CN116108642A - 机台的参数调试模型训练方法、调试方法及设备 - Google Patents
机台的参数调试模型训练方法、调试方法及设备 Download PDFInfo
- Publication number
- CN116108642A CN116108642A CN202211713166.9A CN202211713166A CN116108642A CN 116108642 A CN116108642 A CN 116108642A CN 202211713166 A CN202211713166 A CN 202211713166A CN 116108642 A CN116108642 A CN 116108642A
- Authority
- CN
- China
- Prior art keywords
- welding
- target
- model
- preset
- parameter
- 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
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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Plasma & Fusion (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Numerical Control (AREA)
- General Factory Administration (AREA)
Abstract
本申请实施例提供一种机台的参数调试模型训练方法、调试方法及设备。机台的参数调试模型训练方法包括:获取目标焊接机台焊接的多个历史产品的焊接数据;每个历史产品的焊接数据包括历史产品的材质信息、历史产品的良品信息及目标焊接机台焊接历史产品时的焊接配置参数;历史产品的良品信息用于表征历史产品是否为良品的信息;基于目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集;基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型。本申请实施例提供的机台的参数调试模型训练方法、调试方法及设备,能够缩短目标焊接机台的参数设置时间,并且无需损耗物料省时省力,有效降低了生产成本。
Description
技术领域
本申请涉及焊接技术领域,特别涉及一种机台的参数调试模型训练方法、调试方法及设备。
背景技术
焊接是现代工业生产中非常重要的工艺。焊接质量的好坏直接影响了电子产品整体的性能。为了保证焊接质量,通常需要通过特定的调试,确定焊接机台的配置参数。随着电子技术的发展及用户需求的多样化,现有的电子产品更新换代越来越频繁。在现有技术中,每次生产新产品时,均需通过特定的调试,来确定焊接机台的配置参数。而对焊接机台的配置参数进行调试时,需要投入大量的人力、时间、物料,并且调试时间较长,导致电子设备的生产成本较高。
发明内容
针对现有技术存在的问题,本申请提供了一种机台的参数调试模型训练方法、调试方法及设备。
本申请实施例采用下述技术方案:
第一方面,本申请提供一种机台的参数调试模型生成方法,所述方法应用于电子设备,所述方法包括:
获取目标焊接机台焊接的多个历史产品的焊接数据;每个所述历史产品的焊接数据包括所述历史产品的材质信息、所述历史产品的良品信息及所述目标焊接机台焊接所述历史产品时的焊接配置参数;所述历史产品的良品信息用于表征所述历史产品是否为良品的信息;
基于所述目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集;
基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型。
在第一方面的一种可能的实现方式中,在所述基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型之前,还包括:
根据所述目标焊接机台的多个历史产品的焊接数据,在预设的至少一个调试算法中确定出所述目标焊接机台对应的参数调试算法;
基于所述目标焊接机台对应的参数调试算法构建所述调试模型。
在第一方面的一种可能的实现方式中,所述焊接配置参数包括以下任意一种或任意多种的组合:
焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
在第一方面的一种可能的实现方式中,所述基于所述目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集包括:
基于所述目标焊接机台焊接的多个历史产品的焊接数据,确定第一历史产品的焊接数据及第二历史产品的焊接数据;所述第一历史产品是焊接数据中良品信息表征其为良品的历史产品;所述第二历史产品是焊接数据中良品信息表征其为非良品的历史产品;
按照预设比例将所述第一历史产品的焊接数据及第二历史产品的焊接数据形成样本集;
