一种激光加工工艺参数迁移方法与流程

1.本发明涉及激光加工领域，尤其涉及一种激光加工工艺参数迁移方法。


背景技术：

2.在激光加工生产过程中，激光出光的控制参数，光学相关设备的参数、加工件的材质、形状等工艺参数，都会影响激光加工件的生产效率以及最终产品的质量。为了能够提高激光加工检测的精度，提高产品生产质量，工艺人员需要根据不同的生产目标，不断调整相关参数，使得能够达到生产目标的最优工艺参数。
3.在两条或多条差异性较小的产线进行工艺参数调整时，每条产线都要进行工艺参数调整，而且调整需要耗费较多人力物力和时间成本。如何将一条已经调好的工艺参数快速适应到其他产线上进而进行快速产线工艺参数迁移，是一个亟待解决的问题。因为激光加工工艺参数调整涉及加工激光光源、出光功率、激光加工速度、加工激光离焦量、反射激光光路、电学处理模块等多个设备，多个参数共同影响激光加工检测环境。
4.现有技术中的工艺参数调整方法中，需要工艺人员前期在加工现场耗费较多的时间和成本进行参数调整，在调整优化好相关参数后，才开始本条生产线批量加工，工艺参数调整实施成本较高，调整的效率较低。目前还做不到在同一个工艺环境下(比如同样的加工件，用同样加工设备和检测设备、用同样的加工检测质量判断标准)进行激光工艺参数快速迁移。


技术实现要素：

5.为克服现有技术的不足，本申请提出一种激光加工工艺参数迁移方法，用于在两条或多条差异性较小的产线进行工艺参数迁移。
6.本申请的技术方案是这样实现的：一种激光加工工艺参数迁移方法，包括步骤：
7.s1，加载第一激光加工场景对应的第一激光加工检测数据，根据第一激光加工检测数据和缺陷模型生成第一激光加工检测基准，所述第一激光加工检测数据为第一激光加工无缺陷数据；
8.s2，加载第二激光加工场景对应的第二激光加工临时检测数据，根据第二激光加工临时检测数据和缺陷模型生成第二激光加工检测基准，所述第二激光加工临时检测数据为待标定的激光加工无缺陷数据；
9.s3，对比第一激光加工检测基准和第二激光加工检测基准，获得数据标定系数，所述数据标定系数包括加工激光功率标定系数、红外光信号标定系数、可见光信号标定系数和激光反射信号标定系数中的一种或多种；
10.s4，在第二激光加工场景下，根据数据标定系数对后续检测过程中采集的所有检测数据进行调整，获得第二激光加工检测数据；
11.s5，在第二激光加工场景下，根据缺陷模型对激光加工过程中获得的第二激光加工检测数据进行检测。
12.进一步地，所述第一激光加工检测基准为根据无缺陷的第一激光加工检测数据以及该数据的统计学特征，计算得到的在设定坐标下的无缺陷特征值集合；第二激光加工检测基准为根据无缺陷的第二激光加工检测数据以及该数据的统计学特征，计算得到的在设定坐标下的无缺陷特征值集合；所述无缺陷特征值集合作为检测信号在不同激光加工场景间差异的基础参考模板，用于计算检测信号数据标定系数。
13.更进一步地，所述统计学特征包括但不限于均值、方差和标准差。
14.进一步地，所述缺陷模型为激光加工过程缺陷种类和检测信号参数特征的对应关系；所述激光加工过程缺陷种类包括但不限于：激光焊接虚焊缺陷、激光焊接针孔缺陷、激光焊接爆点缺陷、激光焊接功率异常缺陷和激光焊接焦点异常缺陷；所述检测信号参数特征为激光加工过程检测信号在设定坐标系下的特征点，包括但不限于：检测信号的上极限值、检测信号的下极限值、检测信号超出经验阈值且在设定坐标系中的围设面积和检测信号超出经验阈值时段；所述激光加工过程缺陷种类和检测信号参数特征对应关系为缺陷种类对应的检测信号参数特征。
15.进一步地，步骤s1还包括步骤:
16.s11：筛选出无缺陷产品的检测数据，对所述检测数据进行数据对齐和有效区域数据提取；
17.s12：对得到的有效区域数据进行统计学特征计算，计算得到的各通道传感器数据集的统计特征值集合作为激光加工检测基准；
18.s13：根据所需检测的激光加工过程缺陷种类，选择一种或多种检测信号参数特征进行组合，通过比较无缺陷数据和有缺陷数据，为选定的检测信号参数特征设置检测阈值；
19.s14：将所述检测信号参数特征及其阈值构成缺陷模型。
