CN113420185B - 电极帽修磨周期能耗计算系统及方法 - Google Patents
电极帽修磨周期能耗计算系统及方法 Download PDFInfo
- Publication number
- CN113420185B CN113420185B CN202110634804.7A CN202110634804A CN113420185B CN 113420185 B CN113420185 B CN 113420185B CN 202110634804 A CN202110634804 A CN 202110634804A CN 113420185 B CN113420185 B CN 113420185B
- Authority
- CN
- China
- Prior art keywords
- welding
- energy consumption
- electrode cap
- stage
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Resistance Welding (AREA)
Abstract
本发明公开了一种电极帽修磨周期能耗计算系统及方法,它的特征信息获取模块用于通过大数据分析软件从需要分析的焊点所对应的焊点主文件数据和相应焊点索引文件中得到电极帽修磨周期基本特征信息,并利用电极帽修磨周期基本特征信息计算需要分析的每个焊点在三个阶段的电极帽修磨周期能耗计算的衍生特征信息;能耗计算模块利用每个焊点在三个阶段的电极帽修磨周期基本特征信息和电极帽修磨周期能耗计算的衍生特征信息,通过自适应辛普森算法得到每个焊点在三个阶段的电极帽修磨周期能耗。本发明通过大数据数理统计分析手段,对海量的焊点数据进行数理统计分析,对焊接机器人在焊点焊接过程中的电极帽修磨周期能耗进行准确计算。
Description
技术领域
本发明涉及汽车零部件制造技术领域,具体地指一种电极帽修磨周期能耗计算系统及方法。
背景技术
焊接是现代机械制造业的一种常用工艺,在汽车制造中应用十分广泛。焊接工艺以焊枪为工具,以焊点的形式将两种或两种以上同种或异种金属材料连接成一体,焊点质量的优劣对汽车整体质量影响巨大。随着智能制造的深入,可以通过大数据技术和人工智能手段,让焊接数据产生更大的价值。如实现快速找到质量缺陷问题,查找影响质量异常的主要因素,实现质检、工艺等预测性维护,以达到增效、节能,降本目的。
一个完整的焊接过程通常包含金属贴合致密(第一阶段)、金属升温融化(第二阶段)、焊核形成焊接完毕(第三阶段)三部分,总体耗时约400ms以内,焊接过程特征变化以焊接曲线形式表征,焊接曲线中包括了焊接区域电流、电压、电阻和功率随时间变化的曲线,如图1所示;
焊接过程中,金属贴合致密过程末期,随金属贴合情况的变化,如图1所示,焊接过程中焊接区域电阻随时间变化曲线相对低点R1,对应时间为t1;进入金属升温融化阶段后,随着金属板间温度升高,焊接区域电阻随时间变化曲线出现阻值相对高点R2,对应时间为t2,之后进入焊核形成阶段,对应的焊接区域电阻随时间变化曲线从R2高点逐步降低;当焊接电流为0时,焊接结束,对应时间为t3,对应的焊接区域电阻随时间变化曲线阻值为R3。图1标注的焊接区域电阻随时间变化曲线的异常波动(不平滑),表明在当前焊接过程中出现了“飞溅”的现象,波动跳跃越大,“飞溅”现象越严重,从而引发较差的焊点质量和较高的使用能耗。
现有技术方案中,关于焊点状态的判断,主要是通过安装相应装置、传感器,在线采集焊点数据和焊点飞溅姿态照片并进行能耗方面的研究;此种方法,要安装相应装置和传感器,并在线采集焊点数据和焊点飞溅姿态信息,通过CAN线传输到计算机,方法复杂。
发明内容
本发明的目的就是要提供一种电极帽修磨周期能耗计算系统及方法,本发明通过大数据数理统计分析手段,对海量的焊点数据进行数理统计分析,对焊接机器人在焊点焊接过程中的电极帽修磨周期能耗进行准确计算。
为实现此目的,本发明所设计的电极帽修磨周期与能耗相关性分析系统,它包括数据预处理模块、预处理数据加载模块、特征信息获取模块和电极帽修磨周期能耗计算模块;
数据预处理模块用于对焊接机器人在预设时间段内形成的焊点主文件数据进行数据预处理,删除焊接失败形成的主文件数据、焊枪断电形成的主文件数据和焊接结束后形成的主文件数据;
预处理数据加载模块用于利用焊点索引文件通过大数据分析软件将需要分析的焊点对应的数据预处理后的焊点主文件数据进行提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应焊点主文件数据;
特征信息获取模块用于通过大数据分析软件从需要分析的焊点所对应的焊点主文件数据和相应焊点索引文件中得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息,并利用电极帽修磨周期基本特征信息计算需要分析的每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗计算的衍生特征信息;
