用于焊接检修的边缘智能控制方法及智能焊接设备技术

本发明专利技术公开了一种用于焊接检修的边缘智能控制方法及智能焊接设备，边缘智能控制方法包括：获取焊接过程中产生的各类数据，使用机器学习算法对所述数据从多个维度进行匹配归类以完成特征提取，对特征提取后的数据建立面向过程定量评定的预测评估模型，并使用历史的检验结果矫正所述预测评估模型，所述预测评估模型通过实时监测和预测，以对焊工的施工数据实时进行计算评定，并得出以合格为结果的动态工艺参数范围，进而对当前焊接设备的输出参数进行主动干预。本发明专利技术提供的边缘智能控制方法及智能焊接设备能够对当前焊机的输出参数进行主动干预，避免人为因素导致的缺陷和质量问题。题。题。

【技术实现步骤摘要】
用于焊接检修的边缘智能控制方法及智能焊接设备


[0001]本专利技术涉及智能化焊接检修
，尤其涉及一种用于焊接检修的边缘智能控制方法及智能焊接设备。用于焊接检修的边缘智能控制方法及智能焊接设备

技术介绍

[0002]智能化焊接检修技术是在传统焊接检修技术的基础上，利用现代信息技术和智能化技术，实现焊接检修自动化、数字化、智能化的技术体系。目前，智能能够利用激光测距、视觉识别等技术，实现焊接检修过程中对工件表面的实时检测，使焊接过程更加稳定和精确。现有的焊接工艺参数，是一种以定性结果为导向的焊接工艺，需要在焊工施工全部完成后，才能对焊接部件采用无损检验和理化检验，通过分类法将焊接部件分为合格、有缺陷合格、有缺陷不合格这几种评定结果。
[0003]在传统人工焊接作业过程中，常常由于人为因素而导致的质量缺陷和作业风险，因此亟需提高焊机设备的自主参数调整的智能性。过去的智能焊机，侧重于传感器采集和监控的工程，在焊接过程数据收集，仅仅收集了过程中的电流电压时域数据，无法主动干预焊机输出，智能化程度较低。
[0004]现有的焊接技术的工艺卡对于不同的焊接方法，电压和电流均是一个范围值存在，理论上来说，只要遵循工艺卡上的电压和电流范围值，焊接质量均能保证质量要求，但实际过程检修作业中不同水平的焊接工程师、不同场景的焊接位置，不同焊机的品牌，在焊接作业是都是一个不可控制的变量，对焊接的质量会产影响，可参考历史的无损检测报告中超声、磁粉、硬度和金相的检查。
[0005]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0006]为了克服现有技术存在的不足，本专利技术提供一种用于焊接检修的边缘智能控制方法及智能焊接设备，具体技术方案如下：
[0007]一方面，提供了一种用于焊接检修的边缘智能控制方法，包括以下步骤：
[0008]获取焊接过程中产生的各类数据，使用机器学习算法对所述数据从多个维度进行匹配归类以完成特征提取，对特征提取后的数据建立面向过程定量评定的预测评估模型，并使用历史的检验结果矫正所述预测评估模型，所述预测评估模型通过实时监测和预测，以对焊工的施工数据实时进行计算评定，并得出以合格为结果的动态工艺参数范围，进而对当前焊接设备的输出参数进行主动干预。
[0009]进一步地，所述预测评估模型建立了一个完整焊接过程的大数据体系，根据所述大数据体系，从多个相互不干扰的维度对数据进行匹配归类，进而以多个维度作为特征值
形成训练数据集。
[0010]进一步地，所述多个维度包括焊接工程师、焊接接头和焊材、环境因素和检验结果、焊接设备型号以及焊接工艺。
[0011]进一步地，将连续焊接过程的数据特征提取后，使用Gini指数训练构造决策树；通过进行多次训练，以生成多颗决策树。
[0012]进一步地，将所述决策树训练构造为随机森林，以优化所述预测评估模型。
[0013]进一步地，当获取的数据中存在部分空值、异常值或超出阈值范围的数据时，需要采用数据补齐算法以补齐数据，所述数据补齐算法包括数据高斯平滑去噪法、插值数据补齐法和阈值法滤波。
[0014]进一步地，使用传感器和数据采集设备获取焊接过程中产生的数据；在对所述数据进行特征提取之前，需要先进行数据预处理，其中，当各个数据源的样本采集频率出现差异时，在数据预处理的时候会根据输入时间规范进行时间戳的矫正与补齐，以确保所述预测评估模型的时序数据输入拥有一个统一的标准。
[0015]进一步地，焊接过程中产生的数据包括环境温度、焊机输出电压、焊机电流、焊机位移和焊机移动速度。
[0016]进一步地，所述动态工艺参数范围包括合理电压范围，焊接设备根据实时得到的合理电压范围对当前输出电压进行自动调节。
[0017]另一方面，提供了一种智能焊接设备，包括焊机控制器、焊机电压输出装置以及数据采集装置，所述焊机控制器通过上述边缘智能控制方法对所述焊机电压输出装置进行控制，所述数据采集装置采集焊机的各类数据并实时反馈至所述焊机控制器。
[0018]与现有技术相比，本专利技术具有下列优点：提高焊机设备的自主参数调整的智能性，对当前焊机的输出参数进行主动干预，避免人为因素导致的缺陷和质量问题。
附图说明
[0019]图1是本专利技术实施例提供的用于焊接检修的边缘智能控制方法中电压电流原始数据曲线示意图；
[0020]图2是本专利技术实施例提供的用于焊接检修的边缘智能控制方法中热输入值原始数据曲线示意图；
[0021]图3是本专利技术实施例提供的用于焊接检修的边缘智能控制方法中预处理后电压电流数据曲线示意图；
[0022]图4是本专利技术实施例提供的用于焊接检修的边缘智能控制方法中随机森林评估合格置信区间曲线示意图；
[0023]图5是本专利技术实施例提供的用于焊接检修的边缘智能控制方法中数据特征离散化示意图；
[0024]图6是本专利技术实施例提供的用于焊接检修的边缘智能控制方法中随机森林预测结果示意图；
[0025]图7是本专利技术实施例提供的智能焊接设备结构示意图。
[0026]其中，附图标记为：1
‑
每个阶段合格工艺阈值的特征值，2
‑
预测过程的中心拟合线，3
‑
合格工艺特征波动过渡拟合线，4
‑
95％置信度区间。
具体实施方式
[0027]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0028]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
[0029]在本专利技术的一个实施例中，提供了一种用于焊接检修的边缘智能控制方法，包括以下步骤：
[0030]获取焊接过程中产生的各类数据，使用机器学习算法对所述数据从多个维度进行匹配归类以完成特征提取，对特征提取后的数据建立面向过程定量评定的预测评估模型，并使用历史的检验结果矫正所述预测评估模型，所述预测评估模型通过实时监测和预测，以对焊工的施工数据实时进行计算评定，并得出以合格为结果的动态工艺参数范围，进而对当前焊接设备的输出参数进行主动干预。所述动态工艺参数范本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于焊接检修的边缘智能控制方法，其特征在于，包括以下步骤：获取焊接过程中产生的各类数据，使用机器学习算法对所述数据从多个维度进行匹配归类以完成特征提取，对特征提取后的数据建立面向过程定量评定的预测评估模型，并使用历史的检验结果矫正所述预测评估模型，所述预测评估模型通过实时监测和预测，以对焊工的施工数据实时进行计算评定，并得出以合格为结果的动态工艺参数范围，进而对当前焊接设备的输出参数进行主动干预。2.根据权利要求1所述的用于焊接检修的边缘智能控制方法，其特征在于，所述预测评估模型建立了一个完整焊接过程的大数据体系，根据所述大数据体系，从多个相互不干扰的维度对数据进行匹配归类，进而以多个维度作为特征值形成训练数据集。3.根据权利要求1所述的用于焊接检修的边缘智能控制方法，其特征在于，所述多个维度包括焊接工程师、焊接接头和焊材、环境因素和检验结果、焊接设备型号以及焊接工艺。4.根据权利要求1所述的用于焊接检修的边缘智能控制方法，其特征在于，将连续焊接过程的数据特征提取后，使用Gini指数训练构造决策树；通过进行多次训练，以生成多颗决策树。5.根据权利要求4所述的用于焊接检修的边缘智能控制方法，其特征在于，将所述决策树训练构造为随机森林，以优化所述预测评估模型。6.根据权利要求1所述的用于焊接检修的...

【专利技术属性】
技术研发人员：朱秉程，周勇，仲巍，杨佳，石卫兵，解云，张禹，梁振新，左伟伟，林杰，
申请(专利权)人：苏州热工研究院有限公司中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：