20.更进一步地，所述缺陷模型还包括离焦量、激光加工功率、激光加工时长中的一种或多种，在满足约束条件下，第一激光加工检测基准和临时加工检测基准为线性对应关系，基准之间通过线性变换进行标定。
21.进一步地，步骤s3中对比第一激光加工检测基准和第二激光加工检测基准包括步骤：通过基准特征值之间的线性计算，获得检测数据标定系数。
22.进一步地，步骤s5包括步骤：根据标定系数对所有检测数据进行调整校准，获得第二激光加工检测数据，同时使用第一激光加工场景已得到的缺陷模型对第二激光加工检测数据进行在线检测。
23.本申请实施例的有益效果在于，与现有技术相比，本申请实施例通过第一无缺陷激光加工检测数据和缺陷模型生成第一激光加工检测基准，进而矫正第二激光加工场景下的激光加工过程进行检测时生成的临时激光加工检测基准，使得第二激光加工过程检测工艺参数可以迅速建立。
附图说明
24.图1为本申请实施例加工件加工监测系统应用于激光焊接质量在线检测示意图；
25.图2为本申请实施例一种激光加工过程检测参数调整方法流程图；
26.图3是本申请实施例一种激光加工工艺参数迁移方法流程图。
具体实施方式
27.下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
28.目前，市场上存在的工业加工件在加工过程监测系统，比如激光焊接工艺检测设备中，在沿着激光加工光束的激光束轴线进行焊接的过程中，会因保护气异常、功率衰减、离焦量变化、保护镜污染、间隙变化等原因产生各种激光焊接缺陷，比如虚焊，激光加工点表面污染、未熔透、焊瘤、塌陷、飞溅、焊缝偏离等焊接缺陷。在激光焊接工序中相关缺陷的问题属于焊接缺陷，难以被发现，从而给产品质量带来隐患一直是困扰制造商。特别是在一些质量要求较高的行业，如电池、精密消费电子领域的批量化生产中，是制造商急需解决的技术问题。动力电池焊接领域中防爆阀密封焊接，该工艺要求防爆阀与盖板保证完全密封焊接，不能有漏焊，虚焊，偏焊导致的密封不了情况。极耳焊接部分，需要将铜片和铝材焊接在一起，由于不同材料焊接工艺以及薄片焊接时变形等特点，容易出现虚焊情况，出现焊接不良结构。电池壳体密封焊接，是动力电池的重要工序，其焊接质量对电池整体的密封性及耐压强度，产生直接影响，从而影响使用寿命和安全性能。电池组串并联焊接，也是电池组输出效率好坏的一个重要工序，其难点在于需要保证焊接的熔接深度和熔接强度。
29.首先介绍本申请实施例涉及的加工件在加工过程监测系统。请参阅图1，本申请实施例提供的加工件加工监测系统。本监测系统可以适用多种应用环境，例如，用于加工件在激光切割时的切割质量监控、也可以用于加工件在激光焊接时的焊接质量监控、也可以用于3d打印时焊接质量监控、可以是在工业制造时制造过程的实时过程监控、还可以是某些环境测试点过程实时监控等，本申请实施例不作限定。
30.如图1所示，本加工件加工监测系统应用于激光焊接质量在线检测，包括激光加工头1、合束镜4、分光元件5和光辐射信号检测模块8，合束镜4与激光加工头1的主光路形成45
°
夹角，合束镜4与分光元件5平行放置，激光加工头1的反射光通过合束镜4反射给分光元件5，再通过分光元件5反射进入光辐射信号检测模块8；在合束镜4与光辐射信号检测模块8之间的光路上设置有光强调节器9，光强调节器9对整体的光强进行调整控制。光强调节器9内置光衰减片，通过光衰减片用于对光辐射强度进行衰减控制，光衰减片可根据工艺需求，选用不同比例的衰减值，通过更换不同衰减比例的光衰减片从而达到控制光强的目的。分光元件5采用分光镜，分光镜是一种将光信号部分反射和部分透过的镜。检测装置还包括成像模块20。
31.光辐射信号检测模块8具有光电传感器用于接收光辐射信号，具有用于将辐射光信号聚焦到光电传感器有效范围的聚焦镜7。信号处理电路11用于将光电传感器接收到的信号进行放大分析处理。光电传感器可以为用于接收可见光波段、激光反射波段、红外光波段等不同波段的光辐射信号的光电感应器，将各个不同的光辐射信号转化为电信号，输出给信号处理电路对信号进行加工，用于后续对激光加工质量的分析判断。
32.本实施例中，激光束与材料加工区域2产生的光辐射信号3，会通过激光加工头1中的合束镜4，将光辐射信号引导进入本装置内，与信号光束成45
°