能耗计算模块用于利用每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息和电极帽修磨周期能耗计算的衍生特征信息,通过自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗。
本发明的有益效果:
本发明技术方案,以大数据统计方法为手段,采用自适应辛普森(Simpson)算法计算焊接过程中三个阶段的能耗;利用该能耗数据通过Python的Seaborn可视化模型建立电极帽修磨周期与能耗的分布图、通过Python的分位计算函数quantile()计算能耗分位点数据,并给出不同修磨步指针下的分位点能耗变化趋势,从而得出电极帽修磨周期与能耗的相关性。为焊枪、电极帽、能耗、焊点的进一步研究提供理数据支撑,实现快速找到质量缺陷问题,查找影响质量异常的主要因素,实现质检、工艺等预测性维护,以达到增效、节能,降低成本的目的。
附图说明
图1为焊接过程特征曲线;
图2为本发明的结构示意图;
图3为三个不同阶段不同能耗分位点的极帽修磨周期能耗离散图像,以及极帽修磨周期能耗直方和概率核密度辅助图像;
图4为折线趋势线和直方趋势图。
图3中的5张子图表明在电极帽不同修模周期与能耗的关系图,修磨次数:电极帽一个生命周期可修磨25次;修磨指针:1次修磨包含5个步指针(1,2,3,4,10);步计数:1个步指针包含80个步计数;焊点个数:1个步计数就是一个焊点;一个电极帽生命周期可焊接次数:5(步指针)*80(步计数)*25(修磨次数)=10000(次),电极帽随着焊接次数、修磨次数的增加,其对能耗的影响持续增加,所以在相关性分析时,即要考虑修磨周期,又要考虑步指针,才能表示完整的电极帽修磨周期与能耗的影响。
其中,1-数据预处理模块、2-预处理数据加载模块、3-特征信息获取模块、4-电极帽修磨周期能耗计算模块、5-可视化处理模块。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明:
在焊接过程中,焊枪上的电极帽是耗材,会随着焊接点数增加而消耗,并逐渐镦粗,表面生成锌黄铜,表面电阻逐渐变大,会导致焊接曲线的异变,影响焊点质量,在实际的生产过程中,往往会针对焊枪上的电极帽进行修磨及更换,以保障焊点质量,在实际使用过程中,修磨及更换电极帽过程如下:修磨次数1、修磨次数2,…,修磨次数24,更换电极帽。电极帽一次次修磨会对焊接产生一系列影响,影响焊接质量,同时增加焊接时刻能耗。
本发明需要统计分析的数据是已积累了大量自动实时采集的焊接机器人的焊点文件数据(半年、500G),焊点数据采样周期1ms,每个焊点文件大约400条焊点记录。
如图2所示电极帽修磨周期能耗计算系统,它包括数据预处理模块1、预处理数据加载模块2、特征信息获取模块3、电极帽修磨周期能耗计算模块4和可视化处理模块5;
数据预处理模块1用于对焊接机器人在预设时间段内形成的焊点主文件数据进行数据预处理,删除焊接失败形成的主文件数据、焊枪断电形成的主文件数据和焊接结束后形成的主文件数据;
预处理数据加载模块2用于利用焊点索引文件通过大数据分析软件将需要分析的焊点对应的数据预处理后的焊点主文件数据进行提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应焊点主文件数据;
特征信息获取模块3用于通过大数据分析软件从需要分析的焊点所对应的焊点主文件数据和相应焊点索引文件中得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息,并利用电极帽修磨周期基本特征信息计算需要分析的每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗计算的衍生特征信息;
能耗计算模块4用于利用每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息和电极帽修磨周期能耗计算的衍生特征信息,通过自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗。
所述可视化处理模块5用于将每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗进行不同能耗分位点处理,得到三个不同阶段不同能耗分位点的极帽修磨周期能耗离散图像,以及极帽修磨周期能耗直方和概率核密度辅助图像,如图3所示。
上述技术方案中,一个焊点的完整生命周期内,大约经历249~400ms,此过程的二维图像可表达为一条关于时间与动态电阻(在焊接过程中,焊接区域不断进行电、热、力交互作用,引起焊接区域的电阻发生变化)的曲线。该曲线特点:通常包括高到低到高到平缓下降的过程。把高到低中的低称为相对低点,因为此点并非完整曲线的最低点。
上述技术方案中,所述数据预处理模块1删除焊接失败形成的主文件数据的具体方式为删除焊接一个焊点所经历的总时长超过400ms的焊点数据文件或焊接一个焊点所经历的总时长小于200ms的焊点数据文件,此类数据应为焊接失败的数据;
数据预处理模块1删除焊枪断电形成的主文件数据的具体方式为删除焊接一个焊点对应的焊点电流、焊点电压、焊点电阻和焊点功率均为0对应的焊点数据文件,此类数据应为焊接过程中突发事件导致焊枪断电;
