[发明专利]一种基于云计算的机器人智能焊接方法

摘要

本发明提供一种基于云计算的机器人智能焊接方法，涉及大数据信息处理的云计算焊接技术领域。本发明步骤如下：步骤1：获取n个机器人的质量信号数据，将该数据作为神经网络的输入信号,输出信号为质量信号数据与理想焊接质量信号的误差；步骤2：根据输出信号确定所有焊接质量不合格的机器人的编号和位置；步骤3：计算所有存在焊接质量不合格的机器人的输出信号与理想焊接质量信号的均方误差；步骤4：判断所有机器人的均方误差是否大于等于10，若是，则调节其主电路中开关器件的触发角和触发时间；若否，则执行步骤1。本方法通过大量信息处理后通过云计算的方式，可以有效提高焊接质量。

主权项

1.一种基于云计算的机器人智能焊接方法，其特征在于：包括如下步骤：步骤1：分别获取当前在工作状态的n个机器人的质量信号数据，n为机器人编号，所述质量信号数据包括焊接电压U、电流I、声音S、光谱特征信息氧化缝O、焊接坑深度C和热能Q；将采集到的质量信号数据作为神经网络的输入信号神经网络的输出信号y_n为质量信号数据与理想焊接质量信号的误差，其中U′代表焊接电压与理想焊接质量信号的误差，I′代表焊接电流与理想焊接质量信号的误差，S′代表焊接声音与理想焊接质量信号的误差，O′代表光谱特征信息氧化缝与理想焊接质量信号的误差，C′代表焊接坑深度与理想焊接质量信号的误差，Q′代表焊接热能与理想焊接质量信号的误差；将存在误差的机器人视为焊接质量不合格的机器人；重复本步骤，直至求出n个机器人的输出信号；理想焊接质量信号为在焊接最优情况下的信号值；第n个机器人的输入信号相量与输出信号相量之间的映射关系为：上式中，代表第n个机器人的第i个输出信号，i＝1,2,3,4,5,6；n代表机器人编号，ω_j为在云计算过程中神经网络从隐层到输出层的权值，R_j(x)表示基函数，x为输入信号组成的相量，m为云计算中隐层神经元的个数；具体基函数表达式如下所示：式中，j＝1,2,......m；c_j为第j个高斯基函数的中心；σ_j为第j个基函数中心点的宽度，m为隐层元的个数，||x‑c_j||为输入向量到c_j的欧氏距离，R_j(x)在c_j处服从高斯分布；步骤2：根据步骤1中的输出信号确定所有焊接质量不合格的机器人的编号以及机器人所在的位置；步骤3：计算出所有存在焊接质量不合格的机器人的输出信号与理想焊接质量信号的均方误差，公式如下：上式，a为存在焊接质量不合格的机器人的编号，a∈n，为机器人a的第i个实际输出信号值，为机器人a的第i个理想焊接质量信号值，表示第a个机器人的第i个输出误差；步骤4：遍历所有存在焊接质量不合格的机器人，判断机器人的均方误差E_a是否大于等于10，若是，则调节其主电路中开关器件的触发角，改变开关器件的触发时间；通过改变其触发角和触发时间，达到对电压以及电流的整定，也改变焊接质量信号；若否，则执行步骤1；调节方法的具体步骤如下：步骤4.1：计算触发角α₁、α₃、α₅、α₇、α₉，如下式所示：其中，U_g为所需通过整流后的逆变电路输出电压,U_t、u₁、u₃、u₅、u₇、u₉为参数，u₁＝U_g，u₃＝0，u₅＝0，u₇＝0，u₉＝0；步骤4.2：通过步骤4.1得到的触发角确定触发时间的；如下式所示：其中t₁、t₃、t₅、t₇、t₉分别代表在触发角为α₁、α₃、α₅、α₇、α₉时所对应的触发时间；f代表焊接过程中系统交流电的频率；步骤4.3：通过步骤4.2中得到修订后的触发角和触发时间，将以上触发时间加入修正误差△E_μ后得到最终触发时间t_1end、t_3end、t_5end、t_7end、t_9end；其中μ＝1，3，5，7，9；