的第一个分光元件5将信号光束分为两部分光辐射信号，一路通过反射垂直转向成像模块20，另一部分通过透射传递
到第二个分光元件5，然后通过聚焦镜7汇聚到光电传感器的光敏工作区，为了让光电传感器获得指定的光辐射信号，在光电传感器前设有一个带通滤光片(图未示)，用于过滤出指定光辐射信号。光辐射信号被光电传感器转化为电信号，输出给信号处理电路11进行调制放大等，然后输出给激光加工质量分析系统12。可见，通过对激光束加工产生的光辐射信号进行引导，分解，获得各种与焊接质量相关信号，通过信号处理电路11、激光加工质量分析系统12获得与激光加工质量高度相关的结果。
33.具体的，光辐射信号检测模块8用于接收辐射光并将辐射光转化为对应的光强电信号，可以包括：红外辐射信号传感器，可见光辐射信号传感器，激光加工反射信号传感器。一般的，红外辐射信号传感器可以对应接收波长在1250nm至1700nm区间的红外辐射信号。可见光辐射信号传感器可以对应接收400nm至700nm区间的可见光辐射信号。激光加工反射信号传感器可以对应接收实际激光加工时的加工激光反射信号，比如加工激光波长有915nm、1064nm、1080nm等。加工激光的波长与实际使用激光器波长相关。本领域技术人员可以理解，本申请通过光辐射信号检测模块8接收的激光加工路径中至少一个加工点的光辐射信号与单点光电传感器本身可检测的光谱相关。在一些使用环境中，红外辐射信号适宜区间可以在1250nm至1700nm区间之外进行扩展。在一些使用环境中，可见光辐射信号可以在400nm至700nm区间外扩展。或者相关光辐射信号可以为相关区间的某一段或者某些特定光谱。比如特定蓝光、特定绿光等。本申请实施例通过红外辐射信号、可见光辐射信号、加工激光反射信号三段取值，可以对比表征激光加工质量，进而可以更为精准的进行激光加工件加工点质量检测。
34.具体的，光辐射信号检测模块8进一步包括信号处理电路11，进而光辐射信号检测模块8可以直接将接收到辐射信号进行光电转换成数字电信号并输出给激光加工质量分析系统12。请结合图2所示，本申请实施例提供的加工件加工监测界面显示效果示意图中，光辐射信号检测模块8通过可见光辐射信号传感器获得对应的电压值v1，通过激光加工反射信号传感器获得对应的电压值v2，通过红外辐射信号传感器获得对应的电压值v3，分别将对应v1、v2和v3通过增益调整后输出调整电信号。这里的增益调整可以理解为：为了通过电压值更直观方便的表征对应激光加工点的加工点质量值，适当将v1、v2和v3电压值大小分别在一定范围内对应调整，使得电压值得变动可以直观反映激光加工点的加工点质量变化。本申请实施例中，通过单点光电传感器将接收到辐射信号进行光电转换成电信号，进而得到的电信号可以为v＝m*v1+n*v2+k*v3，其中m、n、k都为常数，且m+n+k＝1。
35.本申请根据激光加工点的实际加工点质量值，建立激光加工点加工点质量值与电信号的对应关系，包括：分别将激光加工标准件每个加工点对应的v1、v2和v3电压值与激光加工点的加工点质量值建立对应关系；该对应关系用于根据在激光加工路径上激光加工点对应的调整电信号的大小，来反映激光加工点的加工点质量值；可以理解，本申请实施例所描述的加工点质量值包括：加工点是否有虚焊、飞溅，焊瘤、表面污染等。调整电信号的变化可以单独反映加工点质量变化，也可以反映加工点质量的加权变化。
36.进一步的，根据对应关系生成用于激光加工点加工点质量检测的表征数据，还包括：根据预存的激光加工标准件每个加工点对应的正常调整电信号，确定激光加工过程中，激光加工点实时加工点质量检测的表征数据是否符合正常标准。本申请实施例中，当激光加工过程中，比如批量焊接某一类加工件时，需要实时检测这一类加工件的焊接点加工点
质量是否满足产品合格要求。根据前述方案，需要实时检测该批激光加工件相同或相似部位的上述加工点的光辐射信号，进而建立实时激光加工点加工点质量值与电信号的对应关系。因实时得到对应关系需要标准参照表来对照判断，比如需要确定预存标准加工点加工点质量值与电压的对应关系，进而根据实时得到的电压值去判断实时加工点加工点质量值是否异常。可以理解，预存标准加工点加工点质量值与电压的对应关系可以是一个包络面，即在相同激光加工路径中，若干个激光加工点拟合形成的标准加工点加工点质量值与电压的对应曲线可以有上限和下限。当实时激光加工点加工点质量值与电信号拟合的加工路径上的对应关系满足标准加工点加工点质量值与电压的对应关系的上下限之间时，则判断实时激光加工点加工点质量值满足激光加工标准。
