System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及远程监控领域,尤其涉及一种智能激光焊接机焊接异常自动调整的方法及系统。
技术介绍
1、激光焊接机是一种现代化的焊接设备,它利用高能激光束对材料进行加热,使材料局部熔化并形成焊缝,以此来完成金属或其他材料的焊接过程。激光焊接机焊接异常自动调整实现了焊接过程的自动化和智能化,提高了焊接质量和生产效率,降低了人工成本。
2、目前激光焊接机焊接异常自动调整主要是通过传感器采集智能激光焊接机焊接过程的焊接参数,并通过识别所述焊接参数是否大于预设的标准阈值时来识别异常并进行自动调整,这种方法只能对已经发生的异常进行识别调整,无法对可能要发生的异常进行预防,从而导致智能激光焊接机焊接异常自动调整不过智能化。
技术实现思路
1、本专利技术提供一种智能激光焊接机焊接异常自动调整的方法及系统,其主要目的在于提高对智能激光焊接机焊接异常自动调整的智能化。
2、为实现上述目的,本专利技术提供的一种智能激光焊接机焊接异常自动调整的方法,包括:
3、采集激光焊接机的历史运行数据和当前运行数据,识别所述历史运行数据对应的历史运行异常,基于所述历史运行异常,对所述历史运行数据进行异常标记,得到标记运行数据;
4、构建所述激光焊接机的异常识别网络架构,基于所述标记运行数据和预设的损失函数,优化所述异常识别网络架构的网络架构参数,得到优化异常识别模型,计算所述优化异常识别模型的模型异常识别性能;
5、当所述模型异常识别性能符合预设的标准性能时,
6、基于所述异常关联关系和所述运行状态,分析所述激光焊接机的持续运行状态,识别所述持续运行状态的异常状态,基于所述异常状态,构建所述激光焊接机的参数粒子群;
7、利用预设的焊接状态评价函数计算所述参数粒子群对应粒子组的状态适应度,基于所述状态适应度,确定所述激光焊接机的最优粒子组,基于所述最优粒子组,调整所述激光焊接机的焊接参数,得到调整参数,基于所述调整参数实现所述激光焊接机的异常自动调整。
8、可选地,所述基于所述历史运行异常,对所述历史运行数据进行异常标记,得到标记运行数据,包括:
9、构建所述历史运行异常和所述历史运行数据的统一时间轴;
10、基于所述统一时间轴,对所述历史运行数据进行序列化,得到序列历史运行数据;
11、识别所述历史运行异常的时间节点;
12、提取所述时间节点对应目标序列历史运行数据;
13、对所述序列历史运行数据进行标记,得到所述标记运行数据。
14、可选地,所述构建所述激光焊接机的异常识别网络架构,包括:
15、识别所述激光焊接机的监测需求;
16、计算所述监测需求的需求复杂系数;
17、基于所述需求复杂系数,确定所述激光焊接机的架构组件;
18、基于所述架构组件,构建所述激光焊接机的异常识别网络架构。
19、可选地,所述基于所述标记运行数据和预设的损失函数,优化所述异常识别网络架构的网络架构参数,得到优化异常识别模型,包括:
20、利用所述标记运行数据和所述损失函数,计算所述异常识别网络架构对应架构参数的架构参数梯度;
21、基于所述架构参数梯度,计算所述异常识别网络架构的目标架构参数;
22、基于所述架构参数梯度,优化所述异常识别网络架构的网络架构参数,得到优化异常识别模型。
23、可选地,所述利用所述标记运行数据和所述损失函数,计算所述异常识别网络架构对应架构参数的架构参数梯度,包括:
24、提取所述标记运行数据中焊接参数;
25、基于所述焊接参数,利用所述异常识别网络架构输出架构预测值;
26、基于所述架构预测值和所述损失函数,利用下述公式计算异常识别网络架构对应架构参数的架构参数梯度:
27、;
28、其中,表示网络架构对应架构参数中权重的架构参数梯度,表示损失函数对架构预测值的梯度,表示异常识别网络架构中激活函数对异常识别网络架构对应神经元输出值的导数,表示神经元输出值对网络架构对应架构参数中权重的梯度,表示网络架构对应架构参数中偏置的架构参数梯度,表示神经元输出值对网络架构对应架构参数中偏置的梯度。
29、可选地,所述当所述模型异常识别性能符合预设的标准性能时,基于所述当前运行数据,利用所述优化异常识别模型识别所述激光焊接机的运行状态,包括:
30、当所述模型异常识别性能符合预设的标准性能时,利用所述优化异常识别模型中的卷积层对所述当前运行数据进行特征提取,得到数据特征图;
31、利用所述优化异常识别模型中的池化层对所述数据特征图进行特征图提取,得到目标特征图;
32、利用所述优化异常识别模型中的激活函数对所述目标特征图引入非线性性质,得到非线性性质特征图;
33、利用所述优化异常识别模型中的全连接层对所述非线性性质特征图进行连接,得到所述激光焊接机的运行状态。
