CN114969553A - 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法 - Google Patents

一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法 Download PDF

Info

Publication number
CN114969553A
CN114969553A CN202210844741.2A CN202210844741A CN114969553A CN 114969553 A CN114969553 A CN 114969553A CN 202210844741 A CN202210844741 A CN 202210844741A CN 114969553 A CN114969553 A CN 114969553A
Authority
CN
China
Prior art keywords
welding
base material
knowledge
welding process
applicable
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.)
Granted
Application number
CN202210844741.2A
Other languages
English (en)
Other versions
CN114969553B (zh
Inventor
李波
田慧云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suxin Iot Solutions Nanjing Co ltd
Original Assignee
Suxin Iot Solutions Nanjing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suxin Iot Solutions Nanjing Co ltd filed Critical Suxin Iot Solutions Nanjing Co ltd
Priority to CN202210844741.2A priority Critical patent/CN114969553B/zh
Publication of CN114969553A publication Critical patent/CN114969553A/zh
Application granted granted Critical
Publication of CN114969553B publication Critical patent/CN114969553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Arc Welding In General (AREA)

Abstract

本发明公开了一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，包括：基于焊接工艺知识设计图谱架构，构建焊接工艺知识图谱；对于新的焊接工艺设计，根据现有的工艺条件从焊接工艺知识图谱中筛选出相似度最高的K个焊接工艺实例，即为K组推荐的焊接工艺参数；最后通过焊接成本计算进一步对推荐的焊接工艺参数进行筛选排序。本发明通过构建焊接工艺知识图谱，一方面将多渠道的焊接知识存储到图谱中，实现焊接工艺知识的沉淀，提高知识重用率，降低知识存储的冗余，另一方面能够实现焊接工艺参数的智能推荐，显著优化焊接工艺对应的物料成本，有效解决了焊接工艺设计中专家经验依赖性强和成本较高的问题。