37.可以理解的是，本发明实施例示意的结构并不构成对加工件加工监测系统的具体限定。在本申请另一些实施例中，光辐射信号检测模块8可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
38.激光加工质量分析系统12可以为带处理器的显示设备，该显示设备用于显示图像，视频等。显示设备包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，lcd)，有机发光二极管(organic light
‑
emitting diode，oled)等。在一些实施例中，激光加工质量分析系统12可以包括1个或n个显示屏，n为大于1的正整数。
39.成像模块20可以通过isp，摄像头，视频编解码器，gpu，显示屏以及应用处理器等实现拍摄功能。isp用于处理摄像头反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给isp处理，转化为肉眼可见的图像。isp还可以对图像的噪点，亮度，肤色进行算法优化。isp还可以对拍摄场景的曝光，色温等参数优化。
40.成像模块20用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，ccd)或互补金属氧化物半导体(complementary metal
‑
oxide
‑
semiconductor，cmos)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给isp转换成数字图像信号。isp将数字图像信号输出到dsp加工处理。dsp将数字图像信号转换成标准的rgb，yuv等格式的图像信号。
41.本加工件加工监测系统还可以包括外部存储器接口，用于连接外部存储卡，例如micro sd卡，实现扩展设备的存储能力。外部存储卡通过外部存储器接口与处理器通信，实现数据存储功能。例如将图片，视频等文件保存在外部存储卡中。
42.本加工件加工监测系统还可以包括内部存储器，用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器通过运行存储在内部存储器的指令，从而执行设备的各种功能应用以及数据处理。内部存储器可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序等。存储数据区可存储设备使用过程中所创建的数据等。此外，内部存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，ufs)等。
43.本加工件加工监测系统还可以包括检测告警指示器，该指示器可以是指示灯，可以用于指示异常状态，也可以用于指示消息，通知等。
44.本加工件加工监测系统中，激光加工质量分析系统12还包括应用程序软件。通过内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频等。视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，电子设备振动，指示灯闪烁等。
45.为使得激光加工质量分析系统12显示出来的监控界面更精准的反映出的激光加工过程中的加工质量。在激光加工件量产前，需要根据不同的生产目标，不断调整相关参数，使得能够达到生产目标的最优工艺参数。
46.在激光加工过程数据分析中，大批量的激光加工件重复加工后，留下对应多条激光加工过程检测数据。比如有1000个激光焊接焊缝，一般会对应得到1000个焊缝焊接过程检测数据。对该批数据进行分析以筛选焊接不良的产品时，需要根据该批数据进行特征聚类，在同一个特征下的聚类需要一个基准阈值去划分出合格品数据或者非合格品数据。