将所述样本集进行分割至少形成一所述训练样本集。
在第一方面的一种可能的实现方式中,所述基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型包括:
在所述训练样本集中确定目标训练样本数据;
将所述目标训练样本数据中的焊接配置参数及历史产品的材质信息作为所述预设调试模型的输入,并获取所述预设调制模型输出的预测良品信息;
基于所述预测良品信息及所述目标训练样本数据中的良品信息,利用预设第一损失函数计算第一损失值;
判断所述第一损失值是否符合预设阈值;
在所述第一损失值不符合预设阈值时,基于所述第一损失值调整所述预设调试模型的参数信息,以将所述预设调试模型更新为所述目标焊接机台的参数调试模型。
在第一方面的一种可能的实现方式中,所述样本集还分割形成有验证样本集;
所述方法还包括:
在所述第一损失值符合预设阈值时,将所述预设调试模型更新为固定模型;
在所述验证样本集中确定验证样本数据;
将所述验证样本数据中的良品信息及历史产品的材质信息输入所述固定模型,得到所述固定模型输出的预测的焊接配置参数;
基于所述预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值;
判断所述第二损失值是否符合对应的预设参数阈值;
若不符合,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”;
若符合,将所述固定模型更新为所述目标焊接机台的参数调试模型。
在第一方面的一种可能的实现方式中,所述基于所述预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值包括:
在所述焊接配置参数包含至少两种参数时,基于所述预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算所述预测的焊接配置参数中每种参数与验证样本数据的焊接配置参数中对应的参数间的第二损失值;
所述判断所述第二损失值是否符合对应的预设参数阈值包括:
判断每个第二损失值是否均符合其对应的预设参数阈值;
所述若不符合,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”包括:
若至少有一个不符合,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”;
若符合,将所述固定模型更新为所述目标焊接机台的参数调试模型包括:
若均符合,将所述固定模型更新为所述目标焊接机台的参数调试模型。
在第一方面的一种可能的实现方式中,所述若符合,将所述固定模型更新为所述目标焊接机台的参数调试模型包括:
若符合,确定已获取验证样本数据的数量是否达到预设数量阈值;
若未达到,则重新执行步骤“在所述验证样本集中确定验证样本数据”至步骤“若符合,确定以获取验证样本数据的数量是否达到预设数量阈值”,直至所述验证样本数据的数量达到预设数量阈值;
若达到,则基于预设数量阈值个第二损失值是否均符合其对应的预设参数阈值,计算第二损失值的合格率;
在所述第二损失值的合格率符合预设合格阈值时,则将所述固定模型更新为所述目标焊接机台的参数调试模型;
在所述第二损失值的合格率不符合预设合格阈值时,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”。
第二方面,本申请实施例提供了一种机台的参数调试方法,所述方法应用于电子设备,所述方法包括:
获取目标产品的材质信息及所述目标产品的目标良品信息;
将所述目标产品的材质信息及所述目标产品的目标良品信息输入目标焊接机台的参数调试模型,得到所述目标焊接机台的参数调试模型输出的所述目标焊接机台的焊接配置参数;所述目标焊接机台的参数调试模型为所述的方法所生成的参数调试模型;
基于所述目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置。
在第二方面的一种可能的实现方式中,所述焊接配置参数包括以下任意一种或任意多种的组合:
焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
在第二方面的一种可能的实现方式中,所述基于所述目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置包括:
向所述目标焊接机台发送所述目标焊接机台的焊接配置参数。
第三方面,本申请实施例提供了一种机台的参数调试模型生成装置,包括:
通信器,用于获取目标焊接机台的多个历史产品的焊接数据;每个所述历史产品的焊接数据包括所述历史产品的材质信息、所述历史产品的良品信息及所述目标焊接机台焊接所述历史产品时的焊接配置参数;所述历史产品的良品信息用于表征所述历史产品是否为良品的信息;
处理器,耦接所述通信器,用于:
基于所述目标焊接机台的多个历史产品的焊接数据,构建训练样本集;及
基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型。
第四方面,本申请实施例提供了一种机台的参数调试装置,包括:
通信器,用于获取目标产品的材质信息及所述目标产品的目标良品信息;
处理器,耦接所述通信器,用于:
将所述目标品的材质信息及所述目标产品的目标良品信息输入目标焊接机台的参数调试模型,得到所述目标焊接机台的参数调试模型输出的所述目标焊接机台的焊接配置参数;所述目标焊接机台的参数调试模型为所述的方法所生成的参数调试模型;
基于所述目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置。
第五方面,本申请实施例提供了一种电子设备,所述电子设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当所述计算机程序指令被该处理器执行时,触发所述电子设备执行上述第一方面任一项所述的方法步骤,或上述第二方面任一项所述的方法步骤。
第六方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述第一方面任一项所述的方法步骤,或上述第二方面任一项所述的方法步骤。
在本申请实施例中通过目标焊接机台的多个历史产品的焊接数据构建训练样本集,并基于训练样本集对预设调试模型进行训练,得到参数调试模型。这样在目标焊接机台需要进行焊接配置参数的设置时,可以通过参数调试模型确定出目标焊接机台的各个焊接配置参数,大大缩短了目标焊接机台的参数设置时间,并且无需损耗物料省时省力,有效降低了生产成本。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种机台的参数调试模型生成方法的流程示意图;
图2为本申请实施例提供的另一种机台的参数调试模型生成方法的流程示意图;
图3为本申请实施例提供的另一种机台的参数调试模型生成方法的流程示意图;
图4为本申请实施例提供的另一种机台的参数调试模型生成方法的流程示意图;
图5为本申请实施例提供的另一种机台的参数调试模型生成方法的流程示意图;
图6为本申请实施例提供的一种机台的参数调试方法的流程示意图;
图7为本申请实施例提供的一种机台的参数调试方法的场景示意图;
图8为本申请实施例提供的一种机台的参数调试模型生成装置的结构示意图;
图9为本申请实施例提供的一种机台的参数调试装置的结构示意图;
图10为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了更好的理解本申请的技术方案,下面结合附图对本申请实施例进行详细描述。
应当明确,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,甲和/或乙,可以表示:单独存在甲,同时存在甲和乙,单独存在乙这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
相关技术中,每次生产新产品时,均需工作人员根据焊接机台焊接旧产品时设定的焊接配置参数,及新产品的材质等设定焊接机台各个焊接配置参数的调试范围,根据调试范围预先设定焊接机台的焊接配置参数,并在调节后进行样品焊接,检测焊接后的样品良率,根据样品良率再次进行焊接机台的焊接配置参数的调节,不断重复上述过程,直至样品良率达到预设阈值,则可以确定出焊接机台的最终焊接配置参数。通过上述方法对焊接机台的配置参数进行调试时,需要投入大量的人力、时间、物料,并且调试时间较长,导致产品的生产成本较高。
针对上述问题,本申请实施例提供了一种机台的参数调试模型训练方法。
机台的参数调试模型训练方法包括:获取目标焊接机台的多个历史产品的焊接数据;每个历史产品的焊接数据包括历史产品的材质信息、历史产品的良品信息及目标焊接机台焊接历史产品时的焊接配置参数;历史产品的良品信息用于表征历史产品是否为良品的信息;基于目标焊接机台的多个历史产品的焊接数据,构建训练样本集;基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型。即为,在本申请实施例中通过目标焊接机台的多个历史产品的焊接数据构建训练样本集,并基于训练样本集对预设调试模型进行训练,得到参数调试模型。
这样在目标焊接机台需要进行焊接配置参数的设置时,可以通过参数调试模型确定出目标焊接机台的各个焊接配置参数,大大缩短了目标焊接机台的参数设置时间,并且无需损耗物料省时省力,有效降低了生产成本。以下进行详细说明。
参见图1,为本申请实施例提供的一种机台的参数调试模型生成方法的流程示意图。该方法应用于电子设备。如图1所示,所述方法包括:
步骤S101、获取目标焊接机台的多个历史产品的焊接数据。
其中,每个历史产品的焊接数据包括历史产品的材质信息、历史产品的良品信息及目标焊接机台焊接历史产品时的焊接配置参数。历史产品的良品信息用于表征历史产品是否为良品的信息。
在本申请实施例中,为了在目标焊接机台进行新产品的焊接时,能够更快的确定出目标焊接机台的焊接配置参数,可以针对目标焊接机台预先进行参数调试模型的训练。此时,为了得到更准确的参数调试模型,可以使用目标焊接机台焊接历史产品时的焊接数据进行训练。因此,需要先获取目标焊接机台的多个历史产品的焊接数据。其中每个历史产品的焊接数据包括该目标焊接机台在焊接该历史产品时的焊接配置参数、该历史产品的材质、该历史产品的良品信息等。