Description

一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法
技术领域
本发明涉及一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，属于智能化焊接技术领域。
背景技术
随着计算机技术的高速发展，要实现高效、智能、规范化的焊接工艺设计离不开工艺知识的有效管理和工艺规划手段，即焊接工艺的知识建模和工艺规划变得极为重要。目前，国内大多数企业的焊接工艺设计主要依赖人工经验，存在知识重用率低、知识存储冗余和数字化智能化程度低等共性问题。焊接工艺工程师在进行工艺设计时，大多是通过查阅相关国家标准及工厂历史资料，并结合自身经验实现焊接工艺知识的管理，而焊接过程中，工艺内容繁多、复杂异构且知识层次较多，各个参数之间相互影响，例如：坡口形式选择、焊接材料选择、工艺参数选择等都需要查阅大量标准文件及依赖专家经验完成，造成了设计效率低、知识重用率低及工艺成本不合理甚至严重超标等问题。
因此研究智能制造下的焊接工艺知识管理、构建焊接工艺知识库系统并实现焊接工艺知识的建模及重用，对于提高企业的焊接工艺设计效率、提升焊接知识重用效率、进行焊接成本优化和管控等有着重要意义。
发明内容
发明目的：针对现有技术所存在的问题，本发明提供一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，通过构建焊接工艺知识图谱，一方面将多渠道的焊接知识存储到图谱中，实现焊接工艺知识的沉淀，提高知识重用率，降低知识存储的冗余，另一方面能够实现焊接工艺参数的智能推荐，有效提高焊接工艺的设计效率，从而解决焊接工艺设计中专家经验依赖性强和成本较高的问题。
技术方案：为实现上述目的，本发明提供一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，包括以下步骤：
步骤1：基于焊接工艺知识设计图谱架构，构建焊接工艺知识图谱；
步骤2：对于新的焊接工艺设计，根据现有的工艺条件从焊接工艺知识图谱中筛选出相似度最高的K个焊接工艺实例，即为K组推荐的焊接工艺参数；
步骤3：通过焊接成本计算进一步对推荐的焊接工艺参数进行筛选排序。
进一步的，所述焊接工艺知识的获取途径包括但不限于焊接工艺手册、焊接工艺规范标准、焊接工艺规程及专家经验知识等。
进一步的，所述相似度的计算过程包括：
a、焊接方法判断：若焊接方法相同则Sw=1，否则Sw=0；
b、坡口形式判断：若坡口形式相同则Sg=1，否则Sg=0；
c、焊接位置判断：若焊接位置相同则Sp=1，否则Sp=0；
d、母材厚度判断：若T除以Ti大于等于2，则St=-4，否则St=(1-|T-Ti|/Ti)2，其中T为现有的母材厚度，Ti为实例中的母材厚度；
e、母材牌号判断：获得母材牌号的词向量表示，并通过余弦相似度计算现有母材牌号与实例母材牌号之间的相似度Sb；
f、相似度计算：Sim=Sw+Sg+Sp+St+Sb。
进一步的，所述母材牌号的词向量表示方法包括：
（1）基于历史的焊接工艺实例，进行数据预处理：对焊接工艺的连续性特征进行归一化处理，对焊接工艺的类别性特征进行one_hot编码；
（2）构建词向量模型（包含但不限于word2vec模型），包括两部分神经网络结构（每部分包含但不限于一层或多层卷积神经网络或全连接神经网络），第一部分神经网络将输入向量映射到隐层向量，第二部分神经网络将隐藏向量映射到输出向量；
（3）以除母材牌号外的工艺特征为模型输入，以母材牌号为模型输出，进行模型训练；
（4）将对应母材牌号的隐层向量取出求均值，即为该母材牌号对应的词向量。
进一步的，所述步骤2还包括：如果从焊接工艺知识图谱中找不到相似度高于设定阈值的焊接工艺实例，则继续通过知识图谱的规则推理得到推荐的焊接工艺参数。
进一步的，所述知识图谱中构建的规则包括：
A、设置一对关系“焊材适用母材”与“母材可选焊材”，其中“焊材适用母材”的定义域为焊材，值域为母材，“母材可选焊材”的定义域为母材，值域为焊材，并单独为每一种焊材牌号设置适用的母材牌号；
B、设置一对关系“焊材适用焊接方法”与“焊接方法可选焊材”，其中“焊材适用焊接方法”的定义域为焊材，值域为焊接方法，“焊接方法可选焊材”的定义域为焊接方法，值域为焊材，并单独为每一种焊材牌号设置适用的焊接方法；
C、设置一对关系“焊材适用焊接位置”与“焊接位置可选焊材”，其中“焊材适用焊接位置”的定义域为焊材，值域为焊接位置，“焊接位置可选焊材”的定义域为焊接位置，值域为焊材，并单独为每一种焊材牌号设置适用的焊接位置；
D、设置一对关系“坡口适用母材厚度”与“母材厚度可选坡口”，其中“坡口适用母材厚度”的定义域为坡口形式，值域为母材厚度，“母材厚度可选坡口”的定义域为母材厚度，值域为坡口形式，并单独为每一种母材厚度设置适用的坡口形式；
E、设置一对关系“母材可选焊接方法”与“焊接方法适用母材”，其中“母材可选焊接方法”的定义域为母材，值域为焊接方法，“焊接方法适用母材”的定义域为焊接方法，值域为母材，并单独为每一种母材设置适用的焊接方法。
进一步的，所述焊接成本的计算公式包括：
单位焊缝长度的用电成本＝平均电压*平均电流／焊接速度*电费单价，
单位焊缝长度的用丝成本＝焊丝截面积*送丝速度/焊接速度*焊丝密度*焊丝单价，
单位焊缝长度的用气成本＝气流速度／焊接速度*气体单价。
有益效果：本发明提供的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，相对于现有技术，具有以下优点：
（1）通过构建焊接工艺知识图谱，一方面将多渠道的焊接知识存储到图谱中，实现了焊接工艺知识的沉淀，大大提高了知识重用率，降低了知识存储的冗余，另一方面，可同时支持基于焊接工艺实例和本体规则推理的焊接工艺参数智能推荐，有效提高了焊接工艺的设计效率，解决了工艺设计中专家经验依赖性强和成本较高的问题；