47.为此本申请实施例在激光加工质量分析系统12中通过预存或导入预先设置的激光加工缺陷模型，确定激光加工质量相关的过程缺陷种类和对过程缺陷种类的检测信号参数特征。进而对已经完成的批量加工数据根据缺陷特征进行聚类/分类/点群等数学分析，获取数据区分特征值作为判断加工过程检测信号质量的参数特征的基准值。
48.请参考图2，本申请实施例提供一种激光加工过程参数调整方法200，包括以下步骤：
49.步骤210：预设缺陷模型，所述缺陷模型包括激光加工过程缺陷种类和检测信号参数特征的对应关系；
50.步骤220：加载激光加工过程检测数据；
51.步骤230：根据缺陷模型和激光加工过程检测数据确定激光加工过程检测信号参数特征的基准值。
52.本申请实施例中，激光加工过程检测数据以可见光辐射信号传感器获得对应的电压值v1，通过激光加工反射信号传感器获得对应的电压值v2，通过红外辐射信号传感器获得对应的电压值v3，分别将对应v1、v2和v3通过增益调整后输出调整电信号为例说明如下。
53.通过缺陷模型和激光加工过程检测数据进行初步的过程检测信号参数特征的基准值推荐，进而在后续在实时加工过程中，可以采用得到的参数特征的基准值对每件加工件实时加工过程信号数据进行数据比较，或者根据初步得到的参数特征的基准值进行数据粗筛，进而可以快速方便地确定激光加工过程质量是否合格。
54.进一步的，本申请步骤220中，加载激光加工过程检测数据可以包括加载人工预先筛选出来的激光加工合格件的过程检测信号。
55.进而，步骤230根据缺陷模型和激光加工过程检测数据确定激光加工过程检测信号参数特征的基准值，进一步包括步骤：根据聚类算法，对激光加工过程检测数据进行聚
类，将聚类得到的检测信号参数特征可识别阈值作为基准值。从算法上看，缺陷模型也可以概括理解为基于聚类统计和激光加工的多路传感器信号融合的一系列检测方法的集合，结合缺陷模型对激光加工过程检测数据分析得到数学上可识别的基准值。可以理解，这里的聚类算法可以为基于划分聚类算法(partition clustering)；基于层次聚类算法，cure算法、birch算法等；基于密度聚类算法，dbscan算法等；自组织神经网络som算法等。单一的分类方法可以采用：决策树、贝叶斯、人工神经网络、k
‑
近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如bagging和boosting等。
56.进一步的本申请步骤220中，加载激光加工过程检测数据包括步骤：对加载的激光加工过程检测数据进行分类，确定激光加工合格件检测信号和激光加工不合格件检测信号。进而步骤230中，可以进一步根据缺陷模型对不合格件检测信号也进行数据处理，从而得到更为精确的检测信号参数特征的基准值。
57.步骤230：根据缺陷模型和激光加工过程检测数据确定激光加工过程检测信号参数特征的基准值，还包括以下步骤：
58.根据聚类算法，将激光加工合格件检测信号进行聚类，获得检测信号参数特征可识别阈值；
59.根据激光加工合格件检测信号，确定激光加工过程检测中的正常过程信号阈值；
60.根据激光加工不合格件检测信号，确定激光加工过程检测中的不良过程信号阈值；
61.通过正常过程信号阈值和不良过程信号阈值对检测信号参数特征可识别阈值进行修正，获得激光加工过程检测参数基准。
62.本实施例中，通过正常过程信号阈值和不良过程信号阈值作为激光加工过程检测信号参数特征的两个基准值。通过正常过程信号阈值和不良过程信号阈值定义激光加工过程检测参数所属范围时，在正常过程信号阈值段内认为激光加工件加工过程合格。在不良过程信号阈值段内认为激光加工件加工过程不合格。可以理解，存在一些情况，比如正常过程信号阈值段和不良过程信号阈值段重合或者间隙，可以根据经验参数或容错率考虑，对加工过程质量归类基准设置。
