CN115659127A - 一种最优用丝成本下的焊接工艺参数求解方法 - Google Patents

一种最优用丝成本下的焊接工艺参数求解方法 Download PDF

Info

Publication number
CN115659127A
CN115659127A CN202211454254.1A CN202211454254A CN115659127A CN 115659127 A CN115659127 A CN 115659127A CN 202211454254 A CN202211454254 A CN 202211454254A CN 115659127 A CN115659127 A CN 115659127A
Authority
CN
China
Prior art keywords
welding
current
wire
cost
speed
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
CN202211454254.1A
Other languages
English (en)
Other versions
CN115659127B (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 CN202211454254.1A priority Critical patent/CN115659127B/zh
Publication of CN115659127A publication Critical patent/CN115659127A/zh
Application granted granted Critical
Publication of CN115659127B publication Critical patent/CN115659127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Wire Processing (AREA)

Abstract

本发明公开了一种最优用丝成本下的焊接工艺参数求解方法，首先通过采集实际焊接过程中的各项数据，计算实际电流值对应的送丝速度中位数，接着通过多元线性回归和最小二乘法拟合电流与送丝速度的关系，拟合电流与电压的关系，在此基础上，分别建立单位长度焊缝的用丝成本和单位长度焊缝的热输入关于电流、焊接速度的表达式；接着用单位长度焊缝的热输入表征质量区间，并约束合理质量区间，通过遗传算法求解合理质量区间内，用丝成本最优解所对应的电流及焊接速度；本发明相比于传统焊丝用量计算方法可以有效节省焊丝成本，在不影响焊接质量的前提下，通过成本寻优，为机器人焊接的用丝成本缩减提供最合理的焊接参数。

Description

一种最优用丝成本下的焊接工艺参数求解方法
技术领域
本发明属于智慧焊接技术领域，特别涉及一种最优用丝成本下的焊接工艺参数求解方法。
背景技术
焊接工艺规程（WPS）指的是为特定焊接结构设定制造条件的书面文件，一般包括材质及复验、接头及坡口、焊接方法及焊接参数、焊接热输入、焊前预热及焊后热处理、焊接顺序、检验及返修标准等。在大型机器人焊接过程中需要以WPS为标准设置相关焊接参数，实际焊接过程中一般选取各项参数取值范围的中间值，选取中间值可以有效保证焊接质量位于合理的取值范围，但却不能保证焊丝成本最低，经常会造成大量的焊丝成本浪费的问题。在焊接工艺参数设计的过程中，焊丝成本的优化问题是一个很重要的课题。实际焊接过程中，如何在合理的质量前提下尽可能节约焊丝成本成为制造业企业在成本节约方面必须考虑的问题。
发明内容
发明目的：针对上述背景技术中存在的问题，本发明提供了一种最优用丝成本下的焊接工艺参数求解方法，首先分别拟合出单位长度焊缝用丝成本和热输入关于电流和焊接速度的关系，接着通过改进的遗传算法，在保证焊接质量合格的情况下，求解用丝成本最优解对应的电流及焊接速度，作为最优选择。
技术方案：一种最优用丝成本下的焊接工艺参数求解方法，包括以下步骤：
步骤S1、采集实际焊接过程中的电流、电压和送丝速度数据，并计算每个电流值及对应的送丝速度中位数；
步骤S2、通过多元线性回归和最小二乘法拟合电流与送丝速度的关系；
步骤S3、拟合电流与电压的关系；
步骤S4、单位长度焊缝的用丝成本COST表达如下：
Figure 100002_DEST_PATH_IMAGE001
单位长度焊缝的热输入heatinput表达如下：
Figure 825565DEST_PATH_IMAGE002
将步骤S2-S3中的拟合关系代入上式，分别获取COST、heatinput与电流、焊接速度间的关系；
步骤S5、用单位长度焊缝的热输入表征质量区间，并约束合理质量区间，求解合理质量区间内，用丝成本最优解所对应的电流及焊接速度。
进一步地，所述步骤S1中遍历所有电流值i，获取电流数据中大于等于i且小于i+1的所有电流值对应的送丝速度，统计所述送丝速度的中位数，记为feedspeed_median，则每个电流值i对应一个feedspeed_median；将电流值i添加至电流列表current_list中，对应的送丝速度中位数feedspeed_median添加至送丝速度列表feedspeed_list中。
进一步地，所述步骤S2中拟合电流I与送丝速度feedspeed的关系如下：
Figure 100002_DEST_PATH_IMAGE003
其中A、B、C为系数。
进一步地，所述步骤S3中拟合电流I与电压U的关系如下：
Figure 562577DEST_PATH_IMAGE004
其中k、b为系数。
进一步地，所述步骤S4中单位长度焊缝的用丝成本COST具体表达如下：
Figure 100002_DEST_PATH_IMAGE005
单位长度焊缝的热输入heatinput具体表达如下：
Figure 899012DEST_PATH_IMAGE006
其中V代表焊接速度。
进一步地，所述步骤S5中以单位长度焊缝的热输入表征质量区间，并约束合理质量区间的方法包括：
步骤L5.1、分别获取焊接工艺规程中电流I、焊接速度V取值范围的中间值，
步骤L5.2、根据步骤S2-S4中获取的heatinput表达关系求取I、V中间值对应的heatinput，设置合理质量区间为[0.8heatinput，1.2heatinput]。
进一步地，通过遗传算法求解焊接工艺规程范围内，用丝成本最优解所对应的电流及焊接速度，具体步骤包括：
步骤S5.1、设定遗传算法初始值，包括初始种群规模p、最大遗传代数MAXGEN、交叉概率Pc，变异概率Pm，设计变量的二进制长度为L，其中变量包括电流和焊接速度；设计初始遗传代数计数器gen=0；
步骤S5.2、根据焊接工艺规程中电流和焊接速度的设定范围，对变量进行二进制编码，染色体由两个变量的二进制顺序排列而成，长度为2L；
步骤S5.3、开始遗传步骤，遗传代数计数器gen记录遗传代数；
步骤S5.4、每一代遗传中，设置种群中个体的适应度f=-COST；
步骤S5.5、通过轮盘赌法复制p/4的新个体，用所述新个体替换掉适应度最低的p/4个种群个体；计算种群中个体适应度的方差f_std，通过sigmoid函数计算出交叉概率与变异概率的系数如下：
Figure 100002_DEST_PATH_IMAGE007
其中
Figure 391173DEST_PATH_IMAGE008
为调整系数；
步骤S5.6、基于种群中的个体适应度计算每个个体的交叉概率和变异概率；具体地，将种群个体中所有适应度除以最小值，进行归一化处理，获得个体的归一化适应度f1，计算个体交叉概率如下：
Figure 100002_DEST_PATH_IMAGE009
计算个体变异概率如下：
Figure 944383DEST_PATH_IMAGE010
其中
Figure 100002_DEST_PATH_IMAGE011
为系数；
