一种基于人工智能的焊接加工路径优化方法及系统技术方案

本发明专利技术涉及一种基于人工智能的焊接加工路径优化方法及系统，属于焊接加工路径优化技术领域，本发明专利技术通过基于运动姿态变化路径图计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息，从而根据各个运动姿态变化路径图中每个运动单元的剩余寿命信息确定最终的加工优化路径，并将最终的加工优化路径传输至远程焊接加工终端。通过本发明专利技术能够通过计算每个加工路径图的能量损耗，从而根据能量损耗以及当前焊接设备每个运动单元的预估寿命值来预测能量损耗带来的寿命变化，从而选择出最大剩余寿命的加工路径图，使得焊接设备在加工过程中的加工路径更加合理，从而进一步提高了焊接设备的使用寿命。焊接设备的使用寿命。焊接设备的使用寿命。

【技术实现步骤摘要】
一种基于人工智能的焊接加工路径优化方法及系统


[0001]本专利技术涉及焊接加工路径优化
，尤其涉及一种基于人工智能的焊接加工路径优化方法及系统。

技术介绍

[0002]在制造相关的工程机械设备的过程中，往往需要对多种零件进行组合，多个零件的组合才能够制造出一台完整的工程机械设备。焊接是这些零件进行组合的一种常见工艺，但传统的焊接技术在对机器设备进行焊接时，会出现诸多问题，例如在操作过程中施工人员容易发生意外事故、焊接质量较差等。而随着新兴科学技术的不断涌现，自动化焊接设备在机械制造领域得到了越来越广泛的应用，极大地提高了焊接工程的自动化程度。自动化焊接设备是不可缺少的生产设备，该设备通常指的是焊接机器人以及焊接专机。在焊接工作中使用自动化焊接设备能够非常有效地对焊接效率和焊接质量进行提升，提高焊接工作的一致性；该设备自动化程度较高，能够极大地提高焊接效率，减少焊接工作的时间成本；该设备的操作难度较低，这在一定程度上降低焊接人员的工作难度。然而，自动化焊接设备还仍然存在一定的问题，焊接设备加工路径对应着焊接设备的运动姿态，加工路径的不同会影响焊接设备在焊接过程中的电能消耗，使得各个运动单元的使用频率是不一致的，从而影响其使用寿命。因此，焊接设备的加工路径有待优化。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种基于人工智能的焊接加工路径优化方法及系统。
[0004]为达上述目的，本专利技术采用的技术方案为：本专利技术第一方面提供了一种基于人工智能的焊接加工路径优化方法，包括以下步骤：获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接零件的加工工序，基于所述当前待焊接零件的加工工序获取当前待焊接零件的加工路径；构建焊接设备加工路径仿真模型，并根据所述加工路径以及所述焊接设备加工路径仿真模型获取运动姿态变化路径图；基于所述运动姿态变化路径图计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息；根据各个运动姿态变化路径图中每个运动单元的剩余寿命信息确定最终的加工优化路径，并将所述最终的加工优化路径传输至远程焊接加工终端。
[0005]进一步地，本专利技术的一个较佳实施例中，获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接零件的加工工序，基于所述当前待焊接零件的加工工序获取当前待焊接零件的加工路径，具体包括以下步骤：获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接
零件的加工工序；将所述当前待焊接零件的加工工序输入到蚁群算法中，直至获取到合法的蚂蚁路径，得到每个所述当前待焊接零件的加工工序对应的加工子路径；对每个所述当前待焊接零件的加工工序对应的加工子路径进行合成，生成一条或者多条当前待焊接零件的加工路径；构建蚂蚁偏好路径模型，并根据所述当前待焊接零件的加工路径以及蚂蚁偏好路径模型得到偏好指数，获取最大偏好指数的加工路径作为当前待焊接零件的加工路径，并将所述当前待焊接零件的加工路径输出。