63.结合应用场景，激光加工为激光焊接场景时，激光加工过程缺陷种类可以包括：激光焊接虚焊缺陷、激光焊接针孔缺陷、激光焊接爆点缺陷、激光焊接功率异常缺陷和激光焊接焦点异常缺陷中的一种或多种。对于激光焊接过程，激光加工过程检测信号通常表现为一道焊缝从开始到结束时段内，相关光学传感器根据接收的光强感应到的电信号值，比如电压值。所以对于激光加工路径上电信号值的对应关系可以通过焊缝长度和电压值坐标系来表示。进而，设定坐标系为焊缝长度和电压值坐标系。检测信号参数特征为激光加工过程检测信号在设定坐标系下的特征点，可以包括：检测信号的上极限值、检测信号的下极限值、检测信号超出经验阈值且在计算坐标系中的围设面积和检测信号超出经验阈值时段中的一种或多种。这里的检测信号的上极限值可以为在某个激光加工点的电压最大容许值vmax；检测信号的下极限值可以为在某个激光加工点的电压最小容许值vmin。检测信号超出经验阈值且在计算坐标系中的围设面积为信号超出电压最大容许值vmax后，信号振幅与电压最大容许值vmax所围设的面积。检测信号超出经验阈值时段为信号超出电压最大容许值vmax，开始输出错误之前，信号振幅错误需要存在的时长。可以理解，检测信号参数特征
可以采用常规信号分析方法中的数值，比如超出一定参数阈值或延迟值、或者超出一定参数的持续时间、或者超出一定参数的脉冲的数量等。本实施例不在赘述。结合上述激光焊接检测时的检测信号参数特征，由于某些焊接缺陷与特定种类的焊接参数相关，本申请实施例中，激光加工过程缺陷种类和检测信号参数特征对应关系为，根据缺陷种类对应相关的检测信号参数特征。比如，检测信号的上极限值与激光焊接过程中出现的虚焊、针孔、爆点相关。检测信号的下极限值与激光焊接过程中出现的虚焊相关。检测信号超出经验阈值且在计算坐标系中的围设面积与激光焊接过程中的针孔和激光加工焦点相关。本申请实施例通过预设根据不同加工件和/或加工工艺和/或加工环境等建立对应的缺陷模型，进而可以在实施激光加工过程检测时，更加高效的调整检测参数，节约激光加工成本、提高激光加工检测精度和效率。
64.在一种应用场景中，根据激光加工合格件的过程检测信号和缺陷模型确定激光加工过程检测信号参数特征的基准值时，以上极限值为例说明，分别获得每一道激光焊接焊缝正样本数据的最大上极限值；将最大上极限值作为激光加工过程检测信号参数特征的基准值。
65.在一种应用场景中，对加载的激光加工过程检测数据进行人工标记或自动化分类，确定激光加工合格件检测信号和激光加工不合格件检测信号。以上极限值为例说明：
66.分别获得每一道激光焊接焊缝正样本数据的最大上极限值，每一道激光焊接焊缝负样本数据的最大上极限；
67.获得正样本数据的最大上极限值的均值vp；
68.获得负样本数据的最大上极限值的均值vn；
69.获得参考均值vr，其中vr＝(vp+vn)/2；
70.将参考均值vr作为激光加工过程检测信号参数特征的基准值。
71.可选的，本应用场景中，可以结合正样本数据的最大上极限值中的最大值和负样本数据的最大上极限值对激光加工过程检测信号参数特征的基准值进行修正。
72.可以理解，在采用检测信号超出经验阈值时段进行参数调整时，检测信号超出经验阈值时段可以理解为上极限容忍时间，同样可以采用每一道激光焊接焊缝正/负样本数据的上极限容忍时间，获得上极限容忍时间参考均值，将极限容忍时间参考均值作为激光加工过程检测信号参数特征的基准值。
73.一种应用场景中，根据激光加工不合格件检测信号，确定激光加工过程检测中的不良过程信号阈值，包括步骤：在一批激光加工件加工过程中采样数据，通过人工标定激光加工过程不良产品对应的检测信号，根据高斯分布阈值确定的不良过程信号阈值。根据激光加工合格件检测信号，确定激光加工过程检测中的正常过程信号阈值，包括步骤：在一批激光加工件加工过程中采样数据，通过人工标定激光加工过程中正常产品对应的检测信号，根据高斯分布阈值确定的正常过程信号阈值。进而可以将不良过程信号阈值和正常过程信号阈值设置为激光加工过程检测参数基准，在激光实时加工时通过两个阈值去判断激光加工质量。
74.可选的，通过正常过程信号阈值和不良过程信号阈值对检测信号参数特征可识别阈值进行修正，获得激光加工过程检测参数基准，包括以下步骤：
75.通过不良过程信号阈值拟合出不良过程信号阈值曲线；
76.通过正常过程信号阈值拟合出正常过程信号阈值曲线；
77.以不良过程信号阈值曲线和正常过程信号阈值曲线之间的阈值中值作为激光加工过程检测参数基准。
78.本实施例中，通过阈值曲线之间的阈值中值作为检测参数基准可以针对复杂的工艺环境获得变化的检测参数基准，更加广泛的适用于激光加工检测复杂环境。
