回流焊温度曲线异常检测方法与流程

1.本发明涉及回流焊炉检测技术，具体是一种基于加权豪斯多夫距离的回流焊温度曲线异常检测方法。


背景技术：

2.多温区回流焊炉分为预热区、活性区、回流区和冷却区，且对各温区采用回路独立控制与强制对流循环的技术，使炉温均匀、准确。但当某一温区出现异常时，回流焊温度曲线也会出现异常，从而导致产品质量不合格。而传统的阈值方法不一定能发现该问题。


技术实现要素：

3.本发明的目的是针对现有技术中存在的不足，提供一种基于加权豪斯多夫距离的回流焊温度曲线异常检测方法；该方法不需要建立复杂的模型，能快速检测出回流焊炉中有异常的温区。
4.具体的，回流焊温度曲线异常检测方法包括如下步骤：
5.步骤一：获取检测指标：
6.多温区回流焊炉分为预热区、活性区、回流区和冷却区4个分区，令第i个分区的理想温度曲线和正常温度曲线分别为li和ki，则li和ki的豪斯多夫距离di为：
7.di＝max{h(li,ki),h(ki,li)}
8.其中，h(li,ki)为li到ki的单向豪斯多夫距离，其定义如下：
[0009][0010][0011]
其中，p是曲线li上的一个值，q是曲线ki上的一个值，d(p,q)为p和q的欧式距离；
[0012]
令li和ki的平均值分别为μ
i,0
和μ
i,1
，则其平均值的误差百分比wi为：
[0013][0014]
因此，检测指标hi为：
[0015][0016]
步骤二：设置阈值：
[0017]
由于异常温度曲线的检测指标较难获得，本发明从历史数据中选择一些正常的温度曲线，并获得相应的检测指标hh，然后根据这些检测指标，本发明采用统计学中置信区间的思想来设计阈值，获得hh的均值μz和方差的公式为：
[0018]
[0019][0020]
其中，m1是hh的数量。
[0021]
从而，阈值j
th
为：
[0022]jth
＝μz β
×
σz λ，
[0023]
其中，β和λ为可根据工程实际数据确定的常数。
[0024]
步骤三：异常检测：
[0025]
每当获得当前温度曲线的检测指标h
new
时，根据如下决策逻辑判断当前温度曲线是否为异常。
[0026]
决策逻辑为：
[0027][0028]
本发明根据当前温度曲线与理想温度曲线的豪斯多夫距离和平均距离的误差百分比，获得各温区的加权豪斯多夫距离的和，并作为检测指标，再建立决策逻辑，能快速检测出回流焊温度曲线的异常；不需要建立复杂的模型，能快速检测出回流焊温度曲线的异常
[0029]
同时本发明所述的步骤一检测4个温区的曲线是否有异常，能利用4个温区的曲线建立检测指标，具有计算量小，不需要建立复杂的模型的特点；
[0030]
而步骤二相较于与传统的方法，可以提高检测率和降低误报率；因为传统的方法是基于经验和基于置信区间等方法，但在实际工程中，基于经验和基于置信区间两种方法给出的阈值准确度不高；本发明的第二步利用置信区间和经验建立阈值，可以提高检测率和降低误报率。
附图说明
[0031]
图1为实施例的流程示意图；
[0032]
图2为各温区中异常温度曲线的示意图。
具体实施方式
[0033]
下面将结合附图1-图2对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0034]
如图1所示，一种基于加权豪斯多夫距离的回流焊温度曲线异常检测方法，包括如下步骤：
[0035]
步骤一、获取检测指标：
[0036]
多温区回流焊炉分为预热区、活性区、回流区和冷却区4个分区，各个分区存在的异常如图2所示，令第i个分区的理想温度曲线和正常温度曲线分别为li和ki，则li和ki的豪斯多夫距离di为：
[0037]di
＝max{h(li,ki),h(ki,li)}，
[0038]
其中，h(li,ki)为li到ki的单向豪斯多夫距离，其定义如下：
[0039][0040][0041]
其中，p是曲线li上的一个值，q是曲线ki上的一个值，d(p,q)为p和q的欧式距离；
[0042]
令li和ki的平均值分别为μ
i,0
和μ
i,1
，则其平均值的误差百分比wi为：
[0043][0044]
因此，检测指标hi为：
[0045][0046]
步骤二、设置阈值：
[0047]
由于异常温度曲线的检测指标较难获得，本发明从历史数据中选择一些正常的温度曲线，并获得相应的检测指标hh，然后根据这些检测指标，本发明采用统计学中置信区间的思想来设计阈值，获得hh的均值μz和方差的公式为：
[0048][0049][0050]
其中，m1是hh的数量。
[0051]
从而，阈值j
th
为：
[0052]jth
＝μz β
×
σz λ，
[0053]
其中，β和λ为可根据工程实际数据确定的常数。
[0054]
步骤三、异常检测：
[0055]
每当获得当前温度曲线的检测指标h
new
时，根据如下判断当前温度曲线是否为异常。
[0056]
决策逻辑为：
[0057][0058]
该实施例提供的基于加权豪斯多夫距离的回流焊温度曲线异常检测方法不需要建立复杂的模型，能快速检测出回流焊炉中有异常的温区
[0059]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。


技术特征：
1.一种回流焊温度曲线异常检测方法，其特征在于，包括如下步骤：s1、获取检测指标，基于回流焊炉的预热区、活性区、回流区和冷却区，获取第i个区的理想温度曲线和正常温度曲线，并计算理想温度曲线和正常温度曲线的豪斯多夫距离；根据理想温度曲线豪斯多夫距离平均值与正常温度曲线豪斯多夫距离平均值的误差百分比，得出检测指标。s2、设置阈值从历史数据中选择正常的温度曲线，并获得相应的检测指标h
h
，然后根据检测指标，采用统计学中置信区间的思想来设计阈值；s3、异常检测当获得的当前温度曲线的检测指标大于阈值时为异常，当获得的当前温度曲线的检测指标小于等于阈值时为正常。2.根据权利要求1所述回流焊温度曲线异常检测方法，其特征在于，所述步骤s1获取检测指标的具体方法如下：基于多温区回流焊炉分为预热区、活性区、回流区和冷却区，令第i个区的理想温度曲线和正常温度曲线分别为l
i
和k
i
，则l
i
和k
i
的豪斯多夫距离d
i
为：d
i
＝max{h(l
i
,k
i
),h(k
i
,l
i
)}其中，h(l
i
,k
i
)为l
i
到k
i
的单向豪斯多夫距离，其定义如下：的单向豪斯多夫距离，其定义如下：其中，p是曲线l
i
上的一个值，q是曲线k
i
上的一个值，d(p,q)为p和q的欧式距离；令l
i
和k
i
的平均值分别为μ
i,0
和μ
i,1
，则其平均值的误差百分比w
i
为：因此，检测指标h
i
为：3.根据权利要求2所述回流焊温度曲线异常检测方法，其特征在于，所述步骤s2设置阈值的具体方法如下：从历史数据中选择正常的温度曲线，并获得相应的检测指标h
h
，然后根据这些检测指标，采用统计学中置信区间的思想来设计阈值，获得h
h
的均值μ
z
和方差的公式为：的公式为：其中，m1是h
h
的数量。从而，阈值j
th
为：
j
th
＝μ
z
β
×
σ
z
λ，其中，β和λ为根据工程实际数据确定的常数。4.根据权利要求3所述回流焊温度曲线异常检测方法，其特征在于，所述步骤s3异常检测的具体方法如下：当获得当前温度曲线的检测指标h
new
时，根据如下决策逻辑判断当前温度曲线是否为异常；决策逻辑为：

技术总结
本发明涉及回流焊炉检测技术，公开了一种回流焊温度曲线异常检测方法，包括获取检测指标、设置阈值和异常检测三个步骤。本发明方法获取检测指标是基于豪斯多夫距离，并且根据豪斯多夫距离平均值的误差百分比，得出检测指标，根据检查指标进行设置阈值，再通过该阈值进行异常判断；本发明不需要建立复杂的模型，能快速检测出回流焊炉中有异常的温区。能快速检测出回流焊炉中有异常的温区。


技术研发人员：伍艳琼 周国琼 陈昱均
受保护的技术使用者：桂林师范高等专科学校
技术研发日：2022.08.15
技术公布日：2022/11/18