一种基于多源传感器信息融合的焊缝质量实时预测方法及控制系统与流程

本发明涉及焊接，尤其涉及一种基于多源传感器信息融合的焊缝质量实时预测方法及控制系统。

背景技术：

1、随着现代制造业的不断升级，自动化焊接机器人在工业生产中得到了广泛应用；然而，焊接过程是一个高度非线性、多变量强耦合的复杂物理过程，如何实时、精确地预测并控制焊缝质量一直是行业痛点。

2、目前，现有的焊缝质量实时预测方法大多依赖单一的视觉传感，或仅对视觉特征与电信号特征进行简单的拼接与双路并行处理，这种浅层的数据融合方式无法有效挖掘声学、电学与熔池温度场演变之间的深层物理耦合规律。同时，现有的预测模型大多仅能输出熔宽、熔深等一维特征，或进行表面缺陷的离散分类分类，缺乏对焊缝三维空间形貌及内部残余应力的立体、前瞻性评估。

3、在焊接控制策略方面，传统系统多采用基于固定阈值的被动反馈控制或常规优化算法（如蚁群算法）进行参数调节，这类控制方式在应对复杂多变的焊接工况时具有明显的滞后性，难以实现对焊接参数的动态、主动补偿。此外，现有模型的迭代更新通常需要将大量的现场原始数据集中上传至服务器进行重新训练，这不仅对通信带宽要求高，而且面临极大的企业数据隐私泄露风险，导致跨工况的群智协同与模型泛化能力极差。

技术实现思路

1、本发明的目的在于克服上述技术不足，本发明的技术方案提供了一种基于多源传感器信息融合的焊缝质量实时预测方法，包括以下步骤：

2、步骤s1：通过多源感知子系统同步采集焊接过程中的短波红外图像、高频电压/电流时序信号以及高频声发射信号，并提取对应的视觉特征向量与时序特征向量。

3、步骤s2：通过特征融合子系统，以视觉特征向量为查询基准，利用交叉注意力机制计算所述特征向量之间的注意力权重，提取跨模态的高维融合特征。

4、步骤s3：将所述高维融合特征输入数字孪生子系统，通过三维反卷积网络构建预测下一时刻焊缝形貌的三维体素矩阵，并同步解析出内部缺陷的三维概率分布矩阵及残余应力梯度。

5、步骤s4：将当前时刻的三维孪生特征与上一周期的历史动作轨迹构建为环境状态向量，输入基于actor-critic架构构建的智能决策控制子系统；计算综合奖励值并输出连续的工艺参数微调动作，下发至物理机床执行动态补偿。

6、步骤s5：各边缘节点在本地基于实际成形质量更新策略梯度，并将不含原始底层数据的策略梯度上传；通过边云协同演化子系统执行联邦学习聚合算法，更新全局强化学习大模型并定期下发。

7、此外，本发明还提供了一种基于多源传感器信息融合的焊缝质量实时预测及控制系统，用于实现上述方法。该系统包括：

8、多源感知子系统：用于同步获取复杂焊接物理环境中的短波红外图像、高频电参信号及声发射信号。

9、特征融合子系统：用于对异构数据进行降维编码，并通过交叉注意力模块提取跨模态高维融合特征。

10、数字孪生子系统：用于基于所述高维融合特征输出三维体素矩阵，预测气孔、未熔合的概率分布及残余应力梯度。

11、智能决策控制子系统：用于基于当前数字孪生特征与历史动作轨迹构建环境状态，通过actor-critic网络结构输出连续的工艺参数微调指令。

12、边云协同演化子系统：用于在不上传原始底层数据的前提下，通过聚合各边缘节点的策略梯度更新并下发全局强化学习模型。

13、与现有技术相比，本发明的有益效果包括：

14、1、本发明通通过多模态交叉注意力机制（cross-attention）摒弃传统的特征级浅层拼接，实现了对声学、电学与温度场信号之间深层物理耦合规律的自主解析，大幅提升了复杂焊接工况下特征提取的鲁棒性。

15、2、本发明通过构建三维反卷积（3d-deconv）数字孪生模型并输出完整的三维体素矩阵，实现了将预测目标从一维表观参数拓展至三维空间形貌及内部气孔、残余应力的立体预测，完成了焊缝质量由表及里、前瞻性的立体评估。

16、3.本发明通过采用基于actor-critic架构的深度强化学习（drl）算法将高度非线性的焊接控制转化为马尔可夫决策过程，实现了针对飞溅、驼峰等不稳定工况的超前预判与连续工艺参数的主动补偿，彻底解决了传统被动反馈控制极易出现的超调与滞后性问题。

1.一种基于多源传感器信息融合的焊缝质量实时预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多源传感器信息融合的焊缝质量实时预测方法，其特征在于，所述步骤s1中多源异构信号及特征向量的提取过程包括：采集穿透弧光与飞溅的熔池表面短波红外图像，采用二维卷积分块切片将其转化为视觉特征向量；

3.根据权利要求2所述的一种基于多源传感器信息融合的焊缝质量实时预测方法，其特征在于，所述步骤s2中提取跨模态的高维融合特征的计算过程为：

4.根据权利要求3所述的一种基于多源传感器信息融合的焊缝质量实时预测方法，其特征在于，所述步骤s3的具体过程包括：

5.根据权利要求4所述的一种基于多源传感器信息融合的焊缝质量实时预测方法，其特征在于，所述步骤s4中智能决策控制子系统采用actor-critic架构，具体决策过程包括：

6.根据权利要求5所述的一种基于多源传感器信息融合的焊缝质量实时预测方法，其特征在于，所述步骤s5中联邦学习聚合更新的具体过程包括：

7.一种基于多源传感器信息融合的焊缝质量实时预测及控制系统，用于实现权利要求1-6任一项所述的方法，其特征在于，包括：

8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于多源传感器信息融合的焊缝质量实时预测方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于多源传感器信息融合的焊缝质量实时预测方法的步骤。