基于工业大数据的车身激光焊接过程分析系统

宋宏伟; 钟鸣

doi:10.7512/j.issn.1001-2303.2026.05.15

焊接设备 | 浏览量 : 0 下载量: 60 CSCD: 0

PDF
导出
分享
收藏
专辑

基于工业大数据的车身激光焊接过程分析系统
The Analysis System of Body-in-white Laser Welding Process based on Industrial Big Data
2026年56卷第5期页码：125-130
收稿：2025-02-27，

修回：2025-10-02，

纸质出版：2026-05-20
DOI： 10.7512/j.issn.1001-2303.2026.05.15
稿件说明：

移动端阅览

宋宏伟，钟鸣.基于工业大数据的车身激光焊接过程分析系统［J］.电焊机，2026，56（5）：125-130. DOI： 10.7512/j.issn.1001-2303.2026.05.15.

SONG Hongwei, ZHONG Ming.The Analysis System of Body-in-white Laser Welding Process based on Industrial Big Data[J].Electric Welding Machine, 2026, 56(5): 125-130. DOI： 10.7512/j.issn.1001-2303.2026.05.15.

摘要

由于轻量化及高生产效率的需要，白车身激光焊接的应用种类复杂，且应用范围十分广泛。但也因此，在高生产节拍下激光焊接的质量特征提取及过程控制成为行业内的难点。激光焊接影响因素多，分析过程复杂，容易导致错误的工艺调整。一旦激光焊接出现质量问题，极易导致批量质量事故。本研究基于工业大数据建立了多信息融合的激光焊接过程分析系统，可以实时提取焊接质量特征信息，筛选需要关注及调整的焊接过程。通过全连接神经网络深度学习模型，自动化分析焊接过程中的问题并提供解决方案。该系统的应用为大规模激光焊接过程控制提供了可靠及高效的数字化工具，且可以通过持续学习提高问题解决的准确度，为后续更多功能的开发提供指导依据。

Abstract

Due to the need for lightweight design and high production efficiency

the application of laser welding in automotive body structures is diverse and extensive. However

this complexity presents challenges in extracting welding quality features and controlling the process at high production rates. The factors influencing laser welding are numerous

and the analysis process is complicated

which can lead to incorrect process adjustments. When laser welding quality issues occur

they can easily result in mass production defects. This study establishes a multi-information fusion laser welding process analysis system based on industrial big data

which can extract welding quality feature information in real-time and identify welding processes that require attention or adjustment. Through a fully neural network deep learning model

the system automatically analyzes problems in the welding process and provides potential solutions. The application of this system provides a reliable and efficient digital tool for large-scale laser welding process control

and it can continuously learn to improve the accuracy of problem-solving

thereby offering guidance for the development of additional functionalities in the future.

关键词

Keywords

references

刘浩东，戴京涛 . 激光焊接技术的应用研究进展与分析［J］. 电焊机， 2022 ， 52 （ 1 ）： 95 - 102 .

LIU H D ， DAI J T . Research Review and Analysis of Laser Welding Application ［J］. Electric Welding Machine ， 2022 ， 52 （ 1 ）： 95 - 102 .

皮智谋 . 几种先进的焊接技术研究现状综述［J］. 热加工工艺， 2013 ， 42 （ 23 ）： 8 - 13 .

PI Z M . Research Review of Several Advanced Welding Technology ［J］. Hot Working Technology ， 2013 ， 42 （ 23 ）： 8 - 13 .

郭东栋，张晓乐，邹尚博，等 . 基于大数据技术的电极修磨质量智能预警系统建立与应用［J］. 电焊机， 2022 ， 52 （ 10 ）： 95 - 100 .

GUO D D ， ZHANG X L ， ZOU S B ， et al . Establishment and Application of Intelligent Warning System for Tip Dressing Quality Based on Big Data Technology ［J］. Electric Welding Machine ， 2022 ， 52 （ 10 ）： 95 - 100 .

周磊 . 基于工业大数据的电阻焊过程稳定性监测研究［D］. 哈尔滨：哈尔滨工业大学， 2022 .

ZHOU L . Research On Process Stability Monitoring Of Resistance Welding based on Industrial Big Data ［D］， Harbin ： Harbin Institute of Technology ， 2022 .

魏雷 . 点焊质量监控系统的设计［J］. 山西大同大学学报（自然科学版）， 2019 ， 35 （ 4 ）： 76 - 78 .

WEI L . Design of Monitoring System for Spot Welding Quality ［J］. Journal of Shanxi Datong University（Natural Science Edition）， 2019 ， 35 （ 4 ）： 76 - 78 .

于永庆 . 电阻点焊生产信息化系统［J］. 科学技术创新， 2020 （ 06 ）： 155 - 156 .

YU Y Q . Resistance spot welding production information system ［J］. Scientific and Technological Innovation ， 2020 （ 06 ）： 155 - 156 .

王斌 . 基于深度学习的激光焊缝识别与跟踪系统研究［D］. 南京：南京林业大学， 2023 .

WANG B . Research on Laser Weld Seam Recognition and Tracking System based on Deep Learning ［D］. Nanjing ： Nanjing Forestry University ， 2023 .

宋宏伟，王龙，张秋花，等 . 白车身激光扫描焊熔池边界提取与缺陷识别的研究［J］. 汽车工程， 2020 ， 42 （ 3 ）： 401 - 405 .

SONG H W ， WANG L ， ZHANG Q H ， et al . Study on Boundary Extraction and Defect Identification of Molten Pool in Laser Scanning Welding of Body-in-white ［J］. Automotive Engineering ， 2020 ， 42 （ 3 ）： 401 - 405 .