3種工況共有24組數(shù)據(jù)樣本。試驗的焊絲型號為ER70-G，焊絲直徑為?0.9 mm，基材材料為低碳鋼，在良好、基材生銹和無保護(hù)氣體3種工況下制作焊道，并收集焊接電流信號和焊接電壓信號，設(shè)定焊接參數(shù)完成后，3種工況焊道如圖1所示，每條焊道長度為100 mm。

圖1 3種工況的焊道

1.3 采集信號

根據(jù)表1制定的參數(shù)組，每種工況根據(jù)不同的WFS和TS為1組，共有8組。3種工況共有24組樣本數(shù)據(jù)，每組樣本數(shù)據(jù)都需要收集焊接電流、焊接電壓和時間3種數(shù)據(jù)。IRBIRB 2600ID機(jī)器人完成試驗所需焊道后，讀取焊接電流和焊接電壓數(shù)據(jù)時，只讀取中間穩(wěn)定的焊接電流和焊接電壓數(shù)據(jù)。在收集數(shù)據(jù)過程中每0.1 ms讀取一次焊接電流值和焊接電壓值，保證了焊接電流值和焊接電壓值的連續(xù)性。

收集3種工況的焊接電流和焊接電壓數(shù)據(jù)，隨機(jī)選取部分焊接電流和焊接電壓數(shù)據(jù)如圖2所示。由于焊接電流信號數(shù)值相對焊接電壓信號數(shù)值過低，可視化效果較差，因此圖中焊接電流信號數(shù)值為原始值的5倍，更直觀地發(fā)現(xiàn)不同焊道之間信號的差異。

圖2 3種工況的原始焊接電流信號和焊接電壓信號

圖2可知，不同工況下焊接時的焊接電流信號和焊接電壓信號圖像沒有存在明顯差異。對于良好的焊縫，焊接電流曲線和焊接電壓曲線的峰值周期幾乎重合；對于無保護(hù)氣體的焊縫，圖像特征與良好組大致相同，但焊接電流數(shù)值略高于良好組，存在的差異不明顯；對于基材生銹的焊縫，圖像特征與良好組有細(xì)微差別：①焊接電流的峰值和平均值高于良好組；②焊接電流曲線和焊接電壓曲線周期比良好組長。3種工況的焊接電壓曲線大致相同，主要差異是焊接電流曲線的峰值和周期，WFS和TS是重要參數(shù)，參數(shù)的不同將導(dǎo)致后期數(shù)據(jù)預(yù)處理結(jié)果的不同，需要嚴(yán)格分類和排序。

2 基于SAX算法的數(shù)據(jù)預(yù)處理

2.1 SAX算法工作原理

SAX算法主要用于處理時間序列信號，即為符號近似聚合，將時間序列信號進(jìn)行符號化，再計算字符串之間的歐氏距離得到數(shù)值型數(shù)據(jù)的算法。將原始焊接電流和焊接電壓進(jìn)行序列標(biāo)準(zhǔn)化，轉(zhuǎn)換成均值為0，標(biāo)準(zhǔn)差為1的序列。

使用PPA降維法（Piecewise aggregate approximation）將原始焊接電流序列分成ω段，焊接電流時間序列信號的原始總長為C，分為n段，即C=c1,c2,c3,···,cn。將C轉(zhuǎn)換成ω的序列，即C=cˉ1,cˉ2,···,cˉω，PPA降維為式（1）取每段的平均值替代原始序列，根據(jù)焊接電流信號的復(fù)雜程度在表2的劃分標(biāo)準(zhǔn)中選取α，將焊接電流信號的分區(qū)均值轉(zhuǎn)換成符號，得出符號序列，同理焊接電壓信號也轉(zhuǎn)換成符號。

表2 符號化區(qū)域選取標(biāo)準(zhǔn)

時間序列數(shù)據(jù)經(jīng)過PPA降維后，連續(xù)的時序信號轉(zhuǎn)換成離散的符號表示，因此需要在標(biāo)準(zhǔn)化基礎(chǔ)上尋找一種離散化技術(shù)，能夠等概率地產(chǎn)生符號，且服從高斯分布。

根據(jù)標(biāo)準(zhǔn)化的時間序列，確定斷點，通過斷點可以劃分大小相等的區(qū)域，定義每個區(qū)域代表的符號，從而實現(xiàn)離散化，斷點標(biāo)準(zhǔn)具體參考見表2。根據(jù)焊接電流信號的復(fù)雜程度在表2的劃分標(biāo)準(zhǔn)中選取α，將焊接電流信號的分區(qū)均值轉(zhuǎn)換成符號，得出符號序列，同理焊接電壓信號也轉(zhuǎn)換成符號。