[0006]进一步地，本专利技术的一个较佳实施例中，构建焊接设备加工路径仿真模型，并根据所述加工路径以及所述焊接设备加工路径仿真模型获取运动姿态变化路径图，具体包括以下步骤：基于虚拟现实技术构建初始焊接设备加工路径仿真模型，获取焊接设备每个运动单元的极限运动坐标数据信息；获取焊接设备的轮廓三维坐标信息，并根据所述焊接设备的轮廓三维坐标信息构建焊接设备三维模型图，获取当前待焊接零件的毛坯模型图；获取焊接设备与待焊接零件的位置关系，并根据所述焊接设备与待焊接零件的位置关系将所述焊接设备三维模型图以及所述当前待焊接零件的毛坯模型图输入到所述初始焊接设备加工路径仿真模型中；根据焊接设备每个运动单元的极限运动坐标数据信息、所述加工路径以及所述初始焊接设备加工路径仿真模型构建焊接设备加工路径仿真模型，并根据所述焊接设备加工路径仿真模型获取运动姿态变化路径图。
[0007]进一步地，本专利技术的一个较佳实施例中，基于所述运动姿态变化路径图计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息，具体包括以下步骤：获取每一个加工路径图的基于时间序列的运动姿态变化路径图，并根据所述基于时间序列的运动姿态变化路径图计算出各个运动姿态变化路径图的能量损耗信息；获取所述焊接设备每个运动单元的预估寿命信息，根据所述各个运动姿态变化路径图的能量损耗信息获取所述焊接设备中每个运动单元的能量损耗信息；基于所述焊接设备中每个运动单元的能量损耗信息得到各个运动姿态变化路径图中每个运动单元的寿命消耗信息；根据所述焊接设备每个运动单元的预估寿命信息以及各个运动姿态变化路径图中每个运动单元的寿命消耗信息计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息。
[0008]进一步地，本专利技术的一个较佳实施例中，基于所述焊接设备中每个运动单元的能量损耗信息得到各个运动姿态变化路径图中每个运动单元的寿命消耗信息，具体包括以下步骤：通过大数据网络获取大量当前焊接设备各运动单元的历史能量损耗信息之下的寿命消耗信息，并将所述大量当前焊接设备各运动单元的历史能量损耗信息之下的寿命消耗信息分为训练集以及测试集；基于卷积神经网络构建寿命衰减预测模型，并将所述训练集输入到所述寿命衰减
预测模型中进行训练，调整所述寿命衰减预测模型的参数，并保存模型参数；通过所述测试集对所述寿命衰减预测模型进行测试，直至所述寿命衰减预测模型符合预设要求，得到训练完成的寿命衰减预测模型；将所述焊接设备中每个运动单元的能量损耗信息输入到所述训练完成的寿命衰减预测模型中，以获取各加工路径图中每个运动单元的寿命消耗信息。
[0009]进一步地，本专利技术的一个较佳实施例中，根据各个运动姿态变化路径图中每个运动单元的剩余寿命信息确定最终的加工优化路径，并将所述最终的加工优化路径传输至远程焊接加工终端，具体包括以下步骤：构建剩余寿命信息排序表，并将各个运动姿态变化路径图中每个运动单元的剩余寿命信息输入到所述剩余寿命信息排序表中进行排序，生成多个剩余寿命信息排序表；获取每个剩余寿命信息排序表的最小剩余寿命值，并将所述每个剩余寿命信息排序表的最小剩余寿命值进行对比，以获取所述最小剩余寿命值的最大值；根据所述最小剩余寿命值的最大值获取对应的加工路径图，并将所述最小剩余寿命值的最大值获取对应的加工路径图作为最终的加工优化路径；将所述最终的加工优化路径传输至远程焊接加工终端。
[0010]本专利技术第二方面提供了一种基于人工智能的焊接加工路径优化系统，所述优化系统包括存储器以及处理器，所述存储器存储有基于人工智能的焊接加工路径优化方法程序，所述基于人工智能的焊接加工路径优化方法程序被处理器执行时，实现如下步骤：获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接零件的加工工序，基于所述当前待焊接零件的加工工序获取当前待焊接零件的加工路径；构建焊接设备加工路径仿真模型，并根据所述加工路径以及所述焊接设备加工路径仿真模型获取运动姿态变化路径图；基于所述运动姿态变化路径图计算出各个运动姿态变化路径图中每个运动单元的剩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的焊接加工路径优化方法，其特征在于，包括以下步骤：获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接零件的加工工序，基于所述当前待焊接零件的加工工序获取当前待焊接零件的加工路径；构建焊接设备加工路径仿真模型，并根据所述加工路径以及所述焊接设备加工路径仿真模型获取运动姿态变化路径图；基于所述运动姿态变化路径图计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息；根据各个运动姿态变化路径图中每个运动单元的剩余寿命信息确定最终的加工优化路径，并将所述最终的加工优化路径传输至远程焊接加工终端。