一种基于场景匹配的焊接保护气体控制方法技术

本发明专利技术公开了一种基于场景匹配的焊接保护气体控制方法，针对目前不同焊接场景下保证焊接质量所需的最低焊接保护气体流速不同的问题，通过挑选若干用于描述焊接场景的高频时序数据作为指标，以场景分类为目标，实时采集相关数据，制作数据集并训练基于机器学习算法的场景分类模型；将训练好的场景分类模型部署至边缘侧，实时采集高频时序数据输入场景分类模型，即可识别当前焊接场景，并实时匹配当前焊接场景下的最低焊接保护气体流速；在此基础上对气体流速进行控制，即可实现进一步的节省焊接保护气的目标，进而实现焊接过程的碳减排的效果。的效果。的效果。

【技术实现步骤摘要】
一种基于场景匹配的焊接保护气体控制方法


[0001]本专利技术属于焊接保护气控制
，特别涉及一种基于场景匹配的焊接保护气体控制方法。

技术介绍

[0002]工业焊接场景中，气体保护焊作为常见焊接方式，通常采用包括CO2、Ar等工业气体作为焊接保护气，避免焊缝直接接触空气。焊接保护气作为焊接过程中重要的碳排放源头，一直都是亟需解决的课题。
[0003]传统机器人焊接在执行各工艺时，一般预先按照焊接工艺规程设定保护气流速并设为固定流量。然而实际执行工艺中，由于工艺不同，电流大小会产生变化，固定流量的保护气可能产生小电流对应大保护气流量的问题，造成保护气的浪费，碳排放的增加。此外，由于焊接场景不同，扰动因素也不尽相同，因此探索不同焊接场景下，保证焊接质量，不出现焊接异常时的最低保护气体流速，可以对焊接过程节碳问题提供解决方向。