79.进一步的，通过正常过程信号阈值和不良过程信号阈值对检测信号参数特征可识别阈值进行修正，获得激光加工过程检测参数基准，包括以下步骤：
80.通过不良过程信号阈值拟合出不良过程信号阈值曲线；
81.通过正常过程信号阈值拟合出正常过程信号阈值曲线；
82.根据激光加工过程缺陷种类对应的检测信号参数的特征加权值，对不良过程信号阈值曲线和正常过程信号阈值曲线之间的阈值中值进行加权调整，得到调整后的加权阈值作为激光加工过程检测参数基准。
83.在一种应用场景中，需要不断迭代的检测基准参数变更去提高调整参数精度，进而对不良过程信号阈值曲线和正常过程信号阈值曲线之间的阈值中值进行加权调整，得到调整后的加权阈值作为激光加工过程检测参数基准；还包括以下步骤：
84.获得激光加工工艺目标信息、激光加工工艺约束条件变量；
85.根据所述工艺约束条件，调整激光加工过程检测参数基准，判断当前激光加工过程中得到的加工件质量目标与所述工艺目标信息是否匹配；
86.如果是，则将调整后的所述工艺参数变量的值作为激光加工过程检测参数基准。
87.如果当前激光加工过程中得到的加工件质量目标与所述工艺目标信息不匹配，则继续调整所述工艺参数变量的值，直至获得加工件质量目标与工艺目标信息匹配，将获得的加工件质量目标与工艺目标信息匹配时的工艺参数变量的值作为激光加工过程检测参数基准。
88.为进一步提升激光加工过程在某些应用场景中的参数优化效率，比如应用于两条或多条差异性较小的产线进行工艺参数调整时，分别设定不同的产线为多个不同的激光加工场景。不同的激光加工场景下的激光加工工艺参数调整涉及加工激光光源、出光功率、激光加工速度、加工激光离焦量、反射激光光路、电学处理模块等多个设备，多个参数共同影响激光加工检测环境。为此，在第一到第n个激光加工场景下，需要将一条已经调好的第一激光加工场景中的工艺参数快速适应到其他产线上进而进行快速产线工艺参数迁移。在进行第一激光加工场景获得第一激光加工检测数据，并获得缺陷模型生成的第一激光加工检测基准后，需要将相关检查基准应用到其他激光加工加工场景中。
89.为此，请参见图3，本申请实施例一种激光加工工艺参数迁移方法，包括步骤：
90.s1，加载第一激光加工场景对应的第一激光加工检测数据，根据第一激光加工检测数据和缺陷模型生成第一激光加工检测基准，所述第一激光加工检测数据为第一激光加工无缺陷数据；
91.s2，加载第二激光加工场景对应的第二激光加工临时检测数据，根据第二激光加工临时检测数据和缺陷模型生成第二激光加工检测基准，所述第二激光加工临时检测数据为待标定的激光加工无缺陷数据；
92.s3，对比第一激光加工检测基准和第二激光加工检测基准，获得数据标定系数，所
述数据标定系数包括加工激光功率标定系数、红外光信号标定系数、可见光信号标定系数和激光反射信号标定系数中的一种或多种；本方法步骤中，对比第一激光加工检测基准和第二激光加工检测基准，分别计算基准内数据集合中对应电压值的标准差均值d1和d2，设置数据标定系数为标准差均值的比值c，其中c＝d1/d2。可以理解，在数据校准中，为了获得预期的数据标定结果，可以选用标准差或其他统计方法，对第一激光加工检测基准和第二激光加工检测基准进行数据统计计算，获取两个基准数据的比较关系。
93.s4，在第二激光加工场景下，根据数据标定系数对后续检测过程中采集的检测数据进行调整，获得第二激光加工检测数据；可以理解，本方法步骤中，根据数据标定系数对后续检测过程中采集的所有检测数据进行调整，对采集的原始电压值数据与数据标定系数进行线性乘法，获得第二激光加工检测数据。可选的，根据采集的原始电压值数据与数据标定系数也可以进行乘法或叠加调整或其他函数关系拟合，以获得第二激光加工检测数据。
94.s5，在第二激光加工场景下，根据缺陷模型对激光加工过程中获得的第二激光加工检测数据进行检测。
95.其中，激光加工检测数据为激光加工过程的同时从多种不同类型传感器采集到的同步时序信号，包括：激光功率信号、红外光信号、可见光信号和激光反射信号中的一种或多种。激光加工检测基准为根据无缺陷的激光加工检测数据以及该数据的包括但不限于均值、方差、标准差等统计学特征，计算得到的在设定坐标下的无缺陷特征值集合；该特征值集合被作为检测信号在不同激光加工场景间差异的基础参考模板，用于计算检测信号数据标定系数。