在一些实施例中,为了方便产品追溯可以在目标焊接机台每次完成产品的焊接后,均记录该目标焊接机台的当前焊接配置参数,及该产品的材质等信息。这样,电子设备可以在需要获取历史产品的焊接数据时,直接在存储介质中获取记录的上述信息。由于每个焊接后的产品均需进行良品检测,因此在对产品进行良品检测时获取该产品的良品信息,完成获取该历史产品的焊接数据。
当然,电子设备还可以通过其他方式获取历史产品的焊接数据,本申请对此不作限制。
作为一种可能的实现方式,电子设备在获取目标焊接机台焊接的历史产品的焊接数据后,为了保证数据的稳定性及准确性,可以获取目标焊接机台处于平稳期后焊接的历史产品的焊接数据。
作为一种可能的实现方式,焊接配置参数包括以下任意一种或任意多种的组合:焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
作为一种可能的实现方式,为了方便后续的模型训练,可以将获取的多个历史产品的焊接数据进行正规化处理,即为将多个历史产品的每个焊接数据进行数据正规化处理,将其转换为0~1之间的数值。
作为一种可能的实现方式,可以通过公式进行数据正规化处理。其中sj表示第j个数据的数值,σ(sj)表示第j个数据正规化处理的数值。这样,通过上述公式可以将多个历史产品的每个焊接数据进行数据正规化处理,得到数据正规化后的多个历史产品的焊接数据。
步骤S102、基于目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集。
在本申请实施例中,在获取了目标焊接机台焊接的多个历史产品的焊接数据后,可以将获取的多个历史产品的焊接数据构成训练样本,以用于对预设网络模型进行训练。
作为一种可能的实现方式,如图2所示,步骤S102,基于目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集,可以包括:
S1021、基于目标焊接机台焊接的多个历史产品的焊接数据,确定第一历史产品的焊接数据及第二历史产品的焊接数据。
S1022、按照预设比例将第一历史产品的焊接数据及第二历史产品的焊接数据形成样本集。
S1023、将样本集进行分割至少形成一训练样本集。
其中,第一历史产品是焊接数据中良品信息表征其为良品的历史产品;第二历史产品是焊接数据中良品信息表征其为非良品的历史产品。
在本申请实施例中,为了保证模型训练的更加准确全面,在构建训练样本集时不仅需要包含有良品的历史产品的焊接数据,还需要有非良品的历史产品的焊接数据。因此,电子设备在获取了目标焊接机台焊接的多个历史产品的焊接数据后,可以检测每个历史产品的焊接数据中的良品信息,在多个历史产品的焊接数据中确定出第一历史产品的焊接数据及第二历史产品的焊接数据。即为,电子设备检测每个历史产品的焊接数据中的良品信息,将良品信息表征其为良品的历史产品的焊接数据确定为第一历史产品的焊接数据,将良品信息表征为非良品的历史产品的焊接数据确定为第二历史产品的焊接数据,从而可以在历史产品的焊接数据中确定出第一历史产品的焊接数据及第二历史产品的焊接数据。按照预设比例将第一历史产品的焊接数据及第二历史产品的焊接数据形成样本集。在一些实施例中,样本集中第一历史产品的焊接数据的数量大于第二历史产品的焊接数据的数量。例如,预设比例为8:2,则电子设备可以按照第一历史产品的焊接数据的数量与第二历史产品的焊接数据的数量为8:2的比例,形成样本集。在形成了样本集后,可以将样本集进行分割形成训练样本集。在一些实施例中,可以将样本集中的全部数据作为训练样本集。
需要指出的是,预设比例是根据实际需求预先设置的。
步骤S103、基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型。
在本申请实施例中,可以预先设置调式模型,在得到训练样本集后,可以采用训练样本集对调试模型进行训练,使得调试模型的结果越来越准确,在调试模型的结果准确性达到一定阈值时,则可以将调试模型更新为目标焊接机台的参数调试模型。
作为一种可能的实现方式,如图3所示,步骤S103,基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型,可以包括:
S1031、在训练样本集中确定目标训练样本数据。
S1032、将目标训练样本数据中的焊接配置参数及历史产品的材质信息作为预设调试模型的输入,并获取预设调制模型输出的预测良品信息。
S1033、基于预测良品信息及目标训练样本数据中的良品信息,利用预设第一损失函数计算第一损失值。
S1034、判断第一损失值是否符合预设阈值。
S1035、在第一损失值不符合预设阈值时,基于第一损失值调整预设调试模型的参数信息,以将预设调试模型更新为目标焊接机台的参数调试模型。
