买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于多源数据的焊接隐性异常检测和识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118965216B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410960492.2，技术领域涉及：G06F18/2433；该发明授权一种基于多源数据的焊接隐性异常检测和识别方法是由孙昊;张发平;魏剑峰设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本一种基于多源数据的焊接隐性异常检测和识别方法在说明书摘要公布了：本发明公开的一种基于多源数据的焊接隐性异常检测和识别方法，属于焊接质量检测领域。本发明实现方法为：实时采集每个对象的焊接质量的多模态数据信息，包括声音、电流、电压、光谱、温度信息、图像信息。对各个信息源采用相应传感器采集，对其特征进行提取。对提取的特征值归一化处理，采用LDA方法基于异常类别对数据进行降维。使用局部离群因子LOF的方法，对异常点进行检测。利用孤立森林从整体上识别异常点，将检测区域分割，在分割区域定义新的邻域搜索空间。采用概率神经网络PNN的方法对异常种类识别。利用人工蜂群算法ABC优化PNN的平滑因子，得到最优的平滑因子及建立最优的PNN模型，根据最优PNN网络优化模型实现焊接隐性异常检测和识别。

本发明授权一种基于多源数据的焊接隐性异常检测和识别方法在权利要求书中公布了：1.一种基于多源数据的焊接隐性异常检测和识别方法，其特征在于：包括如下步骤， 步骤一、对于n个相同的焊接对象，实时采集每个对象的焊接质量的多模态数据信息，并存储到数据库；所述多模态数据包括：熔池正面图像、熔池两侧温度场信息、焊接时的电流和电压信息、焊接过程中的声音信息以及焊接时的电弧光谱信息； 步骤二：对步骤一采集到的多模态数据信息进行特征提取，得到多源数据；从熔池正面图像中提取熔池的尺寸信息和图像的灰度值；从熔池两侧温度场信息、焊接时的电流和电压信息、焊接过程中的声音信息以及焊接时的电弧光谱信息中，提取相应信号的均值、均方值、方差、峰峰值、峰态系数和偏度； 步骤三：对步骤二提取到的多源数据进行归一化处理；再采用LDA方法对多源数据进行降维处理； 步骤四：采用局部离群因子算法LOF对多源数据进行异常检测建模，得到异常检测模型；根据异常检测模型识别出的新的异常焊接对象； 步骤五：构建用于焊接隐性异常检测和识别的概率神经网络PNN网络模型，采用ABC算法优化PNN的平滑因子σ，得到概率神经网络PNN网络优化模型，根据概率神经网络PNN网络优化模型实现焊接隐性异常检测和识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。