基于One-ClassSVM的钢筋焊接质量异常无监督鉴别方法及系统

本发明涉及钢筋焊接检测，更确切地说，它涉及基于one-class svm的钢筋焊接质量异常无监督鉴别方法及系统。

背景技术：

1、钢筋焊接是土木工程（建筑、桥梁、轨道交通等）施工中的核心工序，焊接质量直接决定结构承载力和安全性，焊接缺陷（如夹渣、未焊透、裂纹、气孔）会导致钢筋连接强度不足，易引发结构坍塌、断裂等安全事故，严重威胁施工安全和工程使用寿命。

2、目前，钢筋焊接质量检测主要依赖两种方式：一是人工目视检测，该方式完全依赖检测人员的经验，漏检率、误检率高，且无法识别钢筋焊接内部的隐蔽缺陷，检测可靠性差；二是超声检测、射线检测等无损检测方法，该类方法属于事后检测，需在焊接完成后进行，检测效率低、成本高，且需要专业人员操作，无法适配施工现场实时检测需求，难以实现焊接质量的全程管控。

3、随着人工智能技术的发展，部分研究尝试采用ai模型进行钢筋焊接质量检测，但现有ai检测技术多采用有监督学习模式，需要大量标注好的“焊接缺陷样本”进行模型训练。然而，在实际施工过程中，合格焊接样本易获取，而焊接缺陷样本（夹渣、未焊透等）极为稀缺——一方面，焊接缺陷的发生率较低，难以采集到足够数量的缺陷样本；另一方面，缺陷样本的标注需要专业人员结合无损检测结果完成，耗时耗力，进一步限制了有监督ai模型的应用。

4、此外，现有技术仅能实现“是否存在缺陷”的判断，无法精准定位缺陷类型及异常原因（如电流异常导致未焊透、温度过高导致裂纹），难以指导现场操作人员即时整改，无法形成“检测-预警-整改”的闭环管控，导致焊接质量隐患无法及时消除。

5、针对上述现有技术的不足，亟需一种无需缺陷样本、能够实时鉴别焊接质量异常、且可实现缺陷溯源与整改指导的钢筋焊接质量检测方法及系统，以解决现有技术的核心痛点。

技术实现思路

1、本发明的目的是克服现有技术中的不足，提供了基于one-class svm的钢筋焊接质量异常无监督鉴别方法及系统。

2、第一方面，提供了基于one-class svm的钢筋焊接质量异常无监督鉴别方法，包括：

3、s1、通过部署于钢筋焊接设备上的多源传感采集单元，采集经无损检测确认为合格的标准焊接过程的多源时序数据，构建合格样本库；多源时序数据至少包括焊接电流、焊接电压及焊接区域温度；

4、s2、对多源时序数据进行预处理及归一化，并分别针对电流、电压及温度时序数据提取多维度的时域特征与频域特征；基于预设的特征重要性权重，将提取的时域特征与频域特征进行融合，形成表征焊接过程状态的高维特征向量；

5、s3、将所述高维特征向量作为唯一的训练集输入ocsvm模型，通过优化ocsvm模型的参数，训练ocsvm模型以构建对应于合格焊接工艺的参数特征域；

6、s4、实时采集待测焊接过程的多源时序数据，并重复步骤s2以获取实时高维特征向量；将实时高维特征向量输入训练好的ocsvm模型，基于决策函数判断待测焊接过程是否偏离参数特征域，若偏离则判定为焊接质量异常；

7、s5、当判定为焊接质量异常时，调用基于统计阈值的缺陷识别规则库，将实时高维特征向量与缺陷识别规则库中的多级量化判据进行匹配，输出唯一对应的缺陷类型及参数偏离值，并生成对应的整改指导方案。

8、作为优选，s2包括：

9、s201、采用基于所述合格样本库中同类参数的全局最小值与全局最大值，将所述合格样本及实时样本的时序数据映射至[0,1]区间；

10、s202、针对归一化后的电流、电压及温度时序数据，分别提取包含均值、方差、峰值、谷值、波动系数和趋势斜率的时域特征，并基于小波变换提取包含特征频率、频率峰值和频域能量占比的频域特征；