数据预处理模块1删除焊接结束后形成的主文件数据的具体方式为将焊点电阻曲线最后多行标记为0的数据删除,只保留第一行为0的数据行,多余的几行为0数据,被认为焊接结束,焊枪动作完成,但数据传输上位机的指令迟于焊枪动作完成指令(当焊接结束,焊接动作完成,数据传输上位机的指令迟于焊枪动作完成指令,所以还有几个ms的时间来记录数据采样值,只是此时的数据采样结果均为0,我们认为第1个为0的记录就是焊枪结束点。因此后面的多个ms的为0记录可以删除。数据预处理模块1主要是为了获取准确的焊枪结束点的记录)。
数据预处理模块1在焊点数据文件中空值填充为前一行数据值,默认当前的焊点状态保持上一时刻的焊点状态。
上述技术方案中,所述数据预处理模块1对焊点主文件数据进行数据预处理时,对焊点数据文件中空值填充为前一行数据值,默认当前的焊点状态保持上一时刻的焊点状态。
上述技术方案中,预处理数据加载模块2通过Python软件利用焊点索引文件的焊点索引字段和焊接曲线存放路径字段作为焊点主文件数据筛选件提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应的焊点主文件数据。
上述技术方案中,所述焊点索引文件的相关字段包括序号字段、时间字段、焊点索引段、车型字段、焊点码段、步指针段、步计数段、修磨计字段和焊接线存放路径字段;
焊点主文件数据包括点索引数据、焊点电流数据、焊点电压数据、焊点电阻数据和焊点功率数据。
上述技术方案中,所述电极帽修磨周期基本特征信息包括步指针字段、步计数字段、修磨计数字段和焊点功率数据;所述电极帽修磨周期能耗计算衍生特征信息包括需要分析的每个焊点在金属贴合致密、金属升温融化和焊核形成焊接完毕三个阶段的焊点功率信息、三个阶段的焊点功率对时间的一阶导数、三个阶段的焊点功率对时间的二阶导数。
上述技术方案中,自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗的具体方式为:
对金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段分别采用如下公式进行计算,得到金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段的电极帽修磨周期能耗;
其中,a和b为金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段中预设的细分时间段的起点和终点,f(a)为a时间点对应的焊点功率,f(b)为b时间点对应的焊点功率,为(a+b)/2时间点对应的焊点功率,∫a bf(x)dx为金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段的a到b时间段的能耗,金属贴合致密阶段由n1个a到b时间段构成,将金属贴合致密阶段中n1个a到b时间段的能耗累加形成金属贴合致密阶段的电极帽修磨周期能耗;
金属升温融化阶段由n2个a到b时间段构成,将金属升温融化阶段中n2个a到b时间段的能耗累加形成金属升温融化阶段的电极帽修磨周期能耗;
焊核形成焊接完毕阶段由n3个a到b时间段构成,将焊核形成焊接完毕阶段中n3个a到b时间段的能耗累加形成焊核形成焊接完毕阶段的电极帽修磨周期能耗。
本发明采用自适应辛普森(Simpson)算法计算能耗。由于能耗是功率曲线与x轴(t)围成的梯形,对功率曲线进行离散积分就可以得到能耗。自适应辛普森(Simpson)算法基本思想就是把复杂的函数f近似成二次函数。
b-a的值越小,上式两边越接近,上式可通过phthon代码实现。
辛普森(Simpson)公式,把积分区间拆成多个小区间后求和。自适应就是求积分时能够自动控制切割的区间大小,即将切割的区间大小设置为变量,并给定区间大小一个阈值,根据Python代码计算结果与阈值判断,对切分区间大小自动调节。
上述技术方案中,所述可视化处理模块5利用Python软件的quantile()函数确定能耗分位点。
电极帽修磨周期与能耗相关性进一步定量分析,采用电极帽不同修磨步指针下的能耗分位数据确定折线和直方趋势线图的综合分布图。分位计算的方法采用Python提供的quantile()。
用于描述电极帽的参数有stpp(步指针)、stpn(步计数)、tdress(修磨计数)三个。电极帽的tdress(修磨计数)共25次,修磨25次后,被认为电极帽寿命已到,可以更换电极帽,体现在焊接主文件中为tdress=0,2,3...,24;电极帽的stpp(步指针)是指每达到5个修磨指针被认为是一次修磨计数,体现在焊接主文件中为stpp=1,2,3,4,10;stpn(步计数)是指每个步指针里计数80个时为1个指针,体现在焊接主文件中为stpn=1,2,3,...,80。
能耗分位数据是对能耗分析的一种方法,即数据分位法。通常的数据分位分为:数据的四分位点(25%,50%,75%分位)。在Python中可直接使用quantile()函数直接计算能耗的四分位点位置。通过能耗的分位数据分析,可以获得能耗数据的区间和离散程度。