（2）通过一套焊接成本计算引擎，在实现焊接工艺参数智能推荐的基础上，直接计算出单位焊缝的用电、用丝及用气成本，从而提供最优成本的焊接工艺参数；
（3）通过母材牌号的词向量表示，使得牌号不同但同属某一种钢类型以及强度等级一致的母材在向量空间上距离较近，表示其具备较高相似性，而差别较大的母材则在向量空间中距离较远，表示其具备较低相似性，由此提高了工艺参数推荐的精度。
附图说明
图1为本发明实施例的整体流程图；
图2为本发明实施例中焊接工艺参数智能推荐的具体流程图。
具体实施方式
下面将结合附图对本发明的优选实施方式进行描述，更加清楚、完整地阐述本发明的技术方案。
如图1所示为一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，包括以下步骤：
步骤1：搜集焊接工艺知识，设计图谱架构，焊接工艺知识的获取途径包含焊接工艺手册、焊接工艺规范标准、焊接工艺规程（WPS）以及专家经验知识等。
步骤2：进行本体建模，设置实体、属性与规则，并通过推理机制产生新的知识，最终构建得到焊接工艺知识图谱，其中设置的规则包含但不限于：
A、设置一对关系“焊材适用母材”与“母材可选焊材”，其中“焊材适用母材”的定义域为焊材，值域为母材，“母材可选焊材”的定义域为母材，值域为焊材，并单独为每一种焊材牌号设置适用的母材牌号，如焊材THQ-60适用于母材Q620qD；
B、设置一对关系“焊材适用焊接方法”与“焊接方法可选焊材”，其中“焊材适用焊接方法”的定义域为焊材，值域为焊接方法，“焊接方法可选焊材”的定义域为焊接方法，值域为焊材，并单独为每一种焊材牌号设置适用的焊接方法，如焊材THQ-60仅适用于混合气体保护焊这一种焊接方法；
C、设置一对关系“焊材适用焊接位置”与“焊接位置可选焊材”，其中“焊材适用焊接位置”的定义域为焊材，值域为焊接位置，“焊接位置可选焊材”的定义域为焊接位置，值域为焊材，并单独为每一种焊材牌号设置适用的焊接位置，如焊材THQ-60适用于平、仰、横、立全位置焊接；
D、设置一对关系“坡口适用母材厚度”与“母材厚度可选坡口”，其中“坡口适用母材厚度”的定义域为坡口形式，值域为母材厚度，“母材厚度可选坡口”的定义域为母材厚度，值域为坡口形式，并单独为每一种母材厚度设置适用的坡口形式；
E、设置一对关系“母材可选焊接方法”与“焊接方法适用母材”，其中“母材可选焊接方法”的定义域为母材，值域为焊接方法，“焊接方法适用母材”的定义域为焊接方法，值域为母材，并单独为每一种母材设置适用的焊接方法。
步骤3：通过工艺实例相似度进行焊接工艺参数推荐；
步骤3.1：获得母材牌号的词向量表示；
（1）基于历史的焊接工艺参数数据，进行数据预处理，包括：对焊接电流、焊接电压、送丝速度、焊接速度等连续性特征进行归一化处理，对母材牌号、焊材牌号、焊接方法、坡口形式等类别性特征进行one_hot编码；
（2）构建word2vec模型，包括两层全连接层，第一层全连接层将输入向量映射到隐层向量（维度为N），第二层全连接层将隐藏向量映射到输出向量，实施例中N=50；
（3）以除母材牌号外的工艺特征为模型输入，以母材牌号为模型输出，进行模型训练，其中输入向量维度为V，输出向量维度为M；
（4）将对应母材牌号的隐层向量取出求均值，即为该母材对应的词向量。
这里将NLP（自然语言处理）中的word2vec算法思想应用在焊接母材的向量化上，通过对应的焊接工艺特征进行母材牌号的预测，由此将母材牌号转化为空间词向量。如果有两种不同的母材牌号，属于同一种钢材，并且强度等级一致，那么它们对应的焊接工艺特征也会是类似的，那经过模型之后提取的特征，即词向量也是类似的。这种情况下模型无法区分这两种母材，所以他们相似度很高，相反如果两种母材差距很大，模型能轻易区分开，说明得到的词向量差距也很大。
步骤3.2：相似度计算；
a、焊接方法判断：若焊接方法相同则Sw=1，否则Sw=0，焊接方法包含但不限于手工电弧焊、埋弧自动焊、二氧化碳气体保护焊、TIG焊、MIG焊、混合气体保护焊等；
b、坡口形式判断：若坡口形式相同则Sg=1，否则Sg=0，坡口形式包含但不限于V型、Y型、X型、U型、K型、不开坡口的角焊缝等；
c、焊接位置判断：若焊接位置相同则Sp=1，否则Sp=0；
d、母材厚度判断：若T除以Ti大于等于2，则St=-4，否则St=(1-|T-Ti|/Ti)2，其中T为现有的母材厚度，Ti为实例中的母材厚度；
e、母材牌号判断：根据得到的母材牌号词向量，通过余弦相似度计算现有母材牌号与实例母材牌号之间的相似度Sb；
f、相似度计算：Sim=Sw+Sg+Sp+St+Sb。
步骤3.3：通过相似度计算从焊接工艺知识图谱中筛选出相似度最高的K个焊接工艺实例，即为K组推荐的焊接工艺参数。
步骤4：如果从焊接工艺知识图谱中找不到相似度高于设定阈值的焊接工艺实例，则继续通过知识图谱的规则推理进一步得到推荐的焊接工艺参数。
步骤5：将推荐的焊接工艺参数导入成本计算引擎，实时计算出单位焊缝长度的用电成本、用丝成本及用气成本，由此进行筛选排序。
具体的，焊接成本的计算公式包括：
单位焊缝长度的用电成本＝平均电压*平均电流／焊接速度*电费单价，
单位焊缝长度的用丝成本＝焊丝截面积*送丝速度/焊接速度*焊丝密度*焊丝单价，
单位焊缝长度的用气成本＝气流速度／焊接速度*气体单价。
步骤6：如图2所示，如果一轮推理没有得到合适的焊接工艺参数，将继续进行下一轮的推理，直到推荐出合适的焊接工艺参数；当得到合适的焊接工艺参数之后，工程师可进一步基于焊接成本和质量的考量对焊接工艺参数进行一定修正，并将新的工艺实例加入到焊接工艺知识图谱的数据库中，实现数据更新和优化。
上述具体实施方式仅仅对本发明的优选实施方式进行描述，而并非对本发明的保护范围进行限定。在不脱离本发明设计构思和精神范畴的前提下，本领域的普通技术人员根据本发明所提供的文字描述、附图对本发明的技术方案所作出的各种变形、替代和改进，均应属于本发明的保护范畴。

Claims (7)

1.一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，包括以下步骤：
步骤1：基于焊接工艺知识设计图谱架构，构建焊接工艺知识图谱；
步骤2：对于新的焊接工艺设计，根据现有的工艺条件从焊接工艺知识图谱中筛选出相似度最高的K个焊接工艺实例，即为K组推荐的焊接工艺参数；
步骤3：通过焊接成本计算进一步对推荐的焊接工艺参数进行筛选排序。
2.根据权利要求1所述的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，所述焊接工艺知识的获取途径包括但不限于焊接工艺手册、焊接工艺规范标准、焊接工艺规程及专家经验知识。
3.根据权利要求1所述的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，所述相似度的计算过程包括：
a、焊接方法判断：若焊接方法相同则Sw=1，否则Sw=0；
b、坡口形式判断：若坡口形式相同则Sg=1，否则Sg=0；
c、焊接位置判断：若焊接位置相同则Sp=1，否则Sp=0；
d、母材厚度判断：若T除以Ti大于等于2，则St=-4，否则St=(1-|T-Ti|/Ti)2，其中T为现有的母材厚度，Ti为实例中的母材厚度；
e、母材牌号判断：获得母材牌号的词向量表示，并通过余弦相似度计算现有母材牌号与实例母材牌号之间的相似度Sb；
f、相似度计算：Sim=Sw+Sg+Sp+St+Sb。
4.根据权利要求3所述的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，所述母材牌号的词向量表示方法包括：
（1）基于历史的焊接工艺实例，进行数据预处理：对焊接工艺的连续性特征进行归一化处理，对焊接工艺的类别性特征进行one_hot编码；
（2）构建词向量模型，包括两部分神经网络结构，第一部分神经网络将输入向量映射到隐层向量，第二部分神经网络将隐藏向量映射到输出向量；
（3）以除母材牌号外的工艺特征为模型输入，以母材牌号为模型输出，进行模型训练；
（4）将对应母材牌号的隐层向量取出求均值，即为该母材牌号对应的词向量。
5.根据权利要求1所述的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，所述步骤2还包括：如果从焊接工艺知识图谱中找不到相似度高于设定阈值的焊接工艺实例，则继续通过知识图谱的规则推理得到推荐的焊接工艺参数。
6.根据权利要求5所述的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，所述知识图谱中构建的规则包括：
A、设置一对关系“焊材适用母材”与“母材可选焊材”，其中“焊材适用母材”的定义域为焊材，值域为母材，“母材可选焊材”的定义域为母材，值域为焊材，并单独为每一种焊材牌号设置适用的母材牌号；
B、设置一对关系“焊材适用焊接方法”与“焊接方法可选焊材”，其中“焊材适用焊接方法”的定义域为焊材，值域为焊接方法，“焊接方法可选焊材”的定义域为焊接方法，值域为焊材，并单独为每一种焊材牌号设置适用的焊接方法；
C、设置一对关系“焊材适用焊接位置”与“焊接位置可选焊材”，其中“焊材适用焊接位置”的定义域为焊材，值域为焊接位置，“焊接位置可选焊材”的定义域为焊接位置，值域为焊材，并单独为每一种焊材牌号设置适用的焊接位置；
D、设置一对关系“坡口适用母材厚度”与“母材厚度可选坡口”，其中“坡口适用母材厚度”的定义域为坡口形式，值域为母材厚度，“母材厚度可选坡口”的定义域为母材厚度，值域为坡口形式，并单独为每一种母材厚度设置适用的坡口形式；
E、设置一对关系“母材可选焊接方法”与“焊接方法适用母材”，其中“母材可选焊接方法”的定义域为母材，值域为焊接方法，“焊接方法适用母材”的定义域为焊接方法，值域为母材，并单独为每一种母材设置适用的焊接方法。
7.根据权利要求1所述的一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法，其特征在于，所述焊接成本的计算公式包括：
单位焊缝长度的用电成本＝平均电压*平均电流／焊接速度*电费单价，
单位焊缝长度的用丝成本＝焊丝截面积*送丝速度/焊接速度*焊丝密度*焊丝单价，
单位焊缝长度的用气成本＝气流速度／焊接速度*气体单价。
CN202210844741.2A 2022-07-19 2022-07-19 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法 Active CN114969553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210844741.2A CN114969553B (zh) 2022-07-19 2022-07-19 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210844741.2A CN114969553B (zh) 2022-07-19 2022-07-19 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法

Publications (2)

Publication Number Publication Date
CN114969553A true CN114969553A (zh) 2022-08-30
CN114969553B CN114969553B (zh) 2022-10-28

Family

ID=82969416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210844741.2A Active CN114969553B (zh) 2022-07-19 2022-07-19 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法

Country Status (1)

Country Link
CN (1) CN114969553B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115570228A (zh) * 2022-11-22 2023-01-06 苏芯物联技术(南京)有限公司 一种焊接管道供气智能反馈控制方法与系统
CN115659127A (zh) * 2022-11-21 2023-01-31 苏芯物联技术(南京)有限公司 一种最优用丝成本下的焊接工艺参数求解方法
CN116680839A (zh) * 2023-08-02 2023-09-01 长春设备工艺研究所 一种基于知识驱动的发动机智能化工艺设计方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9200497D0 (en) * 1991-01-11 1992-02-26 Plessey Telecomm Optical fibre interface
US20130308212A1 (en) * 2011-01-20 2013-11-21 Fivefocal Llc Passively Aligned Imaging Optics And Method Of Manufacturing The Same
CN107330032A (zh) * 2017-06-26 2017-11-07 北京理工大学 一种基于递归神经网络的隐式篇章关系分析方法
CN111625652A (zh) * 2019-07-12 2020-09-04 杭州电子科技大学 基于多路动态掩码的注意力神经网络的方法
CN111932074A (zh) * 2020-07-09 2020-11-13 江苏科技大学 一种基于知识的船舶涂装工艺智能推荐方法
CN112463980A (zh) * 2020-11-25 2021-03-09 南京摄星智能科技有限公司 一种基于知识图谱的预案智能推荐方法
CN112925260A (zh) * 2021-01-25 2021-06-08 陕西帕源路桥建设有限公司 一种自动焊接控制系统
CN113172363A (zh) * 2021-05-31 2021-07-27 中车青岛四方机车车辆股份有限公司 焊接工艺信息处理系统
CN113779330A (zh) * 2021-09-13 2021-12-10 河海大学常州校区 一种基于相似性度量的超声检测工艺参数智能计算系统
CN113963012A (zh) * 2021-10-18 2022-01-21 易思维（杭州）科技有限公司 一种焊缝边缘检测方法
CN114240891A (zh) * 2021-12-17 2022-03-25 重庆大学 融合知识图谱和图卷积神经网络的焊点质量识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9200497D0 (en) * 1991-01-11 1992-02-26 Plessey Telecomm Optical fibre interface
US20130308212A1 (en) * 2011-01-20 2013-11-21 Fivefocal Llc Passively Aligned Imaging Optics And Method Of Manufacturing The Same
CN107330032A (zh) * 2017-06-26 2017-11-07 北京理工大学 一种基于递归神经网络的隐式篇章关系分析方法
CN111625652A (zh) * 2019-07-12 2020-09-04 杭州电子科技大学 基于多路动态掩码的注意力神经网络的方法
CN111932074A (zh) * 2020-07-09 2020-11-13 江苏科技大学 一种基于知识的船舶涂装工艺智能推荐方法
CN112463980A (zh) * 2020-11-25 2021-03-09 南京摄星智能科技有限公司 一种基于知识图谱的预案智能推荐方法
CN112925260A (zh) * 2021-01-25 2021-06-08 陕西帕源路桥建设有限公司 一种自动焊接控制系统
CN113172363A (zh) * 2021-05-31 2021-07-27 中车青岛四方机车车辆股份有限公司 焊接工艺信息处理系统
CN113779330A (zh) * 2021-09-13 2021-12-10 河海大学常州校区 一种基于相似性度量的超声检测工艺参数智能计算系统
CN113963012A (zh) * 2021-10-18 2022-01-21 易思维（杭州）科技有限公司 一种焊缝边缘检测方法
CN114240891A (zh) * 2021-12-17 2022-03-25 重庆大学 融合知识图谱和图卷积神经网络的焊点质量识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHAND R R 等: "A study on welding quality of robotic arc welding process using mahalanobis distance method", 《MATERIALS SCIENCE FORUM》 *
J. CHEN 等: "Research on ship welding process planning with case-based reasoning", 《2010 2ND IEEE INTERNATIONAL CONFERENCE ON INFORMATION MANAGEMENT AND ENGINEERING》 *
卢正君 等: "基于CAD的机器人焊接、切割离线编程系统", 《机器人技术与应用》 *
邱潮欣: "电阻点焊工艺设计专家系统的研究与开发", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659127A (zh) * 2022-11-21 2023-01-31 苏芯物联技术(南京)有限公司 一种最优用丝成本下的焊接工艺参数求解方法
CN115570228A (zh) * 2022-11-22 2023-01-06 苏芯物联技术(南京)有限公司 一种焊接管道供气智能反馈控制方法与系统
CN116680839A (zh) * 2023-08-02 2023-09-01 长春设备工艺研究所 一种基于知识驱动的发动机智能化工艺设计方法
CN116680839B (zh) * 2023-08-02 2023-12-08 长春设备工艺研究所 一种基于知识驱动的发动机智能化工艺设计方法

