本发明专利技术提供了一种焊接质量预测方法、装置和设备，涉及焊接质量检测技术领域，方法包括：获取多组历史焊接数据并进行预处理，确定历史数据集；将历史数据集按照预设比例划分为训练集和测试集；对训练集进行模型训练，确定质量预测模型；在判断质量预测模型对测试集的预测精准度满足预设评估条件的情况下，确定目标质量预测模型；通过目标质量预测模型对目标焊接数据进行质量预测。采用本发明专利技术实施例提供的焊接质量预测方法可以实现通过目标质量预测模型对实时采集到的焊接数据进行实时预测，操作透明并且有着较高的计算效率和准确度。透明并且有着较高的计算效率和准确度。透明并且有着较高的计算效率和准确度。
【技术实现步骤摘要】
焊接质量预测方法、装置和设备
[0001]本专利技术涉及焊接质量检测
，尤其是指一种焊接质量预测方法、装置和设备。
技术介绍
[0002]焊接是现代机械制造业中一种常用的工艺方法，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，在汽车制造的应用十分广泛。
[0003]汽车制造领域中对焊接工艺有严格的要求，只有严格的要求才能保证汽车的轻量化和安全性，优秀的焊接工艺应当满足这些要求：生产节效率高、一次成品率高、故障率低、返工率低等。焊接过程中经常容易出现“飞溅”的现象，根据电阻变化曲线，波动跳跃越大，“飞溅”现象越严重，从而引发较差的焊点质量和较高的使用能耗，传统的焊接质量检测方法通常是人力检测，耗时耗力。
[0004]现有技术往往通过专业的技术人员对焊接质量打分评定，效率低并且会造成高昂的人工成本。而且检测质量的过程往往是通过工艺完成后对设备进行检测，会造成时间的延误。
[0005]机器学习方法检测焊接质量可以提高效率，但是现有的机器学习方法大多采用神经网络等黑箱算法，操作不透明，所有推理过程不可逆以及随机，有悖于工业场景下人在环的理念。
技术实现思路
[0006]本专利技术的目的是提供一种焊接质量预测方法、装置和设备，用于解决现有技术中焊接质量检测的效率低和不透明的问题。
[0007]为了解决上述技术问题，本专利技术实施例提供一种焊接质量预测方法，所述方法包括：
[0008]获取多组历史焊接数据并进行预处理，确定历史数据集；
[0009]将所述历史数据集按照预设比例划分为训练集和测试集；
[0010]对所述训练集进行模型训练，确定质量预测模型；
[0011]在判断所述质量预测模型对所述测试集的预测精准度满足预设评估条件的情况下，确定目标质量预测模型；
[0012]通过所述目标质量预测模型对目标焊接数据进行质量预测。
[0013]可选地，所述获取多组历史焊接数据并进行预处理，确定历史数据集，包括：
[0014]对所述多组历史焊接数据进行筛选，确定多组第一历史焊接数据；
[0015]对所述多组第一历史焊接数据按照历史评分划分等级，确定历史焊接数据集；
[0016]其中，所述历史焊接数据集中，历史评分大于或者等于第一阈值的所述第一历史焊接数据标注为良好等级，历史评分小于所述第一阈值的所述第一历史焊接数据标注为不
良等级。
[0017]可选地，所述对所述多组历史焊接数据进行筛选，确定多组第一历史焊接数据，包括：
[0018]通过k均值聚类算法对所述多组历史焊接数据进行聚类，排除出离群的历史焊接数据，确定多组第一历史焊接数据。
[0019]可选地，所述对所述训练集进行模型训练，确定质量预测模型，包括：
[0020]确定所述训练集中的训练数据对应的至少一特征为相关特征；
[0021]将所述训练集输入逻辑回归模型，并根据至少一所述相关特征进行模型训练；
[0022]利用网络搜索算法选取所述逻辑回归模型对应的模型参数，确定质量预测模型。
[0023]可选地，所述确定所述训练集中的训练数据对应的至少一特征为相关特征，包括：
[0024]获取所述训练集中的训练数据对应的多个特征分别与所述训练数据的等级的多个相关系数；
[0025]在所述特征对应的所述相关系数的绝对值大于第一阈值的情况下，确定为相关特征。
[0026]可选地，所述方法还包括：
[0027]将所述测试集输入所述质量预测模型，获得所述测试集中多组测试数据分别对应的预测等级；
[0028]将每一组所述测试数据对应的所述预测等级与历史等级分别进行对比，获得所述质量预测模型的预测精准度；
[0029]其中，所述历史等级为按照历史评分对所述测试数据划分的等级。
[0030]可选地，所述将所述测试集输入所述质量预测模型，获得所述测试集中多组测试数据分别对应的预测等级，包括：
[0031]将所述测试集输入所述质量预测模型，获取每一组所述测试数据对应的预测值；
[0032]在判断所述预测值大于第一阈值的情况下，确定所述预测值对应的所述测试数据的预测等级为良好等级；