建立修磨周期与能耗的相关性,首先要计算出焊接过程中的三个阶段的能耗和焊接过程总能耗;接着绘制电极帽修磨周期与不同阶段能耗的分布图;最后通过电极帽修磨周期与能耗的分布关系,近而分析电极帽修磨对能耗的影响规律。
获取电极帽不同修磨周期(步指针)对应的能耗分位数据,分位点分别为:0.025,0.2,0.5,0.8,0.975,并对比不同修磨周期(步指针)下的不同分位点的能耗分布情况,给出折线和直方图趋势。
从修磨周期与能耗分布图中可以发现,随着修磨周期的增加,能耗由最初的稳定收敛,出现能耗逐渐偏离稳定中心,修磨次数越多,能耗偏离稳定中心越多,说明随着修磨周期的增加,电极帽的状态由稳定变为不稳状态,这与通常认知的电极帽生命周期规律是吻合的。
从修磨周期与能耗数据中,获取修磨周期与能耗的进一步数据,即电极帽修磨周期不同步指针下的不同能耗分位(0.025分位、0.2分位、0.5分位、0.8分位、0.975)数据,以及绘制折线趋势线和直方趋势图。从修磨周期与能耗分位及趋势图中可以发现,随着电极帽修磨次数的增加,能耗总体基本呈现上升趋势,这与通常认知的电极帽生命周期规律也是吻合的。
一种电极帽修磨周期能耗计算方法,它包括如下步骤:
步骤1:对焊接机器人在预设时间段内形成的焊点主文件数据进行数据预处理,删除焊接失败形成的主文件数据、焊枪断电形成的主文件数据和焊接结束后形成的主文件数据;
步骤2:利用焊点索引文件通过大数据分析软件将需要分析的焊点对应的数据预处理后的焊点主文件数据进行提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应焊点主文件数据;
步骤3:通过大数据分析软件从需要分析的焊点所对应的焊点主文件数据和相应焊点索引文件中得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息,并利用电极帽修磨周期基本特征信息计算需要分析的每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗计算的衍生特征信息;
步骤4:利用每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息和电极帽修磨周期能耗计算的衍生特征信息,通过自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗。
本说明书未作详细描述内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种电极帽修磨周期能耗计算系统,其特征在于:它包括数据预处理模块(1)、预处理数据加载模块(2)、特征信息获取模块(3)和电极帽修磨周期能耗计算模块(4);
数据预处理模块(1)用于对焊接机器人在预设时间段内形成的焊点主文件数据进行数据预处理,删除焊接失败形成的主文件数据、焊枪断电形成的主文件数据和焊接结束后形成的主文件数据;
预处理数据加载模块(2)用于利用焊点索引文件通过大数据分析软件将需要分析的焊点对应的数据预处理后的焊点主文件数据进行提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应焊点主文件数据;
特征信息获取模块(3)用于通过大数据分析软件从需要分析的焊点所对应的焊点主文件数据和相应焊点索引文件中得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息,并利用电极帽修磨周期基本特征信息计算需要分析的每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗计算的衍生特征信息;
能耗计算模块(4)用于利用每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息和电极帽修磨周期能耗计算的衍生特征信息,通过自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗。
2.根据权 利要求1所述的电极帽修磨周期能耗计算系统,其特征在于:它还包括可视化处理模块(5),所述可视化处理模块(5)用于将每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗进行不同能耗分位点处理,得到三个不同阶段不同能耗分位点的极帽修磨周期能耗离散图像,以及极帽修磨周期能耗直方和概率核密度辅助图像。
3.根据权利要求1所述的电极帽修磨周期能耗计算系统,其特征在于:所述数据预处理模块(1)删除焊接失败形成的主文件数据的具体方式为删除焊接一个焊点所经历的总时长超过400ms的焊点数据文件或焊接一个焊点所经历的总时长小于200ms的焊点数据文件;
数据预处理模块(1)删除焊枪断电形成的主文件数据的具体方式为删除焊接一个焊点对应的焊点电流、焊点电压、焊点电阻和焊点功率均为0对应的焊点数据文件;
数据预处理模块(1)删除焊接结束后形成的主文件数据的具体方式为将焊点电阻曲线最后多行标记为0的数据删除,只保留第一行为0的数据行。
4.根据权利要求1所述的电极帽修磨周期能耗计算系统,其特征在于:所述数据预处理模块(1)对焊点主文件数据进行数据预处理时,对焊点数据文件中空值填充为前一行数据值,默认当前的焊点状态保持上一时刻的焊点状态。