設(shè)焊接電壓信號的總長為Q，計算C和Q兩者之間的歐幾里得距離為

式中：C表示電流總長；Q表示電壓總長；c1,c2,c3, ···,ci和q1,q2,q3, ···,qi表示其中一個電流和電壓數(shù)值。

通過PPA方法降維，得出Cˉ和Qˉ序列，計算兩者的歐幾里得距離為

式中：，表示降維后的電流和電壓總長；，表示其中一個數(shù)值；DR(,)表示降維后的計算符號。

整段序列符號化為C′和Q′，計算整段序列的最小歐幾里得距離為

式中：Q′和C′表示符號化后的電流和電壓；和表示其中一個。

2.2 SAX算法預(yù)處理結(jié)果

以500 ms的焊接電流和焊接電壓信號轉(zhuǎn)換成SAX結(jié)果樣本。由于焊接電流和焊接電壓數(shù)據(jù)體量大，多次調(diào)節(jié)參數(shù)后，從模型運算速度和穩(wěn)定性的角度考慮，最終確定參數(shù)斷點值α= 10、確定的最小值ω= 2 000，當(dāng)v2= 5 mm/min和v2= 10 mm/min時3種工況下SAX模型處理結(jié)果如圖3和圖4所示。根據(jù)TS值的不同，預(yù)處理的結(jié)果在v2= 5 mm/min上整體結(jié)果比v2= 10 mm/min大，還有分析每個小組的結(jié)果發(fā)現(xiàn)大部分組無法簡易區(qū)分轉(zhuǎn)化結(jié)果，說明各工況的轉(zhuǎn)化后數(shù)據(jù)之間未存在明顯分界線，不存在線性可分，因此無法直接使用線性分類器進(jìn)行分類，同時轉(zhuǎn)化后的樣本數(shù)量和特征數(shù)量都屬于小樣本分類，后續(xù)需要使用傳統(tǒng)機(jī)器學(xué)習(xí)中的隨機(jī)森林模型對預(yù)處理結(jié)果再處理，最終得出簡易區(qū)分的結(jié)果。

圖3 v2 = 5 mm/min時3種工況轉(zhuǎn)化后數(shù)據(jù)對比

圖4 v2 = 10 mm/min時3種工況轉(zhuǎn)化后數(shù)據(jù)對比

3 基于隨機(jī)森林模型的分類結(jié)果

3.1 預(yù)處理后數(shù)據(jù)的分類結(jié)果

隨機(jī)森林分類的結(jié)果用混淆矩陣（Confusion matrix）表示，其常用于表示和總結(jié)分類模型預(yù)測結(jié)果。

在完成數(shù)據(jù)預(yù)處理后，SAX算法預(yù)處理的數(shù)據(jù)為線性不可分，需使用非線性分類器進(jìn)行結(jié)果分類，并對結(jié)果進(jìn)行分析和對比，最后證明SAX模式是否適用于CMT增材制造的缺陷在線監(jiān)測。試驗分類采用隨機(jī)森林模型分類，為突出SAX算法預(yù)處理的優(yōu)勢，降低隨機(jī)森林模型對結(jié)果分類的過擬合影響，將采用原始的隨機(jī)森林算法模型，不進(jìn)行調(diào)節(jié)參數(shù)。SAX模型預(yù)處理的結(jié)果為數(shù)值型數(shù)據(jù)，進(jìn)行分類的樣本需要增加特征，轉(zhuǎn)化后的TS值和WFS值分別作為特征，組成一個3特征的樣本，每次隨機(jī)抽取一個樣本輸入模型進(jìn)行分類，隨機(jī)森林模型中訓(xùn)練集與驗證集兩者比測試集為9∶1，訓(xùn)練集比驗證集為4∶1，訓(xùn)練集有172個樣本，驗證集有44個樣本，測試集有24個樣本。轉(zhuǎn)化后數(shù)據(jù)的混淆矩陣如圖5所示，測試集的準(zhǔn)確率為0.96，十分優(yōu)秀，測試集的評估指標(biāo)表見表3。

