【技术实现步骤摘要】
基于焊接曲线进行焊点分析的神经网络及建立方法
[0001]本专利技术属于焊接工艺
，具体涉及一种基于焊接曲线进行焊点分析的神经网络及建立方法。
技术介绍
[0002]焊接工艺以焊枪为工具，以焊点的形式将两种或两种以上同种或异种金属材料通过原子或分子之间的结合和扩散连接成一体，焊点质量的优劣将对包括汽车、建筑、船舶等钢结构质量产生极大的影响。
[0003]通过搜集焊接过程中焊枪传感器检测到的数据，可以绘制出单一焊点焊接时，电压、电流、电阻、功率随时间变化的曲线，如图1所示，简称为焊接曲线。图1描述了一个焊点焊接过程中，金属贴合致密、金属升温融化、焊核形成焊接完毕三个阶段焊接曲线(焊点电流、电压、电阻和功率)的特征变化。
[0004]现有技术通过图像识别技术检测焊接质量、焊点，这类方法存在数据量大、计算量大、噪声干扰、效率低等缺点。工业中积累了大量自动实时采集的焊接工艺数据，不适用这类方法。而焊接曲线分析方向的研究很少。
[0005]利用神经网络等先进的计算机智能方法，在焊接过程中，产生的焊接曲线是...
【技术保护点】
【技术特征摘要】
1.一种基于焊接曲线进行焊点分析的神经网络，其特征在于：包括数据采集模块，用于获取历史的焊点数据，焊点数据包括焊点检测数据和焊接工艺参数，焊点检测数据包括焊接曲线数据；数据分析模块，用于对焊接曲线数据利用统计学分析方法提取特征值；标签映射模块，用于通过数据标注对焊点检测数据中的每个子数据和焊接工艺参数中的每个子参数分别给定对应的标签；神经网络模块，用于将焊接曲线数据或特征值和标签汇总成的数据集按比例分为训练集和测试集，利用训练集中焊接曲线数据或特征值和标签生成神经网络训练数据集，并为焊接曲线数据或特征值建立对应的神经网络，利用神经网络训练集对神经网络进行训练，得到训练完成的神经网络。2.根据权利要求1所述的基于焊接曲线进行焊点分析的神经网络，其特征在于：还包括测试数据模块，用于将测试集中焊接曲线数据或特征值和标签输入到已完成训练的神经网络中进行准确率测试。3.根据权利要求2所述的基于焊接曲线进行焊点分析的神经网络，其特征在于：还包括调试模块，用于基于测试数据模块中的准确率测试结果优化神经网络。4.根据权利要求1所述的基于焊接曲线进行焊点分析的神经网络，其特征在于：建立神经网络的过程为：利用全连接神经网络模型用于焊点分析：对于数据集D＝(x1，y1)，(x2，y2)，
…
，(x
N
，y
N
)，其中N为样本数量，当焊点判断为是否异常的结果时，y
i
＝{0，1}∈Y，即此处为二分类结果，同理，当标签为焊点异常的多种分类结果时，焊点材质分类、能耗分类、存在飞溅点个数分类、修磨参数分类，即对于数据集D，y
i
＝{a，b，c...}∈Y，同样可以采用全连接神经网络，(1)、按比例确定神经网络的训练数据集、验证数据集和确定训练回合数epoch；(2)、定义神经网络的输入层，焊接曲线特征值的个数作为输入层的节点数，输入为一个一维张量X∈R
M
，M为特征数量；(3)、设置神经网络的多个隐藏层，定义隐藏层h
t
层数、每层隐藏层的神经单元节点数q
t
，经过每一层隐藏层，通过对输入的二维张量X与对应的第i个隐藏层的权重值张量进行张量点积计算，得到激活函数的输入值；(4)、设置神经网络的每层隐藏层的激活函数，由神经网络的输入层得到每层隐藏层的输出值o
t
＝σ(X
·
W+b)，b为偏置项。将每层隐藏层的输出值作为下一个隐藏层的输入值；(5)、设置神经网络的输出层的节点个数，节点个数即为y
i
中的元素个数，设置输出层的激活函数，输出层得到的o
t
＝σ(X
·
W+b)为前向传播的结果；(6)、设置神经网络的损失函数，将前向传播的结果与标签值通过损失函数计算，得到loss张量；(7)、选择神经网络的反向传播算法，导入损失函数结果，对所有权重值求偏导，利用选择的优化器优化权重参数，优化器选择SGD便于利用学习率衰减，抑制震荡，不断调整神经网络中的所有权重参数，使得计算出的交叉熵趋向于零，从而使得损失函数得到的loss张量降低到最小，设置学习率，得到权重值与神经网络模型即为训练的结果；
(8)、将测试数据中的特征值导入到训练好的神经网络模型中，求得标签的预测结果，利用准确率计算公式得到神经网络预测结果的准确率，评判该模型的准确度，继续优化网络参数，提高准确度。5.根据权利要求1所述的基于焊接曲线进行焊点分析的神经网络，其特征在于：建立神经网络的过程为：利用循环神经网络用于焊点分析：(1)、按比例确定神经网络的训练...
【专利技术属性】
技术研发人员：洪伟，孙震，王秋来，汤泽波，陈孔武，
申请(专利权)人：东风汽车集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。