[发明专利]一种基于场景匹配的焊接保护气体控制方法

说明书

本发明公开了一种基于场景匹配的焊接保护气体控制方法，针对目前不同焊接场景下保证焊接质量所需的最低焊接保护气体流速不同的问题，通过挑选若干用于描述焊接场景的高频时序数据作为指标，以场景分类为目标，实时采集相关数据，制作数据集并训练基于机器学习算法的场景分类模型；将训练好的场景分类模型部署至边缘侧，实时采集高频时序数据输入场景分类模型，即可识别当前焊接场景，并实时匹配当前焊接场景下的最低焊接保护气体流速；在此基础上对气体流速进行控制，即可实现进一步的节省焊接保护气的目标，进而实现焊接过程的碳减排的效果。

技术领域

本发明属于焊接保护气控制技术领域，特别涉及一种基于场景匹配的焊接保护气体控制方法。

背景技术

工业焊接场景中，气体保护焊作为常见焊接方式，通常采用包括CO2、Ar等工业气体作为焊接保护气，避免焊缝直接接触空气。焊接保护气作为焊接过程中重要的碳排放源头，一直都是亟需解决的课题。

传统机器人焊接在执行各工艺时，一般预先按照焊接工艺规程设定保护气流速并设为固定流量。然而实际执行工艺中，由于工艺不同，电流大小会产生变化，固定流量的保护气可能产生小电流对应大保护气流量的问题，造成保护气的浪费，碳排放的增加。此外，由于焊接场景不同，扰动因素也不尽相同，因此探索不同焊接场景下，保证焊接质量，不出现焊接异常时的最低保护气体流速，可以对焊接过程节碳问题提供解决方向。

发明内容

发明目的：针对上述背景技术焊接中存在的问题，本发明提供了一种

技术方案：一种基于场景匹配的焊接保护气体控制方法，包括以下步骤：

步骤S1、在不同焊接场景下，基于当前焊接工艺规程设置的保护气流速范围进行调整，获取不同保护气体流速下对应的焊接高频时序数据，包括焊接电流、电压和送丝速度，并根据实际过程是否发生焊接异常，对每组高频时序数据进行标注；其中发生异常则标注为1，正常焊接标注为0；

步骤S2、基于步骤S1获取的数据集进行特征提取，针对焊接电压、电流和送丝速度，以预设滑动窗大小进行特征提取；以提取后的特征数据作为场景分类模型的入模数据集；

步骤S3、对步骤S2获取的入模数据集进行切分；数据集包括训练集、测试集和验证集，按照固定比例提取；

步骤S4、对各场景进行编码，并以场景分类编码作为训练目标，选取机器学习分类算法模型搭建场景分类模型进行训练，最终通过测试集进行场景分类模型精度测试，评估模型分类效果；

步骤S5、场景分类模型训练完成后，通过步骤S3留出的验证集进行模拟运行验证，并确定场景分类策略；

步骤S6、将验证后的场景分类模型部署至边缘侧，采集实际焊接高频时序数据并输入至分类模型，获取场景分类结果，并根据步骤S1中焊接实验获取的对应焊接场景下保护气流速范围，确定不发生焊接异常时的最低焊接保护气流速，基于该流速进行气流控制。

进一步地，所述步骤S1中针对每种焊接场景重复若干次焊接，采集不同设定流速下的各项时序数据，形成若干组用于描述该焊接场景的数据集；依次降低设定流速，直至发生焊接异常，并记录下每个场景下未发生焊接异常时的最低保护气流速值。

进一步地，所述步骤S2中针对焊接电压、电流和送丝速度，以预设滑动窗大小进行特征提取；提取的特征包括时域特征、频域特征和时频域特征。

进一步地，所述步骤S3中采用预先留出验证集的方式切分入模数据集；具体地，首先按照预设比例抽取不同焊接场景下相同保护气体流速对应的高频时序数据的特征，在抽取验证集完毕后，将剩余特征数据集随机乱序，并按比例划分出训练集和测试集。

进一步地，所述步骤S4中采用XGboost模型搭建场景分类模型，输入训练集数据，进行模型训练；采用网格搜索的方式进行模型参数调节。