基于变点检测的超声金属焊接可解释焊接质量预测

摘要 超声金属焊接是一种广泛应用的金属连接工艺，利用高频机械振动创建电连接。尽管其在工业上的重要性，保持一致的接头质量仍然具有挑战性，并且需要深入了解工艺参数与接头质量之间的关系。此处的挑战在于识别与接头质量显著相关的工艺信号。由于工艺的特殊性，手动评估这些信号效果不佳，因此越来越多地关注实施基于统计或机器学习的模型来预测接头质量。本研究提出了一种提高使用机器学习模型预测接头质量的准确性和可解释性的方法。进行了涉及各种内部和外部传感器的焊接实验。传感器的测量数据以时间序列的形式同步记录。由于大多数机器学习模型需要标量输入，必须从时间序列数据中提取有意义的特征。可以从整个时间序列中提取多种统计和基于信号的特征。为了区分不同工艺阶段的影响及其总体行为，信号被划分为多个段。尽管等长分段方法简单，但忽略了信号特性，例如陡峭的过渡或持续的稳态。变点检测使得可以基于信号行为进行分段，从而允许更相关的特征提取。此外，检测到的段可以与已知的工艺阶段相关联，将数据驱动的见解与领域知识联系起来。因此，机器学习模型的预测性能和可解释性均得以提高，使得工艺阶段与质量结果之间的关系更加清晰。