5.根据权利要求1所述的电极帽修磨周期能耗计算系统,其特征在于:预处理数据加载模块(2)通过Python软件利用焊点索引文件的焊点索引字段和焊接曲线存放路径字段作为焊点主文件数据筛选条件提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应的焊点主文件数据。
6.根据权利要求5所述的电极帽修磨周期能耗计算系统,其特征在于:所述焊点索引文件的相关字段包序号字段、时间字段、焊点索引字段、车型码字段、焊点码字段、步指针字段、步计数字段、修磨计数字段和焊接曲线存放路径字段;
焊点主文件数据包括焊点索引数据、焊点电流数据、焊点电压数据、焊点电阻数据和焊点功率数据。
7.根据权利要求1所述的电极帽修磨周期能耗计算系统,其特征在于:所述电极帽修磨周期基本特征信息包括步指针字段、步计数字段、修磨计数字段和焊点功率数据;所述电极帽修磨周期能耗计算衍生特征信息包括需要分析的每个焊点在金属贴合致密、金属升温融化和焊核形成焊接完毕三个阶段的焊点功率信息、三个阶段的焊点功率对时间的一阶导数、三个阶段的焊点功率对时间的二阶导数。
8.根据权利要求1所述的电极帽修磨周期能耗计算系统,其特征在于:自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗的具体方式为:
对金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段分别采用如下公式进行计算,得到金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段的电极帽修磨周期能耗;
其中,a和b为金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段中预设的细分时间段的起点和终点,f(a)为a时间点对应的焊点功率,f(b)为b时间点对应的焊点功率,为(a+b)/2时间点对应的焊点功率,∫a bf(x)dx为金属贴合致密阶段、金属升温融化阶段或焊核形成焊接完毕阶段的a到b时间段的能耗,金属贴合致密阶段由n1个a到b时间段构成,将金属贴合致密阶段中n1个a到b时间段的能耗累加形成金属贴合致密阶段的电极帽修磨周期能耗;
金属升温融化阶段由n2个a到b时间段构成,将金属升温融化阶段中n2个a到b时间段的能耗累加形成金属升温融化阶段的电极帽修磨周期能耗;
焊核形成焊接完毕阶段由n3个a到b时间段构成,将焊核形成焊接完毕阶段中n3个a到b时间段的能耗累加形成焊核形成焊接完毕阶段的电极帽修磨周期能耗。
9.根据权利要求2所述的电极帽修磨周期能耗计算系统,其特征在于:所述可视化处理模块(5)利用Python软件的quantile()函数确定能耗分位点。
10.一种电极帽修磨周期能耗计算方法,它包括如下步骤:
步骤1:对焊接机器人在预设时间段内形成的焊点主文件数据进行数据预处理,删除焊接失败形成的主文件数据、焊枪断电形成的主文件数据和焊接结束后形成的主文件数据;
步骤2:利用焊点索引文件通过大数据分析软件将需要分析的焊点对应的数据预处理后的焊点主文件数据进行提取得到需要分析的焊点所对应的焊点索引文件的相关字段和相应焊点主文件数据;
步骤3:通过大数据分析软件从需要分析的焊点所对应的焊点主文件数据和相应焊点索引文件中得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息,并利用电极帽修磨周期基本特征信息计算需要分析的每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗计算的衍生特征信息;
步骤4:利用每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期基本特征信息和电极帽修磨周期能耗计算的衍生特征信息,通过自适应辛普森算法得到每个焊点在金属贴合致密阶段、金属升温融化阶段和焊核形成焊接完毕阶段的电极帽修磨周期能耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110634804.7A CN113420185B (zh) | 2021-06-08 | 2021-06-08 | 电极帽修磨周期能耗计算系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110634804.7A CN113420185B (zh) | 2021-06-08 | 2021-06-08 | 电极帽修磨周期能耗计算系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113420185A CN113420185A (zh) | 2021-09-21 |
CN113420185B true CN113420185B (zh) | 2022-04-29 |
Family