步骤S5.7、采用遍历随机抽样法从当前种群中选出2个父体进行交叉操作；具体地，设置随机数rand，取值范围为[0,1]，当rand小于2个父体的交叉概率均值时，父体间随机选择一段二进制数值进行交叉；否则不进行交叉；
步骤S5.8、随机选取种群中的个体，以个体变异概率Pm进行变异操作，通过随机取反的方式对个体中的某一段二进制数值进行变异操作，产生新个体；
步骤S5.9、统计出每代遗传过程中适应度最高的个体，比较相邻2代间适应度最高的个体对应的适应度，保留适应度较高的一代个体；当存在连续C代遗传过程中最高适应度个体未发生改变时，提取个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度；否则持续遗传过程，直至遗传代数计数器gen＞MAXGEN，提取最后一代遗传过程中适应度最高的个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度。
本发明采用的技术方案与现有技术方案相比，具有以下有益效果：
（1）、本发明首先采集了实际焊接过程中的各项参数，根据不同焊机，拟合出符合焊机运行规律的电流与送丝速度、电流与电压的关系，进而分别得到用丝成本和热输入的表达关系。在约束热输入的情况下，通过遗传算法求解最优的焊丝成本方案对应的电流和焊接速度，为机器人焊接的参数设置提供了最佳标准。相比于传统焊丝用量计算方法，本发明提供了一种在合适质量区间内寻求最优焊丝成本的方法，可以有效节省焊丝成本，为机器人焊接的成本缩减提供最优方案。
（2）本发明采用遗传算法对焊丝成本进行寻优，传统的自适应遗传算法更倾向于改变适应度不好的个体，当所有个体趋于一致时，使其变异或交叉的概率变大的问题则无法解决。本发明创造性地基于个体适应度方差设计了交叉概率和变异概率的系数，可以使计算结果跳出局部最优。同时设计了具体的交叉概率和变异概率的计算方法，使得交叉和变异过程更加符合焊接的实际规律。
（3）本发明在WPS规定的各项参数取值范围内，建立模糊的热输入优化求解范围，以此范围为合理质量区间，在此范围内进一步求解最优焊丝成本对应的电流、焊接速度，可以有效减少遗传代数，降低遗传算法的计算量，提升计算效率。
附图说明
图1为本发明提供的最优焊丝成本优化求解方法流程图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示，本发明提供了一种焊接过程中最优焊丝成本的优化求解方法。首先通过采集实际焊接过程中的各项数据，计算实际电流值对应的送丝速度中位数。接着通过多元线性回归和最小二乘法拟合电流与送丝速度的关系，拟合电流与电压的关系。在此基础上，分别建立单位长度焊缝的用丝成本和单位长度焊缝的热输入关于电流、焊接速度的表达式。接着用单位长度焊缝的热输入表征质量区间，并约束合理质量区间，通过遗传算法求解合理质量区间内，用丝成本最优解所对应的电流及焊接速度。具体方法如下：
步骤S1、采集实际焊接过程中的电流、电压和送丝速度数据，并计算每个电流值及对应的送丝速度中位数。具体地，
遍历所有电流值i，获取电流数据中大于等于i且小于i+1的所有电流值对应的送丝速度，统计所述送丝速度的中位数，记为feedspeed_median，则每个电流值i对应一个feedspeed_median；将电流值i添加至电流列表current_list中，对应的送丝速度中位数feedspeed_median添加至送丝速度列表feedspeed_list中。通过上述操作，建立了电流值与送丝速度之间的离散对应关系。方便拟合电流和送丝速度的函数关系。
步骤S2、通过多元线性回归和最小二乘法拟合电流I与送丝速度feedspeed的关系如下：
Figure 281823DEST_PATH_IMAGE003
本实施例中
Figure 925294DEST_PATH_IMAGE012
步骤S3、拟合电流I与电压U的关系如下：
Figure 260460DEST_PATH_IMAGE004
其中k、b为系数。本实施例中
Figure DEST_PATH_IMAGE013
。
步骤S4、单位长度焊缝的用丝成本COST表达如下：
Figure 802431DEST_PATH_IMAGE001
单位长度焊缝的热输入heatinput表达如下：
Figure 881246DEST_PATH_IMAGE002
将步骤S2-S3中的拟合关系代入上式，分别获取COST、heatinput与电流、焊接速度间的关系；具体如下：
Figure 441540DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
步骤S5、用单位长度焊缝的热输入表征质量区间，并约束合理质量区间，通过遗传算法求解合理质量区间内，用丝成本最优解所对应的电流及焊接速度。
本实施例中合理质量区间的确认步骤如下：
首先分别获取焊接工艺规程中电流I、焊接速度V取值范围的中间值；
接着根据heatinput表达式求取I、V中间值对应的heatinput值，设置合理质量区间为[0.8heatinput，1.2heatinput]。
在约束了合理质量区间的基础上，本实施例通过改进的遗传算法求解焊接工艺规程范围内，用丝成本最优解所对应的电流及焊接速度，具体步骤如下：
步骤S5.1、设定遗传算法初始值，包括初始种群规模p、最大遗传代数MAXGEN、交叉概率Pc，变异概率Pm，设计变量的二进制长度为L，其中变量包括电流和焊接速度；设计初始遗传代数计数器gen=0；
步骤S5.2、根据焊接工艺规程中电流和焊接速度的设定范围，对变量进行二进制编码，染色体由两个变量的二进制顺序排列而成，长度为2L；
步骤S5.3、开始遗传步骤，遗传代数计数器gen记录遗传代数；
步骤S5.4、每一代遗传中，设置种群中个体的适应度f=-COST；
步骤S5.5、通过轮盘赌法复制p/4的新个体，用所述新个体替换掉适应度最低的p/4个种群个体；计算种群中个体适应度的方差f_std，通过sigmoid函数计算出交叉概率与变异概率的系数如下：
Figure 530631DEST_PATH_IMAGE016
其中
Figure 481269DEST_PATH_IMAGE008
为调整系数，根据COST的大小进行调整，实施例中
Figure 363775DEST_PATH_IMAGE008
=1。在实际遗传过程中，当种群个体适应度趋于一致或者趋于局部最优时，sigmoid函数值在0.5左右浮动，则
Figure DEST_PATH_IMAGE017
值在1左右上下浮动，确保后续计算交叉概率或者变异概率时，
Figure 778576DEST_PATH_IMAGE018
可以实现调整作用。
步骤S5.6、基于种群中的个体适应度计算每个个体的交叉概率和变异概率；具体地，将种群个体中所有适应度除以最小值，进行归一化处理，获得个体的归一化适应度f1，计算个体交叉概率如下：
Figure 534173DEST_PATH_IMAGE009
计算个体变异概率如下：
Figure 972108DEST_PATH_IMAGE010
其中
Figure 392725DEST_PATH_IMAGE011
为系数；本实施例中选取
Figure 927611DEST_PATH_IMAGE011
=0.15。本发明选取arctan函数求取个体变异概率，一方面可以保证使适应度较高的个体对应较低的变异概率，使该个体得以保护进入下一代；而适应度较低的个体，相对应于较高的变异概率，使得该个体淘汰掉。另一方面需要变异概率整体维持较低的水平，arctan函数的性质可以更好地契合变异概率的要求。另外通过系数进一步进行调整，使得变异概率整体维持较低水平。
步骤S5.7、采用遍历随机抽样法从当前种群中选出2个父体进行交叉操作；具体地，设置随机数rand，取值范围为[0,1]，当rand小于2个父体的交叉概率均值时，父体间随机选择一段二进制数值进行交叉；否则不进行交叉；本实施例中取λ=0.15。
步骤S5.8、随机选取种群中的个体，以个体变异概率Pm进行变异操作，通过随机取反的方式对个体中的某一段二进制数值进行变异操作，产生新个体；
步骤S5.9、统计出每代遗传过程中适应度最高的个体，比较相邻2代间适应度最高的个体对应的适应度，保留适应度较高的一代个体；当存在连续C代遗传过程中最高适应度个体未发生改变时，提取个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度。
本实施例中，设置一个空集合，用于存放所有遗传代数中适应度最高的个体，第1次遗传过程完毕后，将适应度最高的个体放入集合中并进入第2代遗传过程，选取第2代遗传过程中适应度最高的个体并与集合中的个体比较，留下最高适应度的个体，依次类推。当存在从第m代至第m+C代遗传过程中适应度最高的个体均为第m代个体，不曾发生改变时，则认为第m代个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度。
如果不存在上述过程中的m，则持续遗传过程，直至遗传代数计数器gen＞MAXGEN，遗传过程终止，提取最后一代遗传过程中适应度最高的个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，包括以下步骤：
步骤S1、采集实际焊接过程中的电流、电压和送丝速度数据，并计算每个电流值及对应的送丝速度中位数；
步骤S2、通过多元线性回归和最小二乘法拟合电流与送丝速度的关系；
步骤S3、拟合电流与电压的关系；
步骤S4、单位长度焊缝的用丝成本COST表达如下：
Figure DEST_PATH_IMAGE001
单位长度焊缝的热输入heatinput表达如下：
Figure 780013DEST_PATH_IMAGE002
将步骤S2-S3中的拟合关系代入上式，分别获取COST、heatinput与电流、焊接速度间的关系；
步骤S5、用单位长度焊缝的热输入表征质量区间，并约束合理质量区间，求解合理质量区间内，用丝成本最优解所对应的电流及焊接速度。
2.根据权利要求1所述的一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，所述步骤S1中遍历所有电流值i，获取电流数据中大于等于i且小于i+1的所有电流值对应的送丝速度，统计所述送丝速度的中位数，记为feedspeed_median，则每个电流值i对应一个feedspeed_median；将电流值i添加至电流列表current_list中，对应的送丝速度中位数feedspeed_median添加至送丝速度列表feedspeed_list中。