技术实现思路

[0004]专利技术目的：针对上述
技术介绍
焊接中存在的问题，本专利技术提供了一种技术方案：一种基于场景匹配的焊接保护气体控制方法，包括以下步骤：步骤S1、在不同焊接场景下，基于当前焊接工艺规程设置的保护气流速范围进行调整，获取不同保护气体流速下对应的焊接高频时序数据，包括焊接电流、电压和送丝速度，并根据实际过程是否发生焊接异常，对每组高频时序数据进行标注；其中发生异常则标注为1，正常焊接标注为0；步骤S2、基于步骤S1获取的数据集进行特征提取，针对焊接电压、电流和送丝速度，以预设滑动窗大小进行特征提取；以提取后的特征数据作为场景分类模型的入模数据集；步骤S3、对步骤S2获取的入模数据集进行切分；数据集包括训练集、测试集和验证集，按照固定比例提取；步骤S4、对各场景进行编码，并以场景分类编码作为训练目标，选取机器学习分类算法模型搭建场景分类模型进行训练，最终通过测试集进行场景分类模型精度测试，评估模型分类效果；步骤S5、场景分类模型训练完成后，通过步骤S3留出的验证集进行模拟运行验证，并确定场景分类策略；步骤S6、将验证后的场景分类模型部署至边缘侧，采集实际焊接高频时序数据并输入至分类模型，获取场景分类结果，并根据步骤S1中焊接实验获取的对应焊接场景下保护气流速范围，确定不发生焊接异常时的最低焊接保护气流速，基于该流速进行气流控制。
[0005]进一步地，所述步骤S1中针对每种焊接场景重复若干次焊接，采集不同设定流速下的各项时序数据，形成若干组用于描述该焊接场景的数据集；依次降低设定流速，直至发
生焊接异常，并记录下每个场景下未发生焊接异常时的最低保护气流速值。
[0006]进一步地，所述步骤S2中针对焊接电压、电流和送丝速度，以预设滑动窗大小进行特征提取；提取的特征包括时域特征、频域特征和时频域特征。
[0007]进一步地，所述步骤S3中采用预先留出验证集的方式切分入模数据集；具体地，首先按照预设比例抽取不同焊接场景下相同保护气体流速对应的高频时序数据的特征，在抽取验证集完毕后，将剩余特征数据集随机乱序，并按比例划分出训练集和测试集。
[0008]进一步地，所述步骤S4中采用XGboost模型搭建场景分类模型，输入训练集数据，进行模型训练；采用网格搜索的方式进行模型参数调节。
[0009]进一步地，设定判定窗口长度为N，不断迭代窗长；在每一窗长下，当窗口内预测场景超过50%均为连续相同场景a，则判定该窗口属于场景a；在迭代每个判定窗口长度时，分别将验证集特征数据输入模型，按照判定窗口长度截取特征数量，并基于上述匹配策略进行场景分类；不断迭代窗口长度，选择准确率最高的判定窗口长度作为场景匹配的判定依据。
[0010]本专利技术采用的技术方案与现有技术方案相比，具有以下有益效果：（1）本专利技术提供的基于场景匹配的焊接保护气体控制方法，针对焊接场景改变，挑选用于描述焊接场景的高频时序数据，并搭建场景分类模型。实时采集当前焊接场景下的入模数据并输入至场景分类模型，区分不同焊接场景，并根据焊接场景给出当前保证焊接质量下最低的保护气体流速。
[0011]（2）本专利技术在面对新的陌生场景分类时，同样给出了最低保护气流速确定的方法，相比于传统实验确定方法，本专利技术可以提供相对调整基准，节省大量过程实验步骤。
[0012]（3）本专利技术在场景分类模型的基础上进一步给出了场景分类策略，基于实际验证集，通过迭代判定窗口并选择准确率最高的判定窗口，进一步提升了场景分类模型的分类准确率。
附图说明
[0013]图1为本专利技术提供的基于场景匹配的焊接保护气体控制方法流程图；图2为本专利技术实施例中场景分类模型分类结果示意图。
实施方式
[0014]下面结合附图对本专利技术做更进一步的解释。
[0015]本专利技术提供了一种基于场景匹配的焊接保护气体控制方法，针对目前不同焊接场景下保证焊接质量所需的最低焊接保护气体流速不同的问题，通过挑选若干用于描述焊接场景的高频时序数据作为指标，以场景分类为目标，实时采集相关数据，制作数据集并训练基于机器学习算法的场景分类模型。将训练好的场景分类模型部署至边缘侧，实时采集高频时序数据输入场景分类模型，即可识别当前焊接场景，并实时匹配当前焊接场景下的最低焊接保护气体流速。在此基础上对气体流速进行控制，即可实现进一步的节省焊接保护气的目标，进而实现焊接过程的碳减排的效果。此外，针对场景分类结果的确定，本专利技术还给出了相应的场景匹配策略，可以有效提升场景分类结果的准确率。下面提供一份具体实施例，详细介绍本专利技术提供的焊接保护气体控制方法，如图1所示。
[0016]步骤S1、在不同焊接场景下，基于当前焊接工艺规程设置的保护气流速范围进行调整，获取不同保护气体流速下对应的焊接高频时序数据，包括焊接电流、电压和送丝速度，并且根据实际焊接过程是否发生焊接异常（如气孔），对每组高频时序数据进行标注。发生异常则标注为1，正常焊接标注为0。
[0017]针对每一种焊接场景重复若干次焊接，采集不同设定流速下的各项时序数据，形成若干组用于描述该焊接场景的数据集。依次降低设定流速，直至发生焊接异常，并记录下每个场景下未发生焊接异常时的最低保护气流速值。
[0018]本专利技术的核心原理即为：不同焊接场景，如不同外界风速条件下，可以保证焊接质量（即不发生焊接异常）的最低保护气流速是变化的，通过采集的焊接高频时序数据及打好的标注对当前焊接场景进行描述，并作为后续分类模型的训练依据，可以实现场景分类的效果，进而确认实际焊接场景种类及对应的最低保护气流速。
[0019]步骤S2、基于步骤S1获取的数据集进行特征提取，针对焊接电压、电流和送丝速度，以预设滑动窗大小进行特征提取。提取的特征包括时域特征、频域特征和时频域特征。提取上述特征，并以提取的各项特征数据作为模型训练的入模数据集。
[0020]本实施例中提取的时域特征包括传统时域特征，如均值、中位数、最大值、最小值、方差、标准差、分位数。此外还可以根据实际需要选择方根幅值、均方根、峰峰值、偏度、峭度、峰值因子、裕度因子、波形因子、脉冲指数等。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于场景匹配的焊接保护气体控制方法，其特征在于，包括以下步骤：步骤S1、在不同焊接场景下，基于当前焊接工艺规程设置的保护气流速范围进行调整，获取不同保护气体流速下对应的焊接高频时序数据，包括焊接电流、电压和送丝速度，并根据实际过程是否发生焊接异常，对每组高频时序数据进行标注；其中发生异常则标注为1，正常焊接标注为0；步骤S2、基于步骤S1获取的数据集进行特征提取，针对焊接电压、电流和送丝速度，以预设滑动窗大小进行特征提取；以提取后的特征数据作为场景分类模型的入模数据集；步骤S3、对步骤S2获取的入模数据集进行切分；数据集包括训练集、测试集和验证集，按照固定比例提取；步骤S4、对各场景进行编码，并以场景分类编码作为训练目标，选取机器学习分类算法模型搭建场景分类模型进行训练，最终通过测试集进行场景分类模型精度测试，评估模型分类效果；步骤S5、场景分类模型训练完成后，通过步骤S3留出的验证集进行模拟运行验证，并确定场景分类策略；步骤S6、将验证后的场景分类模型部署至边缘侧，采集实际焊接高频时序数据并输入至分类模型，获取场景分类结果，并根据步骤S1中焊接实验获取的对应焊接场景下保护气流速范围，确定不发生焊接异常时的最低焊接保护气流速，基于该流速进行气流控制。2.根据权利要求1所述的一种基于场景匹配的焊接保护气体控制方法，其特征在于，所述步骤S1中针对每种焊接场景重复若干次焊接，采集不同设定流速下的各项时序数据，形成...

【专利技术属性】
技术研发人员：李波，姚志豪，
申请(专利权)人：苏芯物联技术南京有限公司，
类型：发明
国别省市：