ID=77788029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110634804.7A Active CN113420185B (zh) | 2021-06-08 | 2021-06-08 | 电极帽修磨周期能耗计算系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420185B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114083168B (zh) * | 2021-11-17 | 2022-11-29 | 东风汽车集团股份有限公司 | 一种焊接飞溅点识别方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105798555A (zh) * | 2016-06-08 | 2016-07-27 | 南京佳盛焊接装备有限公司 | 一种汽车电阻点焊电极帽的加工工艺 |
US20180145317A1 (en) * | 2016-11-18 | 2018-05-24 | Semiconductor Energy Laboratory Co., Ltd. | Positive electrode active material, method for manufacturing positive electrode active material, and secondary battery |
CN106557844B (zh) * | 2016-11-23 | 2020-02-14 | 华东理工大学 | 一种焊接机器人路径规划方法 |
CN107390684B (zh) * | 2017-07-14 | 2019-10-18 | 华南理工大学 | 一种多机器人协同的汽车零配件焊接最优路径规划方法 |
CN112633752B (zh) * | 2020-12-30 | 2023-10-17 | 广州明珞装备股份有限公司 | 电极帽使用率评估方法、系统、装置及存储介质 |
-
2021
- 2021-06-08 CN CN202110634804.7A patent/CN113420185B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113420185A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615113A (zh) | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 | |
CN101364106A (zh) | 电阻焊焊接质量控制系统及方法 | |
CN108711148B (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
CN113420185B (zh) | 电极帽修磨周期能耗计算系统及方法 | |
CN113110355B (zh) | 一种数字孪生驱动的工件加工能耗预测及优化方法 | |
CN115035120A (zh) | 基于物联网的机床控制方法及系统 | |
CN110378510B (zh) | 一种基于时间序列和层次聚合的配网物资需求预测方法 | |
CN116651971B (zh) | 一种汽车冲压模具在线检测方法及系统 | |
WO2023124220A1 (zh) | 车辆检测方法及装置 | |
CN116560327A (zh) | 一种基于物联网的电动工具生产控制方法及系统 | |
CN113505657B (zh) | 一种焊点质量检测方法及装置 | |
CN114742798A (zh) | 一种基于剪刃磨损检测的圆盘剪换刀时机预测系统及方法 | |
CN113487149B (zh) | 基于Catboost K折交叉验证的焊点异常识别系统及方法 | |
CN112257937B (zh) | 一种基于大数据技术的配电网故障预测系统及方法 | |
CN113568944B (zh) | 一种基于大数据数理统计的焊点质量分析系统及方法 | |
CN107341589A (zh) | 精工生产制造过程精细化管理方法 | |
CN113553659B (zh) | 焊点标准曲线带拟合系统及方法 | |
CN113622015B (zh) | 在线式电解抛光监测系统 | |
CN113161599A (zh) | 电池析锂监测方法及装置 | |
CN114932341B (zh) | 一种汽车车身焊接智能化控制系统 | |
CN102513650B (zh) | 一种噪声、相关、时耗三因素耦合维归约方法 | |
CN115060320A (zh) | 一种基于机器视觉的动力锂电池生产质量在线监测分析系统 | |
CN114330491A (zh) | 通过对电阻点焊焊接曲线分析指导优化焊点质量的方法 | |
CN116579546B (zh) | 一种基于园区的智能化用电数据分析及管理系统 | |
CN115618287B (zh) | 一种基于小样本数据的电阻点焊质量评价模型的构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |