CN115178834A - 不锈钢焊接时长选择系统 - Google Patents
不锈钢焊接时长选择系统 Download PDFInfo
- Publication number
- CN115178834A CN115178834A CN202211112193.0A CN202211112193A CN115178834A CN 115178834 A CN115178834 A CN 115178834A CN 202211112193 A CN202211112193 A CN 202211112193A CN 115178834 A CN115178834 A CN 115178834A
- Authority
- CN
- China
- Prior art keywords
- welding
- stainless steel
- welded
- current
- area
- 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.)
- Pending
Links
- 238000003466 welding Methods 0.000 title claims abstract description 311
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 83
- 239000010935 stainless steel Substances 0.000 title claims abstract description 83
- 238000013528 artificial neural network Methods 0.000 claims abstract description 52
- 230000007246 mechanism Effects 0.000 claims abstract description 51
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 41
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 41
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 230000000875 corresponding effect Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 8
- 238000013461 design Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
-
- 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)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Optics & Photonics (AREA)
- Arc Welding In General (AREA)
Abstract
本发明涉及一种不锈钢焊接时长选择系统，包括：预测执行设备，用于从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得表征焊接质量的输出；时长筛选设备，用于基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的输出筛选最优焊接时长。本发明的不锈钢焊接时长选择系统运行稳定、设计智能。由于能够采用视觉化测量机制以及焊接效果智能预测机制选择最佳焊接效果对应的焊接时长，从而实现了对焊接操作过程的智能化控制。
Description
技术领域
本发明涉及不锈钢焊接领域，尤其涉及一种不锈钢焊接时长选择系统。
背景技术
当前，在使用焊条执行对不锈钢器件的焊接处理时，有多项因素影响到后续的焊接效果，包括焊接电流数值、当前焊接面积、不锈钢器件的碳含量百分比以及焊接时长，在实际操作中，当前焊接面积很难准确测量，同时也无法预测哪一具体数值的焊接时长能够使得焊接效果最佳，实际操作中只能拼接焊接工人的经验进行焊接时长的选择，从而导致焊接效果的随机性。
为了解决该问题，现有技术中提出下列方法：
例如，CN207840347U公开了一种焊接时长监控装置，用于与焊接装置连接并控制焊接时长，包括计时模块，以及分别连接于所述计时模块的信息处理模块和数据存储模块；所述计时模块用于焊接时长的计时操作，并在焊接时长达到设定值时产生用于触发所述信息处理模块的触发信号；所述信息处理模块用于接收所述触发信号并对焊接操作进行提示或输出控制所述焊接装置工作状态的控制指令；所述数据存储模块用于所述存储所述焊接时长监控装置所设定或生成的数据。该焊接时长监控装置除了实现计时加工外，还能对相关的设定和历史数据进行存储，便于日后焊接加工的调用和调整，提高工作效率。
然而，现有技术中的方法无法考虑焊接中的更多参数，例如实时焊接电流数值、当前焊接面积、碳含量百分比以及焊接时长等因素，进而无法实现焊接操作过程的智能化控制。
发明内容
为了解决上述问题，本发明提供了一种不锈钢焊接时长选择系统，能够在采用视觉化测量机制测量出不锈钢器件当前焊接面积的同时，构造以实时焊接电流数值、当前焊接面积、碳含量百分比以及焊接时长作为多项输入内容、待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度作为多项输出内容的前馈神经网络，并基于各项焊接时长分别对应的焊接效果的输出数值选择最佳焊接效果对应的焊接时长，从而优化了焊接操作过程。