圖5 測試集的混淆矩陣

表3 測試集的評估指標(biāo)表

基于SAX算法的預(yù)處理分類樣本有240個，訓(xùn)練集訓(xùn)練樣本有177個，訓(xùn)練樣本數(shù)量屬于小樣本，存在因訓(xùn)練樣本數(shù)量不足導(dǎo)致分類精度較差，還需評估訓(xùn)練樣本數(shù)量和分類精度之間的關(guān)系，SAX算法預(yù)處理結(jié)果的訓(xùn)練集樣本數(shù)量與分類精度之間的關(guān)系如圖6所示，SAX模式表示的訓(xùn)練樣本數(shù)量大于130個時，分類精度則有良好的表現(xiàn)，說明訓(xùn)練樣本數(shù)量滿足分類精度需求。

圖6 樣本精度與樣本數(shù)量關(guān)系

3.2 對比試驗

為了突出SAX算法在CMT增材制造缺陷監(jiān)測的重要性，需要設(shè)置對比試驗，在進(jìn)行多次對比后，確定對比3種工況的焊接電流信號，3種工況的原始焊接電壓信號無明顯差異，焊接電流信號在最大值、最小值、平均值和方差等方面存在差異，焊接電流的強(qiáng)弱和穩(wěn)定性是影響缺陷形成的重要因素，焊接電壓對缺陷形成的影響相對較小。設(shè)置分類對照組時僅考慮焊接電流信號即可，僅對焊接電流信號處理有2個優(yōu)勢：①能夠更直接從焊接電流信號中得出焊接電流與缺陷形成之間的關(guān)系，降低焊接電壓信號帶來的干擾；②能夠降低數(shù)據(jù)的運算規(guī)模，提高計算精度。若SAX算法的預(yù)處理組比原始焊接電流組分類準(zhǔn)確率高，說明SAX算法預(yù)處理在CMT增材制造缺陷監(jiān)測更有優(yōu)越性。

隨機(jī)抽取一組原始的焊接電流信號，參數(shù)為v1=4 mm/min，v2= 5 mm/min，以2 000個連續(xù)焊接電流數(shù)據(jù)作為一個樣本，直接放入隨機(jī)森林模型進(jìn)行分類，設(shè)置每種工況共有50個焊接電流樣本，3種工況則有150個樣本，隨機(jī)森林模型中訓(xùn)練集與驗證集兩者比測試集為9∶1，訓(xùn)練集比驗證集為4∶1，訓(xùn)練集有108個樣本，驗證集有27個樣本，測試集有15個樣本，分類后原始焊接電流數(shù)據(jù)測試集的混淆矩陣如圖7所示，測試集分類準(zhǔn)確率為0.80不理想，測試集的評估指標(biāo)見表4。

圖7 測試集的混淆矩陣

表4 測試集的評估指標(biāo)表

SAX模型預(yù)處理數(shù)據(jù)和原始焊接電流數(shù)據(jù)的訓(xùn)練集、驗證集和測試集分類準(zhǔn)確率見表5，SAX模型預(yù)處理的樣本經(jīng)隨機(jī)森林模型分類后準(zhǔn)確率較好，訓(xùn)練集、驗證集到測試集準(zhǔn)確率呈上升趨勢，SAX模型預(yù)處理的樣本特征數(shù)量較少，分類速度快，能夠達(dá)到實時監(jiān)測的要求，原始焊接電流信號直接放入隨機(jī)森林分類，分類結(jié)果差，由于數(shù)據(jù)沒有經(jīng)過任何處理，特征太多，分類器無法提取有效的數(shù)據(jù)，導(dǎo)致分類時間長和準(zhǔn)確率低。

表5 隨機(jī)森林分類準(zhǔn)確率

4 結(jié)論

（1）證明不良工況導(dǎo)致焊接缺陷的形成，可通過焊接電流信號和焊接電壓信號表征，試驗設(shè)置了良好組，基材生銹組和無保護(hù)氣體組收集3者焊接時的焊接電流和焊接電壓，通過分析焊接電流和焊接電壓，識別增材過程的實際工況，從而達(dá)到實時監(jiān)測缺陷的效果。

（2）證明了SAX算法適用于CMT增材制造的缺陷在線監(jiān)測，設(shè)置SAX算法數(shù)據(jù)預(yù)處理組和原始焊接電流數(shù)據(jù)組，使用隨機(jī)森林模型分類，結(jié)果表示SAX算法預(yù)處理的數(shù)據(jù)分類準(zhǔn)確率達(dá)到96%，分類效果優(yōu)秀，程序運作過程穩(wěn)定迅速，為CMT增材制造的缺陷在線監(jiān)測提供了一個新的可行性理論支持。