基于机器学习的管件焊接工艺自动生成方法及系统技术方案

本发明专利技术公开了一种基于机器学习的管件焊接工艺自动生成方法及系统，方法包括以下步骤：采集不同型号规格管件的焊接工件参数及其对应的最佳焊接工艺参数数据，构建样本集；构建BP神经网络；利用所述样本集训练BP神经网络，生成焊接工艺生成模型；利用所述焊接工艺生成模型自动生成不同型号规格管件最佳的焊接工艺参数。针对机械加工车间中管件焊接工艺的设计以传统手工方式为主，在管件焊接工艺的工作上，造成大量重复性作业的同时降低生产质量和成本等问题，本发明专利技术简化焊接工艺参数调节过程，能够根据焊接工件参数快速适配优质的工艺参数，优化工艺参数，提高管件焊接的效率和质量。

【技术实现步骤摘要】
基于机器学习的管件焊接工艺自动生成方法及系统
本专利技术属于机械制加工管件焊接工艺产领域，特别涉及一种基于机器学习的管件焊接工艺自动生成方法及系统。
技术介绍
近年来，随着科技的飞速发展，智能制造、服务型制造及绿色制造等一系列重大举措，正逐步推动中国不断向制造强国的目标迈进，使得本国拥有较高生产水平的焊接工艺技术逐步达到全世界一流的水平，在国际上占据领先地位。焊接是利用高温、高压以及加热的方式实现将两分离热塑性材料或者金属材料连接成整体的一种方法。焊接工艺技术作为一种可实现两分离材料产生原子间结合力的方法，已经渗透到了现代化工业生产的各个领域。焊接工艺设计是整个结构中不可分割、至关重要的组成部分，并影响着整个结构的可靠性及其使用寿命。焊接工艺的设计是很复杂的，其主要靠传统的手工方式完成。因而，在管理、检索、编制和保存焊接工艺等工作上，不但造成了大量的重复性劳动，浪费了焊接工艺人员的精力，而且时常造成不必要的人为失误，影响了生产质量和制造成本。因此，为了提高了焊接工艺设计质量、效率和工艺文件的规范化。焊接工艺自动生成将为机械制造企业构建了焊接工艺设计自动化、信息化支撑平台，从而提升制造技术水平和快速研制能力。针对上述问题，引起了诸多科研团队的广泛关注。李驰等人提出了机器学习算法在焊接领域中的应用。吕其兵等人提出了基于BP人工神经网络的钢轨交流闪光焊焊接接头质量预测。张爱华等人提出了基于BP神经网络的钢轨闪光对焊接头灰斑面积预测。刘梦溪等人提出了深度卷积神经网络的X射线焊缝缺陷研究。但上述方法都只建立了焊接参数与焊接质量的映射模型，只能对当前焊接参数进行合理和不合理的判断，并不能直接指导用户如何设计焊接工艺参数。
技术实现思路
本专利技术的目的在于针对现有技术存在的问题，提供一种基于机器学习的管件焊接工艺自动生成方法，以简化焊接工艺参数调节过程，能够根据焊接工件参数快速适配优质的工艺参数，优化工艺参数，提高管件焊接的效率和质量。实现本专利技术目的的技术解决方案为：一种基于机器学习的管件焊接工艺自动生成方法，所述方法包括以下步骤：步骤1，采集不同型号规格管件的焊接工件参数及其对应的最佳焊接工艺参数数据，构建样本集；步骤2，构建BP神经网络；步骤3，利用所述样本集训练BP神经网络，生成焊接工艺生成模型；步骤4，利用所述焊接工艺生成模型自动生成不同型号规格管件最佳的焊接工艺参数。进一步地，步骤1在采集不同型号规格管件最佳的焊接工艺参数数据之后，还包括：对数据进行归一化处理。进一步地，步骤2所述构建BP神经网络，具体包括：步骤2-1，确定BP神经网络的输入层节点数：提取影响焊接质量的管件和法兰特征参数，将这些特征参数作为BP神经网络的输入，特征参数的数目即为输入层节点数；步骤2-2，确定BP神经网络的输出层节点数：确定自动生成的焊接工艺参数，焊接工艺参数的数目即为输出层节点数；步骤2-3，确定BP神经网络的隐藏层节点数S：式中，m表示输入层节点数，n表示输出层节点数，a为常数，1＜a＜10；步骤2-4，确定传递函数：选取tan-sigmod作为隐藏层传递函数，选取线性函数purelin作为输出层的传递函数。进一步地，步骤3所述利用所述样本集训练BP神经网络，生成焊接工艺生成模型，具体过程包括：步骤3-1，将所述样本集划分为训练集和测试集；步骤3-2，利用所述训练集对BP神经网络进行训练，生成焊接工艺生成模型；步骤3-3，利用测试集对焊接工艺生成模型进行测试，若测试精度未达到预设精度要求，返回步骤3-2继续训练BP神经网络，直至测试精度达到预设精度要求。一种基于机器学习的管件焊接工艺自动生成系统，所述系统包括：数据采集模块，用于采集不同型号规格管件的焊接工件参数及其对应的最佳焊接工艺参数数据，构建样本集；神经网络构建模块，用于构建BP神经网络；模型构建模块，用于利用所述样本集训练BP神经网络，生成焊接工艺生成模型；自动生成模块，用于利用所述焊接工艺生成模型自动生成不同型号规格管件最佳的焊接工艺参数。本专利技术与现有技术相比，其显著优点为：1)利用机器学习的管道焊接工艺自动生成方法，能够根据焊接工件参数快速适配优质的工艺参数，优化工艺参数，提高管件焊接的效率和质量；2)操作过程简单，减少了过程中不必要的资源浪费，取得比较好的优化效果。下面结合附图对本专利技术作进一步详细描述。附图说明图1为本专利技术基于机器学习的管件焊接工艺自动生成方法的流程图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。需要说明，若本专利技术实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。在一个实施例中，结合图1，提供了一种基于机器学习的管件焊接工艺自动生成方法，所述方法包括以下步骤：步骤1，采集不同型号规格管件的焊接工件参数及其对应的最佳焊接工艺参数数据，构建样本集；步骤2，构建BP神经网络；步骤3，利用所述样本集训练BP神经网络，生成焊接工艺生成模型；步骤4，利用所述焊接工艺生成模型自动生成不同型号规格管件最佳的焊接工艺参数。具体地，采集管件的焊接工件参数，输入焊接工艺生成模型中，输出该管件最佳的焊接工艺参数。进一步地，在其中一个实施例中，步骤1在采集不同型号规格管件最佳的焊接工艺参数数据之后，还包括：对数据进行归一化处理，即将数据尺度统一至(0，1)。进一步地，在其中一个实施例中，步骤2所述构建BP神经网络，具体包括：步骤2-1，确定BP神经网络的输入层节点数：提取影响焊接质量的管件和法兰特征参数，将这些特征参数作为BP神经网络的输入，特征参数的数目即为输入层节点数；这里，影响焊接质量的管件和法兰特征参数包括：管直径、管壁厚、法兰型号、法兰类型(方形法兰、圆形法兰等)、法兰直径、法兰壁厚、焊接起始角度以及焊接首尾交叠距离。因此输入层节点数为8；步骤2-2，确定BP神经网络的输出层节点数：确定自动生成的焊接工艺参数，焊接工艺参数的数目即为输出层节点数；这里，在管件焊接工艺生成过程中，最难确定的是焊接过程中的速度，电压等参数，因此自动生成的焊接工艺参数包括焊接速度、送丝速度以及焊接电压，所以输出层节点数为3；步骤2-3，在BP神经网络中，如果网络隐藏层节点数本文档来自技高网...

