一句话答案
面向超声波焊接工艺的质量监测方案:与风机的连续状态监测不同,焊接监测采集单次焊接过程信号(功率/振幅/频率/位移),CNN+规则引擎判定每一次焊接的OK/NG。
焊接监测 ≠ 风机监测：先分清两类信号
很多工厂问：『你们做设备监测，焊机也能测吧？』——能，但要先理解两类完全不同的信号：
| 风机 PHM(状态监测) | 焊接质量（过程监测） | |
|---|---|---|
| 信号性质 | 连续状态（振动/温度/转速） | 单次过程（功率/振幅/频率/位移） |
| 时间尺度 | 秒级~天级连续采样 | 一次焊接 50-200ms 窗口 |
| 监测对象 | 设备健康，趋势退化 | 每个焊点的质量，即时判定 |
| 判定逻辑 | 异常检测 + 寿命预测 | 曲线形态比对 + 特征偏移 |
风机监测看的是『设备健康度』，焊接监测看的是『每一次焊接做得好不好』——后者要在几十毫秒内把整条能量曲线完整采下来并判定，难度完全不同。
痛点：焊接质量为什么难管
超声波焊接（极耳焊接、线束焊接、塑料焊接）的典型问题：
- 过程太快：一次焊接 50-200ms，人眼根本跟不上，只能抽检。
- 抽检漏检：破坏性拉力测试抽检率低，不良焊点流入下工序。
- 无据可查：出问题想追溯，没有每次焊接的记录，说不清是哪批、哪台、哪次。
- 参数飘移：焊头磨损、气压波动，能量曲线悄悄变化，等发现时已批量不良。
方案：四通道过程信号，一次焊接一判定
本方案在焊接进行时采集功率、振幅、频率、位移四个通道信号（10kHz 采样），对每一次焊接做质量判定：
- 四通道完整采集：功率曲线（能量输出）、振幅（超声振动幅度）、频率（谐振状态）、位移（焊头下压行程）——四个维度还原一次焊接的完整物理过程。
- CNN 曲线分类：1D-CNN 轻量模型（25KB，0.3ms）实时推理，学习正常/虚焊/过焊/功率不足等曲线形态，边缘端即时判定。
- 规则引擎可解释：与 CNN 互补，计算物理特征偏移 —— 焊接时间偏移、峰值功率偏移、功率曲线偏移、一次超声偏移，把『哪里不对』翻译成操作员看得懂的具体指标（如『功率偏移 78%』）
- Unknown 三重判定：CNN 置信度低时进入人工审查页，规则引擎给出辅助信号 + 波形可视化，操作员快速定性。
- 自动打标闭环：高置信结果自动标注（conf > 0.95），积累训练数据，模型越用越准——形成一个标注→训练→再推理的自进化闭环。
价值：每一次焊接都有据可查
| 改进点 | 传统方式 | 方案上线后 |
|---|---|---|
| 检测覆盖 | 抽检 5%-10% | 100% 焊点全检 |
| 判定依据 | 破坏性试验+人工目检 | 四通道曲线+CNN+规则引擎 |
| 异常发现 | 批量不良才发现 | 参数飘移即时告警 |
| 追溯能力 | 无记录，说不清 | 每焊点完整曲线可回放 |
| 质量改进 | 靠经验猜 | 特征偏移数据驱动改善 |
与风机 PHM 的复用关系
两套方案共享同一套边缘推理平台（采集→推理→判定→审查→标注闭环），只是信号类型、模型输入、判定逻辑不同：
- 风机 PHM：振动/温度/转速 → 设备健康/寿命（连续状态）| 面向设备制造商、运维方。
- 焊接监测：功率/振幅/频率/位移 → 焊接质量 OK/NG（单次过程）| 面向电池/线束/塑料焊接产线。
复用边缘平台，轻量定制模型与规则，即可快速覆盖两类场景——这正是『复用 + 轻量定制』的体现。
适用于：动力电池极耳焊接、线束端子焊接、塑料壳体焊接、3C 电子组装等对焊接质量要求严格的场景。
每一次焊接，都可回放、可追溯
超声波焊接的质量，不应该靠『抽检碰运气』。四通道信号 + 三路融合判定，让每一次焊接都有完整记录、即时判定、可解释依据。
你的焊接产线还在靠抽检和目检吗？欢迎联系我们获取方案演示。