根据本发明的一方面，提供了一种不锈钢焊接时长选择系统，所述系统包括：
电流检测机构，用于检测通过焊条的电流数值以作为实时焊接电流数值输出，所述焊条用于执行对待焊接的不锈钢器件的焊接操作；
数值判断机构，与所述电流检测机构连接，用于在接收到的实时焊接电流数值小于等于设定电流下限时，发出打火困难信号，所述数值判断机构还用于在接收到的实时焊接电流数值大于设定电流上限时，发出焊条粘结信号，所述设定电流上限的取值大于所述设定电流下限的取值且所述设定电流上限的取值是所述设定电流下限的取值的倍数；
面积辨识机构，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出；
碳含量检测仪，用于对待焊接的不锈钢器件执行碳含量测量以获得待焊接的不锈钢器件的碳含量百分比；
预测执行设备，分别与所述电流检测机构、所述面积辨识机构以及所述碳含量检测仪连接，用于从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度；
时长筛选设备，与所述预测执行设备连接，用于基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的多项输出内容筛选最优焊接时长作为推荐焊接时长输出；
其中，在所述时长筛选设备中，首选对应的判断标识数值标识焊接后未出现焊接裂缝的焊接时长，再选对应的判断标识数值标识焊接后出现焊接裂缝的焊接时长且最长裂缝长度最小的焊接时长。
由此可见，相对于现有技术，本发明具备以下有益的技术效果：
第一、从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度，基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的多项输出内容筛选最优焊接时长作为推荐焊接时长，从而基于预测焊接效果实现最优焊接时长的反馈式选择，保证了不同条件下的不锈钢焊接质量；
第二、使用的前馈神经网络为经过多次学习后的前馈神经网络，学习的次数与待焊接的不锈钢器件的碳含量百分比单调正向关联；
第三、采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积，从而为后续的焊接效果的智能预测提供可靠数据。
本发明的不锈钢焊接时长选择系统运行稳定、设计智能。由于能够采用视觉化测量机制以及焊接效果智能预测机制选择最佳焊接效果对应的焊接时长，从而实现了对焊接操作过程的智能化控制。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案A示出的不锈钢焊接时长选择系统的内部结构图。
图2为根据本发明实施方案B示出的不锈钢焊接时长选择系统的内部结构图。
图3为根据本发明实施方案C示出的不锈钢焊接时长选择系统的内部结构图。
具体实施方式
下面将参照附图对本发明的不锈钢焊接时长选择系统的实施方案进行详细说明。
实施例1
图1为根据本发明实施方案A示出的不锈钢焊接时长选择系统的内部结构图，所述系统包括：
电流检测机构，用于检测通过焊条的电流数值以作为实时焊接电流数值输出，所述焊条用于执行对待焊接的不锈钢器件的焊接操作；
数值判断机构，与所述电流检测机构连接，用于在接收到的实时焊接电流数值小于等于设定电流下限时，发出打火困难信号，所述数值判断机构还用于在接收到的实时焊接电流数值大于设定电流上限时，发出焊条粘结信号，所述设定电流上限的取值大于所述设定电流下限的取值且所述设定电流上限的取值是所述设定电流下限的取值的倍数；
面积辨识机构，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出；
碳含量检测仪，用于对待焊接的不锈钢器件执行碳含量测量以获得待焊接的不锈钢器件的碳含量百分比；
预测执行设备，分别与所述电流检测机构、所述面积辨识机构以及所述碳含量检测仪连接，用于从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度；
时长筛选设备，与所述预测执行设备连接，用于基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的多项输出内容筛选最优焊接时长作为推荐焊接时长输出；
其中，在所述时长筛选设备中，首选对应的判断标识数值标识焊接后未出现焊接裂缝的焊接时长，再选对应的判断标识数值标识焊接后出现焊接裂缝的焊接时长且最长裂缝长度最小的焊接时长；
举例说明如下，当对应的判断标识数值标识焊接后未出现焊接裂缝的焊接时长为30分钟，对应的判断标识数值标识焊接后出现焊接裂缝的焊接时长且最长裂缝长度最小的焊接时长为50分钟时，在执行最优焊接时长的筛选时，首先选择30分钟为最优焊接时长并作为推荐焊接时长输出，再选择50分钟为最优焊接时长并作为推荐焊接时长输出。
实施例2
图2为根据本发明实施方案B示出的不锈钢焊接时长选择系统的内部结构图，相比较于本发明实施方案A，所述系统还包括：
电流检测机构，用于检测通过焊条的电流数值以作为实时焊接电流数值输出，所述焊条用于执行对待焊接的不锈钢器件的焊接操作；
数值判断机构，与所述电流检测机构连接，用于在接收到的实时焊接电流数值小于等于设定电流下限时，发出打火困难信号，所述数值判断机构还用于在接收到的实时焊接电流数值大于设定电流上限时，发出焊条粘结信号，所述设定电流上限的取值大于所述设定电流下限的取值且所述设定电流上限的取值是所述设定电流下限的取值的倍数；
面积辨识机构，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出；
碳含量检测仪，用于对待焊接的不锈钢器件执行碳含量测量以获得待焊接的不锈钢器件的碳含量百分比；
预测执行设备，分别与所述电流检测机构、所述面积辨识机构以及所述碳含量检测仪连接，用于从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度；
时长筛选设备，与所述预测执行设备连接，用于基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的多项输出内容筛选最优焊接时长作为推荐焊接时长输出；
其中，在所述时长筛选设备中，首选对应的判断标识数值标识焊接后未出现焊接裂缝的焊接时长，再选对应的判断标识数值标识焊接后出现焊接裂缝的焊接时长且最长裂缝长度最小的焊接时长；
参数显示设备，与所述时长筛选设备连接，用于接收并实时显示所述推荐焊接时长。
实施例3
图3为根据本发明实施方案C示出的不锈钢焊接时长选择系统的内部结构图，相比较于本发明实施方案A，所述系统还包括：
电流检测机构，用于检测通过焊条的电流数值以作为实时焊接电流数值输出，所述焊条用于执行对待焊接的不锈钢器件的焊接操作；
数值判断机构，与所述电流检测机构连接，用于在接收到的实时焊接电流数值小于等于设定电流下限时，发出打火困难信号，所述数值判断机构还用于在接收到的实时焊接电流数值大于设定电流上限时，发出焊条粘结信号，所述设定电流上限的取值大于所述设定电流下限的取值且所述设定电流上限的取值是所述设定电流下限的取值的倍数；
面积辨识机构，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出；
碳含量检测仪，用于对待焊接的不锈钢器件执行碳含量测量以获得待焊接的不锈钢器件的碳含量百分比；
预测执行设备，分别与所述电流检测机构、所述面积辨识机构以及所述碳含量检测仪连接，用于从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度；
时长筛选设备，与所述预测执行设备连接，用于基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的多项输出内容筛选最优焊接时长作为推荐焊接时长输出；
其中，在所述时长筛选设备中，首选对应的判断标识数值标识焊接后未出现焊接裂缝的焊接时长，再选对应的判断标识数值标识焊接后出现焊接裂缝的焊接时长且最长裂缝长度最小的焊接时长；
网络学习设备，与所述预测执行设备连接，用于在所述预测执行设备使用前馈神经网络之前，对前馈神经网络执行多次学习操作；
其中，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度包括：使用的前馈神经网络为经过多次学习后的前馈神经网络；
其中，使用的前馈神经网络为经过多次学习后的前馈神经网络包括：学习的次数与待焊接的不锈钢器件的碳含量百分比单调正向关联；
例如，待焊接的不锈钢器件的碳含量百分比为百分之0.08时，学习的次数取值为200次；
又如，待焊接的不锈钢器件的碳含量百分比为百分之0.04时，学习的次数取值为500次。
接着，继续对本发明的不锈钢焊接时长选择系统的具体结构进行进一步的说明。
根据本发明任一实施方案的不锈钢焊接时长选择系统中：
将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度还包括：当是否出现焊接裂缝的判断标识数值为0B01时，标识出现焊接裂缝；
其中，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度还包括：当是否出现焊接裂缝的判断标识数值为0B00时，标识未出现焊接裂缝，同时焊接裂缝条数以及最长裂缝长度都为固定长度的二进制的零的表示数值。
根据本发明任一实施方案的不锈钢焊接时长选择系统中：
采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出包括：采集待焊接的不锈钢器件的待焊接区域的成像画面；
其中，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出还包括：对所述待焊接的不锈钢器件的待焊接区域的成像画面进行待焊接区域的识别以获得待焊接区域的视觉面积数据；
其中，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出还包括：确定与待焊接区域的视觉面积数据正向关联的待焊接区域的实体面积数据以作为当前焊接面积输出；
其中，所述面积辨识机构包括画面采集设备、视觉测量设备以及实体判断设备，所述视觉测量设备分别与所述画面采集设备和所述实体判断设备连接。
另外，在所述不锈钢焊接时长选择系统中，当是否出现焊接裂缝的判断标识数值为0B01时，标识出现焊接裂缝包括：当是否出现焊接裂缝的判断标识数值为0B01时，标识出现焊接裂缝，同时焊接裂缝条数以及最长裂缝长度都为固定长度的二进制的非零的表示数值。
以上具体实施方式，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质（例如固态硬盘Solid State Disk（SSD））等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种不锈钢焊接时长选择系统，其特征在于，包括：
电流检测机构，用于检测通过焊条的电流数值以作为实时焊接电流数值输出，所述焊条用于执行对待焊接的不锈钢器件的焊接操作；