11、s203、采用特征串联与权重分配相结合的方式，将电流特征向量、电压特征向量及温度特征向量融合为所述高维特征向量，其中电流特征权重占比最大。

12、作为优选，s3中，所述ocsvm模型的待优化参数包括核函数、松弛变量与核宽度参数。

13、作为优选，s4中，所述决策函数基于支持向量系数和核函数计算实时特征向量相对于所述参数特征域的位置关系；当所述决策函数输出为正时判定为合格，输出为负时判定为异常，触发声光预警信号并输出暂停指令至焊接执行机构；

14、同时，计算所述实时高维特征向量相对于所述参数特征域的偏离度，并根据所述偏离度的数值区间划分预警等级，所述预警等级至少包括轻微异常预警和严重异常预警。

15、作为优选，s5中，所述缺陷识别规则库中包含未焊透、夹渣、裂纹、气孔及未熔合五种缺陷类型的量化判据，每种所述量化判据基于所述合格样本库中对应特征的均值与标准差计算得到；所述匹配过程按照预设的优先级顺序进行，当所述实时高维特征向量满足当前缺陷类型的全部量化判据时，即输出该缺陷类型及导致该判定结果的主导参数偏离值。

16、第二方面，提供了基于one-class svm的钢筋焊接质量异常无监督鉴别系统，用于执行如第一方面任一所述的方法，包括：

17、第一采集模块，用于通过部署于钢筋焊接设备上的多源传感采集单元，采集经无损检测确认为合格的标准焊接过程的多源时序数据，构建合格样本库；多源时序数据至少包括焊接电流、焊接电压及焊接区域温度；

18、预处理模块，用于对多源时序数据进行预处理及归一化，并分别针对电流、电压及温度时序数据提取多维度的时域特征与频域特征；基于预设的特征重要性权重，将提取的时域特征与频域特征进行融合，形成表征焊接过程状态的高维特征向量；

19、输入模块，用于将所述高维特征向量作为唯一的训练集输入ocsvm模型，通过优化ocsvm模型的参数，训练ocsvm模型以构建对应于合格焊接工艺的参数特征域；

20、第二采集模块，用于实时采集待测焊接过程的多源时序数据，并重复执行预处理模块以获取实时高维特征向量；将实时高维特征向量输入训练好的ocsvm模型，基于决策函数判断待测焊接过程是否偏离参数特征域，若偏离则判定为焊接质量异常；

21、调用模块，用于当判定为焊接质量异常时，调用基于统计阈值的缺陷识别规则库，将实时高维特征向量与缺陷识别规则库中的多级量化判据进行匹配，输出唯一对应的缺陷类型及参数偏离值，并生成对应的整改指导方案。

22、第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的方法。

23、第四方面，提供了电子设备，包括：

24、存储器，用于保存计算机程序；

25、处理器，用于执行所述计算机程序以实现如第一方面任一所述的方法。

26、本发明的有益效果是：

27、1、本发明独创“焊接时序参数+ocsvm”无监督鉴别模式，无需焊接缺陷样本，仅通过合格焊接数据构建正常特征域，解决现有技术“依赖缺陷样本、无法实时检测”的痛点，适配实际施工中缺陷样本稀缺的场景，显著提升检测的实用性。

28、2、本发明采用多维度时序特征融合优化，融合焊接电流、电压、温度三类核心参数的时域、频域特征，引入权重分配机制，提升关键参数的特征占比，避免单一参数导致的误判、漏判，鉴别精度较传统方法提升30%以上。

29、3、本发明在ocsvm异常判别之后，独立设置基于统计阈值与专家规则的缺陷识别模块（无需缺陷样本训练），通过参数偏离模式匹配，可精准区分未焊透、夹渣、裂纹、气孔、未熔合五种常见缺陷类型，避免传统ocsvm方法仅能输出“异常”而无法溯源具体类型的局限，同步输出异常参数偏离值及整改指导方案，指导操作人员即时调整焊接参数，解决现有技术“仅能识别缺陷、无法溯源整改”的局限。

30、4、本发明适配多类型钢筋焊接场景，通过模型参数自适应优化，可适配不同规格钢筋（hrb400、hrb500等）、不同焊接方式（电弧焊、闪光对焊、电渣压力焊），无需针对不同场景重新训练模型，部署成本低、操作简单，适配施工现场复杂环境。

31、5、本发明实时性强、效率高，可实现焊接过程的实时监测与异常预警，无需事后检测，大幅提升钢筋焊接质量管控效率，降低施工安全隐患，具有极高的工程应用价值。