34、可选地,所述识别所述激光焊接机的异常影响参数,包括:
35、构建所述激光焊接机对应焊接参数的参数测试组;
36、识别所述参数测试组中测试焊接参数对应激光焊接机的测试运行状态;
37、基于所述参数测试组和所述测试运行状态,构建所述激光焊接机对应焊接参数和运行状态之间的关联关系曲线;
38、基于所述关联关系曲线,识别所述激光焊接机的异常影响参数。
39、可选地,所述基于所述关联关系曲线,识别所述激光焊接机的异常影响参数,包括:
40、识别所述关联关系曲线的波动区域;
41、基于所述波动区域,利用下述公式计算所述关联关系曲线的波动系数:
42、;
43、其中,表示关联关系曲线的波动系数,表示关联关系曲线第个波动区域的波动幅度,表示关联关系曲线,表示关联关系曲线第个波动区域对应最高点的角频率,表示关联关系曲线第个波动区域对应最高值,表示关联关系曲线第个波动区域对应最低值,表示关联关系曲线第个波动区域的持续时间,表示关联关系曲线对应波动区域的数量;
44、基于所述波动系数,确定所述激光焊接机的异常影响参数。
45、可选地,所述基于所述异常关联关系和所述运行状态,分析所述激光焊接机的持续运行状态,包括:
46、识别所述激光焊接机对应焊接参数的参数预测值;
47、基于所述参数预测值和所述异常关联关系,分析所述激光焊接机的预测运行状态;
48、对所述预测运行状态进行序列化,得到序列预测运行状态;
49、基于所述序列预测运行状态,分析所述激光焊接机的持续运行状态。
...
【技术保护点】
1.一种智能激光焊接机焊接异常自动调整的方法,其特征在于,所述方法包括:
2.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述基于所述历史运行异常,对所述历史运行数据进行异常标记,得到标记运行数据,包括:
3.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述构建所述激光焊接机的异常识别网络架构,包括:
4.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述基于所述标记运行数据和预设的损失函数,优化所述异常识别网络架构的网络架构参数,得到优化异常识别模型,包括:
5.如权利要求4所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述利用所述标记运行数据和所述损失函数,计算所述异常识别网络架构对应架构参数的架构参数梯度,包括:
6.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述当所述模型异常识别性能符合预设的标准性能时,基于所述当前运行数据,利用所述优化异常识别模型识别所述激光焊接机的运行状态,包括:
7.如权利
8.如权利要求7所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述基于所述关联关系曲线,识别所述激光焊接机的异常影响参数,包括:
9.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述基于所述异常关联关系和所述运行状态,分析所述激光焊接机的持续运行状态,包括:
10.一种智能激光焊接机焊接异常自动调整的系统,其特征在于,用于执行如权利要求1-9中任意一项所述的智能激光焊接机焊接异常自动调整的方法,所述系统包括:
...【技术特征摘要】
1.一种智能激光焊接机焊接异常自动调整的方法,其特征在于,所述方法包括:
2.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述基于所述历史运行异常,对所述历史运行数据进行异常标记,得到标记运行数据,包括:
3.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述构建所述激光焊接机的异常识别网络架构,包括:
4.如权利要求1所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述基于所述标记运行数据和预设的损失函数,优化所述异常识别网络架构的网络架构参数,得到优化异常识别模型,包括:
5.如权利要求4所述的智能激光焊接机焊接异常自动调整的方法,其特征在于,所述利用所述标记运行数据和所述损失函数,计算所述异常识别网络架构对应架构参数的架构参数梯度,包括:
6.如权利要求1所述的智...
【专利技术属性】
技术研发人员:刘坤,邓利明,曹海宣,
申请(专利权)人:深圳市艾雷激光科技有限公司,
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。