数值判断机构，与所述电流检测机构连接，用于在接收到的实时焊接电流数值小于等于设定电流下限时，发出打火困难信号，所述数值判断机构还用于在接收到的实时焊接电流数值大于设定电流上限时，发出焊条粘结信号，所述设定电流上限的取值大于所述设定电流下限的取值且所述设定电流上限的取值是所述设定电流下限的取值的倍数；
面积辨识机构，采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出；
碳含量检测仪，用于对待焊接的不锈钢器件执行碳含量测量以获得待焊接的不锈钢器件的碳含量百分比；
预测执行设备，分别与所述电流检测机构、所述面积辨识机构以及所述碳含量检测仪连接，用于从离散且间隔均匀的多个焊接时长中次序选择单个焊接时长作为选中焊接时长，将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度；
时长筛选设备，与所述预测执行设备连接，用于基于离散且间隔均匀的多个焊接时长中每一个焊接时长对应的多项输出内容筛选最优焊接时长作为推荐焊接时长输出；
其中，在所述时长筛选设备中，首选对应的判断标识数值标识焊接后未出现焊接裂缝的焊接时长，再选对应的判断标识数值标识焊接后出现焊接裂缝的焊接时长且最长裂缝长度最小的焊接时长。
2.如权利要求1所述的不锈钢焊接时长选择系统，其特征在于，所述系统还包括：
参数显示设备，与所述时长筛选设备连接，用于接收并实时显示所述推荐焊接时长。
3.如权利要求1所述的不锈钢焊接时长选择系统，其特征在于，所述系统还包括：
网络学习设备，与所述预测执行设备连接，用于在所述预测执行设备使用前馈神经网络之前，对前馈神经网络执行多次学习操作。
4.如权利要求3所述的不锈钢焊接时长选择系统，其特征在于，
将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度包括：使用的前馈神经网络为经过多次学习后的前馈神经网络。
5.如权利要求4所述的不锈钢焊接时长选择系统，其特征在于，
使用的前馈神经网络为经过多次学习后的前馈神经网络包括：学习的次数与待焊接的不锈钢器件的碳含量百分比单调正向关联。
6.如权利要求1-5任一所述的不锈钢焊接时长选择系统，其特征在于，
将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度还包括：当是否出现焊接裂缝的判断标识数值为0B01时，标识出现焊接裂缝。
7.如权利要求6所述的不锈钢焊接时长选择系统，其特征在于，
将实时焊接电流数值、当前焊接面积、碳含量百分比以及选中焊接时长作为前馈神经网络的多项输入内容以运行所述前馈神经网络以获得所述前馈神经网络的多项输出内容，所述多项输出内容包括选中焊接时长下预测待焊接的不锈钢器件焊接后是否出现焊接裂缝的判断标识数值、焊接裂缝条数以及最长裂缝长度还包括：当是否出现焊接裂缝的判断标识数值为0B00时，标识未出现焊接裂缝，同时焊接裂缝条数以及最长裂缝长度都为固定长度的二进制的零的表示数值。
8.如权利要求1-5任一所述的不锈钢焊接时长选择系统，其特征在于，
采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出包括：采集待焊接的不锈钢器件的待焊接区域的成像画面。
9.如权利要求8所述的不锈钢焊接时长选择系统，其特征在于，
采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出还包括：对所述待焊接的不锈钢器件的待焊接区域的成像画面进行待焊接区域的识别以获得待焊接区域的视觉面积数据。
10.如权利要求9所述的不锈钢焊接时长选择系统，其特征在于，
采用可视化分析机制识别待焊接的不锈钢器件的待焊接面积以作为当前焊接面积输出还包括：确定与待焊接区域的视觉面积数据正向关联的待焊接区域的实体面积数据以作为当前焊接面积输出；
其中，所述面积辨识机构包括画面采集设备、视觉测量设备以及实体判断设备，所述视觉测量设备分别与所述画面采集设备和所述实体判断设备连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211112193.0A CN115178834A (zh) | 2022-09-13 | 2022-09-13 | 不锈钢焊接时长选择系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211112193.0A CN115178834A (zh) | 2022-09-13 | 2022-09-13 | 不锈钢焊接时长选择系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115178834A true CN115178834A (zh) | 2022-10-14 |
Family
ID=83524840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211112193.0A Pending CN115178834A (zh) | 2022-09-13 | 2022-09-13 | 不锈钢焊接时长选择系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115178834A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS53114753A (en) * | 1977-02-23 | 1978-10-06 | Hitachi Ltd | Controlling method for each time of beginning and stopping of arc welding |