3.根据权利要求1所述的一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，所述步骤S2中拟合电流I与送丝速度feedspeed的关系如下：
Figure DEST_PATH_IMAGE003
其中A、B、C为系数。
4.根据权利要求1所述的一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，所述步骤S3中拟合电流I与电压U的关系如下：
Figure 767561DEST_PATH_IMAGE004
其中k、b为系数。
5.根据权利要求1所述的一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，所述步骤S4中单位长度焊缝的用丝成本COST具体表达如下：
Figure DEST_PATH_IMAGE005
单位长度焊缝的热输入heatinput具体表达如下：
Figure 991869DEST_PATH_IMAGE006
其中V代表焊接速度。
6.根据权利要求1所述的一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，所述步骤S5中以单位长度焊缝的热输入表征质量区间，并约束合理质量区间的方法包括：
步骤L5.1、分别获取焊接工艺规程中电流I、焊接速度V取值范围的中间值；
步骤L5.2、根据步骤S2-S4中获取的heatinput表达关系求取I、V中间值对应的heatinput，设置合理质量区间为[0.8heatinput，1.2heatinput]。
7.根据权利要求1所述的一种最优用丝成本下的焊接工艺参数求解方法，其特征在于，通过遗传算法求解焊接工艺规程范围内，用丝成本最优解所对应的电流及焊接速度，具体步骤包括：
步骤S5.1、设定遗传算法初始值，包括初始种群规模p、最大遗传代数MAXGEN、交叉概率Pc，变异概率Pm，设计变量的二进制长度为L，其中变量包括电流和焊接速度；设计初始遗传代数计数器gen=0；
步骤S5.2、根据焊接工艺规程中电流和焊接速度的设定范围，对变量进行二进制编码，染色体由两个变量的二进制顺序排列而成，长度为2L；
步骤S5.3、开始遗传步骤，遗传代数计数器gen记录遗传代数；
步骤S5.4、每一代遗传中，设置种群中个体的适应度f=-COST；
步骤S5.5、通过轮盘赌法复制p/4的新个体，用所述新个体替换掉适应度最低的p/4个种群个体；计算种群中个体适应度的方差f_std，通过sigmoid函数计算出交叉概率与变异概率的系数如下：
Figure DEST_PATH_IMAGE007
其中
Figure 364950DEST_PATH_IMAGE008
为调整系数；
步骤S5.6、基于种群中的个体适应度计算每个个体的交叉概率和变异概率；具体地，将种群个体中所有适应度除以最小值，进行归一化处理，获得个体的归一化适应度f1，计算个体交叉概率如下：
Figure DEST_PATH_IMAGE009
计算个体变异概率如下：
Figure 711618DEST_PATH_IMAGE010
其中
Figure DEST_PATH_IMAGE011
为系数；
步骤S5.7、采用遍历随机抽样法从当前种群中选出2个父体进行交叉操作；具体地，设置随机数rand，取值范围为[0,1]，当rand小于2个父体的交叉概率均值时，父体间随机选择一段二进制数值进行交叉；否则不进行交叉；
步骤S5.8、随机选取种群中的个体，以个体变异概率Pm进行变异操作，通过随机取反的方式对个体中的某一段二进制数值进行变异操作，产生新个体；
步骤S5.9、统计出每代遗传过程中适应度最高的个体，比较相邻2代间适应度最高的个体对应的适应度，保留适应度较高的一代个体；当存在连续C代遗传过程中最高适应度个体未发生改变时，提取个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度；否则持续遗传过程，直至遗传代数计数器gen＞MAXGEN，提取最后一代遗传过程中适应度最高的个体对应的电流和焊接速度作为最优焊丝成本下的电流和焊接速度。
CN202211454254.1A 2022-11-21 2022-11-21 一种最优用丝成本下的焊接工艺参数求解方法 Active CN115659127B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211454254.1A CN115659127B (zh) 2022-11-21 2022-11-21 一种最优用丝成本下的焊接工艺参数求解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211454254.1A CN115659127B (zh) 2022-11-21 2022-11-21 一种最优用丝成本下的焊接工艺参数求解方法

Publications (2)

Publication Number Publication Date
CN115659127A true CN115659127A (zh) 2023-01-31
CN115659127B CN115659127B (zh) 2023-03-14

Family

ID=85019219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211454254.1A Active CN115659127B (zh) 2022-11-21 2022-11-21 一种最优用丝成本下的焊接工艺参数求解方法

Country Status (1)

Country Link
CN (1) CN115659127B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57168772A (en) * 1981-04-10 1982-10-18 Mitsubishi Electric Corp Short circuit transfer arc welding machine
EP0139249A1 (en) * 1983-09-27 1985-05-02 Babcock-Hitachi Kabushiki Kaisha Hot-wire tig welding apparatus
CN111872523A (zh) * 2020-07-14 2020-11-03 中石化石油机械股份有限公司沙市钢管分公司 一种优化数字焊机管线钢埋弧焊工艺参数的方法
CN114386364A (zh) * 2021-12-06 2022-04-22 西安交通大学 电子表面贴装焊接质量预测与工艺参数优化方法
CN114881378A (zh) * 2022-07-12 2022-08-09 苏芯物联技术(南京)有限公司 一种焊接用丝和用电成本智能优化方法
CN114969553A (zh) * 2022-07-19 2022-08-30 苏芯物联技术(南京)有限公司 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
CN115130765A (zh) * 2022-07-07 2022-09-30 西南交通大学 一种多工艺路线单车间汽车混流排产优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57168772A (en) * 1981-04-10 1982-10-18 Mitsubishi Electric Corp Short circuit transfer arc welding machine
EP0139249A1 (en) * 1983-09-27 1985-05-02 Babcock-Hitachi Kabushiki Kaisha Hot-wire tig welding apparatus
CN111872523A (zh) * 2020-07-14 2020-11-03 中石化石油机械股份有限公司沙市钢管分公司 一种优化数字焊机管线钢埋弧焊工艺参数的方法
CN114386364A (zh) * 2021-12-06 2022-04-22 西安交通大学 电子表面贴装焊接质量预测与工艺参数优化方法
CN115130765A (zh) * 2022-07-07 2022-09-30 西南交通大学 一种多工艺路线单车间汽车混流排产优化方法
CN114881378A (zh) * 2022-07-12 2022-08-09 苏芯物联技术(南京)有限公司 一种焊接用丝和用电成本智能优化方法
CN114969553A (zh) * 2022-07-19 2022-08-30 苏芯物联技术(南京)有限公司 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖熙;蔡旭林;赖明波;李瑞玲;何箭南;张建伟;: "基于云蚁群算法的高效节能氩弧焊工艺参数优化研究" *

Also Published As

Publication number Publication date
CN115659127B (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN104615077B (zh) 基于田口法的数控铣削加工工艺参数高效节能优化方法
Kuriakose et al. Multi-objective optimization of wire-electro discharge machining process by non-dominated sorting genetic algorithm
CN111240282B (zh) 一种工艺优化方法、装置、设备及计算机可读存储介质
CN109946965A (zh) 一种基于改进的多目标Jaya算法的离散制造车间排产方法
CN109847916B (zh) 一种水泥原料立磨系统的节能优化方法
CN114386364B (zh) 电子表面贴装焊接质量预测与工艺参数优化方法
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
CN111558849B (zh) 盘铣刀加工参数优化方法及装置、电子设备及存储介质
CN115659127B (zh) 一种最优用丝成本下的焊接工艺参数求解方法
CN110244787A (zh) 转速控制系统的调节方法及装置
JP5845945B2 (ja) 操業予測装置、操業予測方法、及びコンピュータプログラム
CN107491036B (zh) 机床加工能耗控制方法及加工机床
Lin et al. A new density-based scheme for clustering based on genetic algorithm
Deepak Optimization of milling operation using genetic and PSO algorithm
CN117034197A (zh) 基于多维Isolate-Detect多变点检测的企业用电典型模式分析方法
CN116466651A (zh) 基于混合启发式算法的数控加工工艺参数优化方法及系统
Tiwari et al. Rolling system design using evolutionary sequential process optimization
CN112099355A (zh) 一种基于bp-pid的烟草薄片涂布率控制方法及装置
CN114237166A (zh) 基于改进spea2算法求解多转速节能调度问题的方法
CN117235654B (zh) 一种人工智能的数据智能处理方法及系统
CN113343121A (zh) 基于多粒度流行度特征的轻量级图卷积协同过滤推荐方法
WO2020155436A1 (zh) 优化碳信息披露方案的方法、系统和存储介质
CN116542504B (zh) 参数自适应的半导体工件生产调度方法、设备及存储介质
CN114357875B (zh) 基于机器学习的智能数据处理系统
JPH11150047A (ja) 半導体装置の製造方法

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