技术特征：
1.焊接参数量化表征的自学习方法，其特征在于，所述方法包括：得到焊接过程相关参数；利用所述焊接相关参数，输入到预先构建的神经元网络模型中，得到焊接优选参数；利用所述优选参数，输入到预先构建的焊接参数专家系统中，得到不同焊接参数焊缝质量预测方案。2.根据权利要求1所述的方法，其特征在于，所述焊接相关参数，包括：焊接参数、空间位置参数和环境参数；所述焊接参数，包括：焊接电压、焊接电流、焊接速度、焊丝伸出长度和保护气流量；所述空间位置参数，包括：焊枪末端位置参数和焊枪姿态参数；所述环境参数，包含：环境压力参数、环境湿度参数和环境温度参数。3.根据权利要求1所述的方法，其特征在于，所述利用所述焊接相关参数，输入到预先构建的神经元网络模型中，得到焊接优选参数，包括：s1.构建神经元网络模型；s2.利用所述神经元网络模型，进行训练，得到训练后的所述神经元网络模型；s3.将所述焊接相关参数，输入到所述练后的所述神经元网络模型，得到焊接优选参数。4.根据权利要求2所述的方法，其特征在于，构建所述神经元网络模型，包括：通过tensoflow框架建立神经元网络模型，采用交叉熵代价函数、小批量梯度下降算法、sigmoid激活函数、l2正则化方法和adam优化器进行构建，每个批次迭代30次，最大迭代次数为1500。5.根据权利要求3所述的方法，其特征在于，所述神经元网络模型还包括：输入层，包括：焊接电压、焊接电流、焊接速度、保护气流量、保护气类型、焊枪末端位姿、焊缝空间位置、环境压力参数、环境湿度参数和环境温度参数；隐藏层，包括:焊接电弧、熔滴过渡、温度场、熔池状态、金属结晶、二次相变、传质、传热、作用力和焊接磁场；输出层，包括：焊缝外观质量、焊缝接头力学性能和接头微观组织。6.根据权利要求2所述的方法，其特征在于，利用所述神经元网络模型，进行训练，得到训练后的所述神经元网络模型，包括：s1.将所述焊接过程相关参数进行评估检测，得到焊接过程优选参数，所述评估检测包括：对焊缝外观评估、力学性能检测和微观组织观察进行评估检测；s2.将所述焊接过程优选参数作为输入变量进行双层循环训练，通过导入库、下载参数集、数据标准化，使得训练后的神经元网络的预测置信度不小于0.95。7.根据权利要求1所述的方法，其特征在于，所述利用所述优选参数，输入到预先构建的焊接参数专家系统中，得到自动化焊接工艺解决方案，包括：利用训练后的所述神经元网络模型，将所述的优选参作为输入层输入到焊接参数专家系统，进行焊接参数的自主判断和筛选，实现焊接参数专家系统的自主学习和更新，得到不同焊接参数焊缝质量预测方案。8.焊接参数量化表征的自学习装置，其特征在于，所述装置包括：参数获取模块，用于得到焊接过程相关参数；
筛选模块，用于利用所述焊接相关参数，输入到预先构建的神经元网络模型中，得到焊接优选参数；预测模块，用于利用所述优选参数，输入到预先构建的焊接参数专家系统中，得到不同焊接参数焊缝质量预测方案。9.焊接参数量化表征的自学习设备，其特征在于，所述设备包括：存储器，其上存储有可执行程序；处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-7中任一项所述方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-7任一项所述方法的步骤。
技术总结
本申请涉及焊接参数量化表征的自学习方法、装置、设备及存储介质，本申请包括:得到焊接过程相关参数；利用所述焊接相关参数，输入到预先构建的神经元网络模型中，得到焊接优选参数；利用所述优选参数，输入到预先构建的焊接参数专家系统中，得到不同焊接参数焊缝质量预测方案。本申请有助于实现手工电弧焊脱技能化，通过获得详细的焊接参数并把这些参数合理的运用，得到不同焊接参数焊缝质量预测方案，为复杂工况下的机器人高质量自动化焊接提供工艺解决方案。工艺解决方案。工艺解决方案。
技术研发人员：黄继强 阎其睿 薛龙 姚舒晏 梁亚军 邹勇 曹莹瑜 黄军芬 张瑞英 韩峰
受保护的技术使用者：北京石油化工学院
技术研发日：2022.10.12
技术公布日：2023/3/21