2.根据权利要求1所述的一种基于人工智能的焊接加工路径优化方法，其特征在于，获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接零件的加工工序，基于所述当前待焊接零件的加工工序获取当前待焊接零件的加工路径，具体包括以下步骤：获取当前待焊接零件的加工工艺信息，并根据所述加工工艺信息确定当前待焊接零件的加工工序；将所述当前待焊接零件的加工工序输入到蚁群算法中，直至获取到合法的蚂蚁路径，得到每个所述当前待焊接零件的加工工序对应的加工子路径；对每个所述当前待焊接零件的加工工序对应的加工子路径进行合成，生成一条或者多条当前待焊接零件的加工路径；构建蚂蚁偏好路径模型，并根据所述当前待焊接零件的加工路径以及蚂蚁偏好路径模型得到偏好指数，获取最大偏好指数的加工路径作为当前待焊接零件的加工路径，并将所述当前待焊接零件的加工路径输出。3.根据权利要求1所述的一种基于人工智能的焊接加工路径优化方法，其特征在于，构建焊接设备加工路径仿真模型，并根据所述加工路径以及所述焊接设备加工路径仿真模型获取运动姿态变化路径图，具体包括以下步骤：基于虚拟现实技术构建初始焊接设备加工路径仿真模型，获取焊接设备每个运动单元的极限运动坐标数据信息；获取焊接设备的轮廓三维坐标信息，并根据所述焊接设备的轮廓三维坐标信息构建焊接设备三维模型图，获取当前待焊接零件的毛坯模型图；获取焊接设备与待焊接零件的位置关系，并根据所述焊接设备与待焊接零件的位置关系将所述焊接设备三维模型图以及所述当前待焊接零件的毛坯模型图输入到所述初始焊接设备加工路径仿真模型中；根据焊接设备每个运动单元的极限运动坐标数据信息、所述加工路径以及所述初始焊接设备加工路径仿真模型构建焊接设备加工路径仿真模型，并根据所述焊接设备加工路径仿真模型获取运动姿态变化路径图。4.根据权利要求1所述的一种基于人工智能的焊接加工路径优化方法，其特征在于，基于所述运动姿态变化路径图计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息，具体包括以下步骤：获取每一个加工路径图的基于时间序列的运动姿态变化路径图，并根据所述基于时间
序列的运动姿态变化路径图计算出各个运动姿态变化路径图的能量损耗信息；获取所述焊接设备每个运动单元的预估寿命信息，根据所述各个运动姿态变化路径图的能量损耗信息获取所述焊接设备中每个运动单元的能量损耗信息；基于所述焊接设备中每个运动单元的能量损耗信息得到各个运动姿态变化路径图中每个运动单元的寿命消耗信息；根据所述焊接设备每个运动单元的预估寿命信息以及各个运动姿态变化路径图中每个运动单元的寿命消耗信息计算出各个运动姿态变化路径图中每个运动单元的剩余寿命信息。5.根据权利要求4所述的一种基于人工智能的焊接加工路径优化方法，其特征在于，基于所述焊接设备中每个运动单元的能量损耗信息得到各个运动姿态变化路径图中每个运动单元的寿命消耗信息，具体包括以下步骤：通过大数据网络获取大量当前焊接设备各运动单元的历史能量损耗信息之下的寿命消耗信息，并将所述大量当前焊接设备各运动单元的历史能量损耗信息之下的寿命消耗信息分为训练集以及测试集；基于卷积神经网络构建寿命衰减预测模型，并将所述训练集输入到所述寿命衰减预测模型中进行训练，调整所述寿命衰减预测模型的参数，并保存模型参数；通过所述测试集对所述寿命衰减预测模型进行测试，直至所述寿命衰减预测模型符合预设要求，得到训练完成的寿命衰减预测模型；将所述焊接设备中每个运动单元的能量损耗信息输入到所述训练完成的寿命衰减预测模型中，以获取各加工路径图中每个运动单元的寿命消耗信息。6.根据权...

【专利技术属性】
技术研发人员：潘宏权，张磊，袁凡，
申请(专利权)人：深圳市利和兴股份有限公司，
类型：发明
国别省市：