【技术保护点】
1.一种基于机器学习的管件焊接工艺自动生成方法，其特征在于，所述方法包括以下步骤：/n步骤1，采集不同型号规格管件的焊接工件参数及其对应的最佳焊接工艺参数数据，构建样本集；/n步骤2，构建BP神经网络；/n步骤3，利用所述样本集训练BP神经网络，生成焊接工艺生成模型；/n步骤4，利用所述焊接工艺生成模型自动生成不同型号规格管件最佳的焊接工艺参数。/n

【技术特征摘要】
1.一种基于机器学习的管件焊接工艺自动生成方法，其特征在于，所述方法包括以下步骤：
步骤1，采集不同型号规格管件的焊接工件参数及其对应的最佳焊接工艺参数数据，构建样本集；
步骤2，构建BP神经网络；
步骤3，利用所述样本集训练BP神经网络，生成焊接工艺生成模型；
步骤4，利用所述焊接工艺生成模型自动生成不同型号规格管件最佳的焊接工艺参数。


2.根据权利要求1所述的基于机器学习的管件焊接工艺自动生成方法，其特征在于，步骤1在采集不同型号规格管件最佳的焊接工艺参数数据之后，还包括：对数据进行归一化处理。


3.根据权利要求2所述的基于机器学习的管件焊接工艺自动生成方法，其特征在于，步骤2所述构建BP神经网络，具体包括：
步骤2-1，确定BP神经网络的输入层节点数：提取影响焊接质量的管件和法兰特征参数，将这些特征参数作为BP神经网络的输入，特征参数的数目即为输入层节点数；
步骤2-2，确定BP神经网络的输出层节点数：确定自动生成的焊接工艺参数，焊接工艺参数的数目即为输出层节点数；
步骤2-3，确定BP神经网络的隐藏层节点数S：



式中，m表示输入层节点数，n表示输出层节点数，a为常数，1＜a＜10；
步骤2-4，确定传递函数：选取tan-sigmod作为隐藏层传递函数，选取线性函数purelin作为输出层的传递函数。


4.根据权利要求3所述的基于机器学习的管件焊接工艺自动生成方法，其特征在于，步骤2-1中所述影响焊接质量的管件和法兰特征参数包括：管直径、管壁厚、法兰型号、法兰类型、法兰直径、法兰壁厚、焊接起始角度以及焊接首尾交叠距离。


5.根据权利要求4所述的基于机器学习的管件焊接工艺自动生成方法，其特征在于，步骤2-2中所述焊接工艺参数包括焊接速度、送丝速度以及焊接电压。


6.根据权利要求5所述的基于机器学习的管件焊接工艺自动生成方法，其特征在于，步骤3所述利用所述样本集训练BP神经网络，生成焊接工艺生成模型，具体过程包括：
步骤3-1，将所述样本集划分为训练集和测试集；
步骤3-2，利用所述训练集对BP神经...

【专利技术属性】
技术研发人员：徐鹏，吴茂传，张政，李建华，朱彤，李刚，王纪潼，刘鑫宇，陈燕燕，
申请(专利权)人：中国船舶重工集团公司第七一六研究所，中船重工信息科技有限公司，
类型：发明
国别省市：江苏;32