[0033]在判断所述预测值小于或者等于第一阈值的情况下，确定所述预测值对应的所述测试数据的预测等级为不良等级。
[0034]本专利技术实施例还提供一种焊接质量预测装置，所述装置包括：
[0035]处理模块，用于获取多组历史焊接数据并进行预处理，确定历史数据集；
[0036]划分模块，用于将所述历史数据集按照预设比例划分为训练集和测试集；
[0037]训练模块，用于对所述训练集进行模型训练，确定质量预测模型；
[0038]模型确定模块，用于在判断所述质量预测模型对所述测试集的预测精准度满足预设评估条件的情况下，确定目标质量预测模型；
[0039]质量预测模块，用于通过所述目标质量预测模型对目标焊接数据进行质量预测。
[0040]本专利技术实施例还提供一种处理设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其中，所述处理器用于读取存储器中的程序，执行如上任一项所述的焊接质量预测方法。
[0041]本专利技术的上述技术方案的有益效果如下：
[0042]上述方案中，通过对历史焊接数据进行模型训练，确定目标质量预测模型，通过本
专利技术实施例提供的目标质量预测模型可以实现对实时采集到的焊接数据进行实时预测，操作透明并且有着较高的计算效率和准确度。
附图说明
[0043]图1为本专利技术实施例提供的焊接质量预测方法的流程示意图；
[0044]图2为采用本专利技术实施例提供的焊接质量预测方法的流程示意图；
[0045]图3为本专利技术实施例提供的焊接质量预测装置的结构示意图。
具体实施方式
[0046]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实施例，并不是全部的实施例。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，都属于本专利技术保护的范围。
[0047]如图1所示，本专利技术实施例提供一种焊接质量预测方法，所述方法包括：
[0048]步骤S101，获取多组历史焊接数据并进行预处理，确定历史数据集；
[0049]步骤S102，将所述历史数据集按照预设比例划分为训练集和测试集；
[0050]步骤S103，对所述训练集进行模型训练，确定质量预测模型；
[0051]步骤S104，在判断所述质量预测模型对所述测试集的预测精准度满足预设评估条件的情况下，确定目标质量预测模型；
[0052]步骤S105，通过所述目标质量预测模型对目标焊接数据进行质量预测。
[0053]本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种焊接质量预测方法，其特征在于，所述方法包括：获取多组历史焊接数据并进行预处理，确定历史数据集；将所述历史数据集按照预设比例划分为训练集和测试集；对所述训练集进行模型训练，确定质量预测模型；在判断所述质量预测模型对所述测试集的预测精准度满足预设评估条件的情况下，确定目标质量预测模型；通过所述目标质量预测模型对目标焊接数据进行质量预测。2.根据权利要求1所述的焊接质量预测方法，其特征在于，所述获取多组历史焊接数据并进行预处理，确定历史数据集，包括：对所述多组历史焊接数据进行筛选，确定多组第一历史焊接数据；对所述多组第一历史焊接数据按照历史评分划分等级，确定历史焊接数据集；其中，所述历史焊接数据集中，历史评分大于或者等于第一阈值的所述第一历史焊接数据标注为良好等级，历史评分小于所述第一阈值的所述第一历史焊接数据标注为不良等级。3.根据权利要求2所述的焊接质量预测方法，其特征在于，所述对所述多组历史焊接数据进行筛选，确定多组第一历史焊接数据，包括：通过k均值聚类算法对所述多组历史焊接数据进行聚类，排除出离群的历史焊接数据，确定多组第一历史焊接数据。4.根据权利要求1所述的焊接质量预测方法，其特征在于，所述对所述训练集进行模型训练，确定质量预测模型，包括：确定所述训练集中的训练数据对应的至少一特征为相关特征；将所述训练集输入逻辑回归模型，并根据至少一所述相关特征进行模型训练；利用网络搜索算法选取所述逻辑回归模型对应的模型参数，确定质量预测模型。5.根据权利要求4所述的焊接质量预测方法，其特征在于，所述确定所述训练集中的训练数据对应的至少一特征为相关特征，包括：获取所述训练集中的训练数据对应的多个特征分别与所述训练数据的等级的多...
【专利技术属性】
技术研发人员：李璐璐，张寅，路名，
申请(专利权)人：大唐融合通信股份有限公司，
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。