Also Published As

Publication number Publication date
CN114969553B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
CN114969553B (zh) 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法
CN101764407A (zh) 一种基于模糊期望值模型的配电网的规划方法
CN104156584A (zh) 多目标优化差分进化算法的传感器目标分配方法及系统
CN107203687A (zh) 吸收塔脱硫过程多目标协同智能优化控制方法
Vimal et al. Optimization of process parameters of SMAW process using NN-FGRA from the sustainability view point
CN112819225A (zh) 基于bp神经网络和arima模型的碳市场价格预测方法
CN115841250A (zh) 一种基于集成学习的电费拖欠风险预警方法及系统
McCalley et al. National long-term investment planning for energy and transportation systems
CN106503832A (zh) 无人‑有人协同信息分发传递优化方法和系统
Qin et al. A performance indicator based infill criterion for expensive multi-/many-objective optimization
Hakimi-Asiabar et al. Multi-objective genetic local search algorithm using Kohonen’s neural map
Daifen Evaluate the sustainable marketing strategy to optimal online leasing of new energy vehicles under the background big data economy
Zhou et al. Research on intelligent solution of service industry supply chain network optimization based on genetic algorithm
Zhang et al. Intelligent design of robotic welding process parameters using learning-based methods
CN104102955A (zh) 一种基于抽象凸估计选择差分进化算法的电力线路规划方法
CN111401427A (zh) 一种基于工业大数据的产品成本评估方法及系统
Qu et al. A transport mode selection method for multimodal transportation based on an adaptive ANN system
CN115186882A (zh) 一种基于聚类的可控负荷空间密度预测方法
CN114021869A (zh) 以电网投资收益最大化为目标的投入产出评估方法及系统
CN113806478A (zh) 一种基于图神经网络的挖掘机故障辅助决策方法
Choudhury et al. Electron Beam Welding Investigation of Inconel 825 and Optimize Energy Consumption Using Integrated Fuzzy Logic-Particle Swarm Optimization Approach
CN116595872B (zh) 基于多目标学习算法的焊接参数自适应预测方法
Yao et al. Research on The “Electricity-Carbon” Model Based on The Electricity Big Data
Qiu et al. The Analysis of Environmental Cost Control of Manufacturing Enterprises Using Deep Learning Optimization Algorithm and Internet of Things
CN109583766A (zh) 放开增量配电业务背景下的电网企业辅助投资决策方法

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