[发明专利]基于迁移学习的焊接工艺参数推荐方法、装置及机器人

权利要求书

1.一种基于迁移学习的焊接工艺参数推荐方法，其特征在于，包括：

建立关于第一焊接场景和第一焊接工艺参数的第一神经网络模型；

获取至少一组第二焊接经验场景信息和第二焊接经验工艺参数信息；

根据所述第二焊接经验场景信息和第二焊接经验工艺参数信息，采用反向传播算法对所述第一神经网络模型进行训练，获得关于第二焊接场景和第二焊接工艺参数的第二神经网络模型；

获取焊接目标场景参数，并输入至所述第二神经网络模型，输出焊接目标工艺参数；

其中，所述第一焊接经验场景信息至少包括第一板材厚度、第二板材厚度和焊丝直径，所述第一焊接经验工艺参数信息至少包括焊接电流值；

所述第二焊接经验场景信息的类型和第一焊接经验场景信息的类型相同，所述第二焊接经验工艺参数信息的类型和所述第一焊接经验工艺参数信息的类型相同；

所述第一焊接经验场景信息和第一焊接经验工艺参数信息呈映射关系；

所述第二焊接经验场景信息和第二焊接经验工艺参数信息呈映射关系；

所述建立关于第一焊接场景和第一焊接工艺参数的第一神经网络模型，包括：

获取第一焊接经验场景信息和第一焊接经验工艺参数信息，并进行归一化处理，分别作为样本输入数据和样本输出数据；

建立神经网络，确定神经网络的输入层神经元数量、隐藏层数量以及输出层神经元数量；

根据所述样本输入数据和样本输出数据，采用反向传播算法确定神经网络的权重值和偏差值，对所述神经网络进行训练，获得关于第一焊接场景和第一焊接工艺参数的第一神经网络模型；

所述采用反向传播算法对所述第一神经网络模型进行训练，包括：冻结所述第一神经网络模型的前部分区域，采用反向传播算法确定权重值和偏差值对所述第一神经网络模型的后部分区域进行训练；

所述获取第一焊接经验场景信息和第一焊接经验工艺参数信息，并进行归一化处理，分别作为样本输入数据和样本输出数据包括：

将第一焊接经验场景信息和第一焊接经验工艺参数信息转换成机器学习可以理解的形式，因此需要进行归一化处理，具体包括：

计算每一类第一焊接经验场景信息或者第一焊接经验工艺参数信息的数量；

如果所述数量多于或者等于预设数量，则通过以下公式进行归一化处理：

其中，y为归一化后的值，x为一类焊接经验场景信息或者焊接经验工艺参数信息，为平均值，s为标准差，N为焊接经验场景信息或者焊接经验工艺参数信息的数量；

如果所述数量少于预设数量，则通过以下公式进行归一化处理：

y＝x/x_max；

其中，x_max为x可能合理出现的最大值；

归一化的后的第一焊接经验场景信息作为样本输入数据，归一化后的第一焊接经验工艺参数信息作为样本输出数据。

2.根据权利要求1所述的基于迁移学习的焊接工艺参数推荐方法，其特征在于，所述第二焊接经验场景信息和第二焊接经验工艺参数信息的数量为1-3组。

3.根据权利要求1所述的基于迁移学习的焊接工艺参数推荐方法，其特征在于，所述神经网络的输入层神经元数量与第一焊接经验场景信息中的信息类型的数量相等；

所述神经网络的隐藏层数量至少为一层；

所述输出层神经元数量至少为一个。

4.根据权利要求1所述的基于迁移学习的焊接工艺参数推荐方法，其特征在于，

根据所述样本输入数据和样本输出数据，采用反向传播算法确定神经网络的权重值和偏差值，对所述神经网络进行训练，训练周期大于1000，学习速率为0.01；

根据所述第二焊接经验场景信息和第二焊接经验工艺参数信息，采用反向传播算法对所述第一神经网络模型进行训练，训练周期为10-100，学习速率为0.01。