| JP2000233278A (ja) * | 1999-02-09 | 2000-08-29 | Nippon Steel Weld Prod & Eng Co Ltd | スケジュ−ルに従がう溶接装置および溶接方法 |
| JP2002292467A (ja) * | 2001-03-30 | 2002-10-08 | Kobe Steel Ltd | 溶接ロボット制御装置 |
| CN207840347U (zh) * | 2017-12-28 | 2018-09-11 | 京信通信系统（中国）有限公司 | 一种焊接时长监控装置 |
| CN114473308A (zh) * | 2022-03-17 | 2022-05-13 | 江南造船(集团)有限责任公司 | 大厚度板材坡口自动化焊接系统及方法 |
-
2022
- 2022-09-13 CN CN202211112193.0A patent/CN115178834A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS53114753A (en) * | 1977-02-23 | 1978-10-06 | Hitachi Ltd | Controlling method for each time of beginning and stopping of arc welding |
| JP2000233278A (ja) * | 1999-02-09 | 2000-08-29 | Nippon Steel Weld Prod & Eng Co Ltd | スケジュ−ルに従がう溶接装置および溶接方法 |
| JP2002292467A (ja) * | 2001-03-30 | 2002-10-08 | Kobe Steel Ltd | 溶接ロボット制御装置 |
| CN207840347U (zh) * | 2017-12-28 | 2018-09-11 | 京信通信系统（中国）有限公司 | 一种焊接时长监控装置 |
| CN114473308A (zh) * | 2022-03-17 | 2022-05-13 | 江南造船(集团)有限责任公司 | 大厚度板材坡口自动化焊接系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10607463B2 (en) | Automated object and activity tracking in a live video feed | |
| EP3407200B1 (en) | Method and device for updating online self-learning event detection model | |
| KR102387958B1 (ko) | 음식물 쓰레기를 모니터링하기 위한 시스템 및 방법 | |
| CN111309539A (zh) | 一种异常监测方法、装置和电子设备 | |
| CN111292327B (zh) | 机房巡检方法、装置、设备及存储介质 | |
| CN108600790A (zh) | 一种卡顿故障的检测方法及装置 | |
| CN113095563A (zh) | 一种人工智能模型预测结果的复审方法及装置 | |
| TW201945987A (zh) | 製程異常狀態預判方法及預判系統 | |
| CN115178834A (zh) | 不锈钢焊接时长选择系统 | |
| CN108536793A (zh) | 一种防止ajax请求重复提交的方法与系统 | |
| CN113534776B (zh) | 数据处理方法、装置和流水线系统 | |
| CN115712834A (zh) | 一种告警误报检测方法、装置、设备及存储介质 | |
| JP6321878B1 (ja) | Ｐｃ鋼材劣化状況判別システム及びプログラム | |
| CN111212434A (zh) | 一种wifi模组质量预测方法、装置、设备及存储介质 | |
| US8744886B1 (en) | Systems and methods for recording defects | |
| JP2018077147A (ja) | 検査システム、検査装置の制御方法及びプログラム | |
| CN111143216A (zh) | 质量报告的生成方法、装置、设备及计算机可读存储介质 | |
| CN115509854A (zh) | 一种巡检处理方法、巡检服务器及系统 | |
| CN112381697B (zh) | 一种水污染源在线监测数据弄虚作假行为自动识别方法 | |
| D'Ottavio | Experience using NuPIC to detect anomolies in controls data | |
| CN112988504A (zh) | 一种报警策略的设定方法、装置、电子设备及存储介质 | |
| JP2000056823A (ja) | データ監視システム | |
| US20190095848A1 (en) | Action-information processing apparatus | |
| JP2020181564A (ja) | 情報処理装置及び情報処理システム | |
| CN113849337B (zh) | 一种系统异常的处理方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |