预测模型的训练方法、电子装置、激光器诊断装置及方法与流程

技术特征：
1.一种预测模型的训练方法，包括：获取激光器焊接的历史运行数据，其中所述历史运行数据包括特征数据以及与所述特征数据对应的温度，所述特征数据包括电压、电流及功率中的至少一者，所述电压和所述电流为加载在所述激光器上的电压和电流，所述功率包括所述激光器发出激光的功率密度，所述温度包括所述激光器上激光束出射位置的温度和反光镜位置的温度的至少一者；拆分所述历史运行数据，形成训练集及验证集，其中所述训练集为第一部分所述特征数据及对应的所述温度的集合，所述验证集为第二部分所述特征数据及对应的所述温度的集合；根据所述训练集训练预设模型，得到第一模型；输入所述验证集至所述第一模型，确定评价参数；确定所述评价参数符合预设要求；基于所述评价参数符合预设要求，确定预测模型。2.如权利要求1所述的训练方法，进一步包括：基于所述历史运行数据，形成所述电压、所述电流、所述功率及所述温度任一的四分位数；根据所述四分位数及预设比例，确定所述历史运行数据中的异常值；剔除所述历史运行数据中的所述异常值。3.如权利要求1所述的训练方法，进一步包括：确定所述特征数据的均值及标准差；根据所述均值及所述标准差，标准化所述特征数据。4.如权利要求1所述的训练方法，其中所述拆分所述历史运行数据，形成训练集及验证集的步骤，包括：随机拆分所述历史运行数据为n份样本，n为整数且大于1；随机选择n-1份所述样本，形成所述训练集，将剩余的1份所述样本形成所述验证集。5.如权利要求1所述的训练方法，进一步包括：基于所述第一模型符合预设要求，设定所述第一模型的随机参数；根据所述随机参数，搜索所述第一模型，以形成搜索结果；确定所述搜索结果符合要求；基于所述搜索结果符合要求，确定所述第一模型的最优参数；根据所述第一模型和所述最优参数，确定所述预测模型。6.如权利要求1所述的训练方法，其中所述根据所述训练集训练预设模型，得到第一模型的步骤，包括：输入所述特征数据及对应的所述温度至所述预设模型，形成判断参数；确定所述判断参数等于预设值；基于所述判断参数等于预设值，形成调整集；根据所述调整集和所述预设模型，得到所述第一模型。7.一种电子装置，包括处理器和存储介质，所述存储介质包括可读指令，所述可读指令用于被所述处理器执行如权利要求1-6任一所述的训练方法。8.一种激光器诊断装置，用于确定激光器的健康状态，包括：
通信器，用于接收所述激光器的运行数据，其中所述运行数据包括特征数据以及与所述特征数据对应的温度，所述特征数据包括电压、电流及功率的至少一者，所述电压和所述电流为加载在所述激光器上的电压和电流，所述功率包括所述激光器发出激光的功率密度，所述温度包括所述激光器上激光束出射位置的温度和反光镜位置的温度的至少一者；处理器，耦接所述通信器，用于：输入所述特征数据至预测模型得到预测温度，所述预测模型为基于对所述激光器的历史运行数据训练得到；根据所述预测温度及所述温度，确定所述激光器的健康状态。9.如权利要求8所述的激光器诊断装置，其中所述处理器进一步用于：确定所述特征数据的均值及标准差；根据所述均值及所述标准差，标准化所述特征数据。10.如权利要求8所述的激光器诊断装置，其中所述处理器进一步用于：输入所述预测温度至第二模型，以建立所述预测温度的标准正态分布；根据所述预测温度的标准正态分布，确定所述预测参数的第一标准偏差；基于所述第一标准偏差，形成第一预警区间；基于所述温度及所述第一预警区间，确定所述激光器的健康状态。11.如权利要求10所述的激光器诊断装置，其中所述处理器进一步用于：基于所述温度超过所述第一预警区间，确定所述激光器的健康状态为第一状态。12.如权利要求10所述的激光器诊断装置，其中所述处理器进一步用于：根据所述预测参数的标准正态分布，确定所述预测参数的第二标准偏差；基于所述第二标准偏差，形成第二预警区间，所述第二预警区间在所述第一预警区间内；基于所述温度超过所述第二预警区间，且在所述第一预警区间内，确定所述激光器的健康状态为第二状态。13.一种激光器诊断方法，用于确定激光器的健康状态，包括：接收所述激光器的运行数据，其中所述运行数据包括特征数据以及与所述特征数据对应的温度，所述特征数据包括电压、电流及功率的至少一者，所述电压和所述电流为加载在所述激光器上的电压和电流，所述功率包括所述激光器发出激光的功率密度，所述温度包括所述激光器上激光束出射位置的温度和反光镜位置的温度的至少一者；输入所述特征数据至预测模型得到预测温度，所述预测模型为基于对所述激光器的历史运行数据训练得到；根据所述预测温度及所述温度，确定所述激光器的健康状态。14.如权利要求13所述的激光器诊断方法，进一步包括：确定所述特征数据的均值及标准差；根据所述均值及所述标准差，标准化所述特征数据。15.如权利要求13所述的激光器诊断方法，其中所述确定所述激光器的健康状态的步骤，包括：输入所述预测温度至第二模型，以建立所述预测温度的标准正态分布；根据所述预测温度的标准正态分布，确定所述预测温度的第一标准偏差；
基于所述第一标准偏差，形成第一预警区间；基于所述温度及所述第一预警区间，确定所述激光器的健康状态。16.如权利要求15所述的激光器诊断方法，其中所述确定所述激光器的健康状态的步骤，包括：基于所述温度超过所述第一预警区间，确定所述激光器的健康状态为第一状态。17.如权利要求15所述的激光器诊断方法，其中所述确定所述激光器的健康状态的步骤，还包括：根据所述预测温度的标准正态分布，确定所述预测温度的第二标准偏差；基于所述第二标准偏差，形成第二预警区间，所述第二预警区间在所述第一预警区间内；确定所述温度超过所述第二预警区间，且在所述第一预警区间之内，确定所述激光器的健康状态为第二状态。

技术总结
本申请提出了一种预测模型的训练方法，包括：获取激光器焊接的历史运行数据；拆分历史运行数据，形成训练集及验证集；根据训练集训练预设模型，得到第一模型；输入验证集至第一模型，确定评价参数；确定评价参数符合预设要求；基于评价参数符合预设要求，确定预测模型。本申请还提供了一种电子装置，用于执行上述的训练方法。本申请还提供了一种激光器诊断装置及方法，包括：输入特征数据至预测模型得到预测温度；输入预测温度至第二模型，形成预警区间；基于温度及预警区间，确定激光器的健康状态。本申请在输入激光器的温度时根据预警区间可确定激光器的健康状态及是否预警，避免不能提前预警导致不良品的产生。提前预警导致不良品的产生。提前预警导致不良品的产生。


技术研发人员：韩庆 吕亦宸 罗名涛 李丞伦 吴振廷
受保护的技术使用者：深圳市裕展精密科技有限公司
技术研发日：2021.09.18
技术公布日：2022/1/6