96.缺陷模型为激光加工过程缺陷种类和检测信号参数特征的对应关系。激光加工过程缺陷种类包括：激光焊接虚焊缺陷、激光焊接针孔缺陷、激光焊接爆点缺陷、激光焊接功率异常缺陷和激光焊接焦点异常缺陷中的一种或多种；检测信号参数特征为激光加工过程检测信号在设定坐标系下的特征点，包括：检测信号的上极限值、检测信号的下极限值、检测信号超出经验阈值且在设定坐标系中的围设面积和检测信号超出经验阈值时段中的一种或多种；激光加工过程缺陷种类和检测信号参数特征对应关系为，根据缺陷种类对应相关的检测信号参数特征。在本申请实施例的某些实施例中，步骤s1还包括：
97.步骤s11：通过人工或设备筛选出无缺陷产品的检测数据，对该数据集合进行数据对齐和有效区域数据提取等预处理，得到的有效区域数据再进行统计学特征计算，计算得到的各通道传感器数据集的均值和方差等统计特征值集合作为激光加工检测基准。可以理解，本申请使用多种波段光学信号检测时，为获取多种波段信号对同区域同时间段内进行数据获取，可以使用某一波段信号对多种波段信号同步触发进行数据采集，进而可以获取多种波段对应的数据特征，以便后续分析处理。
98.步骤s12：对得到的有效区域数据进行统计学特征计算，计算得到的各通道传感器数据集的统计特征值集合作为激光加工检测基准；可以理解，有效区域数据的统计学特征，可以为标准差和/或均值；计算得到的在设定坐标下的无缺陷特征值集合，可以为不同传感器数据的标准差和均值其中一种或多种比值的集合；
99.步骤s13：根据所需检测的激光加工过程缺陷种类，选择一种或多种检测信号参数特征进行组合，通过比较无缺陷数据和有缺陷数据，为选定的检测信号参数特征设置检测阈值；
100.步骤s14：将所述检测信号参数特征及其阈值构成缺陷模型。
101.可以理解，第一激光加工检测数据还包括激光加工有缺陷数据，这些有缺陷数据用于构建缺陷模型，具体包括步骤：根据所需检测的激光加工过程缺陷种类，选择一种或多种检测信号参数特征进行组合，通过比较无缺陷数据和有缺陷数据，为选定的检测信号参数特征设置检测阈值，该阈值可使用经验值或通过自动参数寻优获得，检测信号参数特征及其阈值即为缺陷模型的主要构成。
102.缺陷模型还包括离焦量、激光加工功率、激光加工时长等约束条件中的一种或多种，在满足约束条件下，第一激光加工检测基准和临时加工检测基准为线性对应关系，基准之间通过线性变换进行标定。
103.加载第一激光加工场景对应的第一激光加工检测数据，还包括剔除不满足约束条件的数据，加载第二激光加工场景对应的第二激光加工临时检测数据，还包括剔除不满足约束条件的数据，加载的第一激光加工检测数据用于生成第一激光加工检测基准和缺陷模型，第二激光加工临时检测数据用于生成临时加工检测基准。
104.在满足约束条件下，对比第一激光加工检测基准和临时加工检测基准，通过基准特征值之间的线性计算，获得检测数据标定系数。
105.第二激光加工场景的后续检测过程中，根据标定系数对所有检测数据进行调整校准，获得第二激光加工检测数据，同时使用第一激光加工场景已得到的缺陷模型对第二激光加工检测数据进行在线检测。
106.本领域普通技术人员可以意识到，本文中公开的实施例中描述的各单元及算法步骤，能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
107.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
108.在本申请所提供的几个实施例中，任意一项功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read
‑
only memory；以下简称：rom)、随机存取存储器(random access memory；以下简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
109.以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。