在本申请实施例中,电子设备在获取训练样本集后,需要根据训练样本集对预设调试模型进行训练。此时,电子设备在训练样本集中确定出目标训练样本数据。即为,电子设备可以在训练样本集的焊接数据中确定出的当前次训练使用的焊接数据作为目标训练样本数据。在每次对预设调试模型进行训练时可以采用一个焊接数据进行训练,此时可以在训练样本集中随机选择一个焊接数据作为目标训练样本数据。当然,每次对预设调试模型进行训练时也可以采用至少两个焊接数据进行训练,此时可以在训练样本集中随机选择至少两个焊接数据作为目标训练样本数据。可以预先设置对调试模型进行训练时,每次使用的焊接数据的数量。
在本申请实施例中为了方便说明,以每次对预设调试模型进行训练时可以采用一个焊接数据进行训练为例进行说明。电子设备在训练样本集中随机选取一个焊接数据作为目标训练样本数据。在确定出目标样本数据后,将目标样本数据中的焊接配置参数、历史产品的材质信息作为预设调试模型的输入,输入至预设调试模型中。预设调试模型对目标样本数据中的焊接配置参数、历史产品的材质信息进行解析、分析,计算出良品信息。将其计算出的良品信息作为结果输出。电子设备可以获取预设调试模型输出的预测良品信息。此时,电子设备基于预测良品信息及目标样本数据中的良品信息利用预设第一损失函数进行第一损失值的计算。电子设备在通过第一损失函数计算出第一损失值后,可以判断第一损失值是否符合预设阈值。例如,电子设备可以检测第一损失值是否小于预设阈值。在第一损失值大于或等于预设阈值时,则确定第一损失值不符合预设阈值,说明调试模型当前的输出结果不准确,需要对调试模型中的参数进行调整,此时电子设备可以基于第一损失值调整预设调试模型内的参数信息,例如将参数1的数值调大,将参数2的数值调小等,以将调试模型更新为目标焊接机台的参数调试模型。
在第一损失值小于预设阈值时,则确定第一损失值符合预设阈值,说明调试结果输出的较为准确,可以将调试模型更新为目标焊接机台的参数调试模型。
在一些实施例中,为了更方便的计算第一损失值,可以将预设调试模型输出的预测良品信息进行归一化数据处理。
在一些实施例中,第一损失函数可以是二分类交叉熵损失函数。当然,也可以是其他损失函数,本申请对此不作限制。
这样一来,在本申请实施例中通过目标焊接机台的多个历史产品的焊接数据构建训练样本集,并基于训练样本集对预设调试模型进行训练,得到参数调试模型。这样在目标焊接机台需要进行焊接配置参数的设置时,可以通过参数调试模型确定出目标焊接机台的各个焊接配置参数,大大缩短了目标焊接机台的参数设置时间,并且无需损耗物料省时省力,有效降低了生产成本。
参见图4,为本申请实施例提供的一种机台的参数调试模型生成方法的流程示意图。本申请所述的方法与图1所述的方法间的区别为增加了调试模型验证的步骤。如图2所示,所述方法包括:
步骤S401、获取目标焊接机台焊接的多个历史产品的焊接数据。
其中,每个历史产品的焊接数据包括历史产品的材质信息、历史产品的良品信息及目标焊接机台焊接历史产品时的焊接配置参数;历史产品的良品信息用于表征历史产品是否为良品的信息。
具体可参考步骤S101在此不再赘述。
步骤S402、根据目标焊接机台的多个历史产品的焊接数据,在预设的至少一个调试算法中确定出目标焊接机台对应的参数调试算法。
在本申请实施例中,可以预先设置多种调试算法,每种调试算法实现的功能不同。在获取了目标焊接机台焊接的多个历史产品的焊接数据,由于在进行模型训练时,焊接数据中的焊接配置参数、产品材质信息为自变量,产品的良品信息为因变量,并且在本申请实施例中需要模型能够输出的结果为具体的数值,而不是概率信息。因此可以将预设的至少一个调试算法中,根据自变量与因变量的关系,能够输出具体数值的算法作为目标焊接机台的参数调试算法。
作为一种可能的实现方式,预设的至少一个算法包括:线性回归算法、Logistic回归算法、KNN算法、关联规则分析算法、决策树算法或K-means聚类算法等算法中的至少一个。
在一些可能的实现方式,电子设备将线性回归算法作为目标焊接机台对应的参数调试算法。
步骤S403、基于目标焊接机台对应的参数调试算法构建调试模型。
在本申请实施例中,电子设备在预先设置的至少一个调试算法中,确定出目标焊接机台所需的参数调试算法后,用目标焊接机台对应的参数调试算法构建调试模型。即为,将目标焊接机台对应的参数调试算法作为调试模型的算法,进行调试模型的构建。
在一些实施例中,目标焊接机台对应的参数调试算法为线性回归算法时,则将线性回归算法作为调试模型的算法,构建线性回归调试模型。
步骤S404、基于目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集。
具体可参考步骤S102在此不再赘述。
步骤S405、基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型。
具体可参考步骤S103在此不再赘述。
作为一种可能的实现方式,样本集还分割形成有验证样本集。
即为,在本申请实施例中,为了得到更准确、效果更好的参数调试模型,可以对训练完成后的调试模型进行验证。此时,电子设备在上述步骤S204中构建训练样本集时,将样本集部分分割为训练样本集,部分分割为验证样本集。验证样本集用于对训练后的调试模型进行验证。
作为一种可能的实现方式,电子设备可以按照二八分割法将样本集划分为训练样本集及验证样本集。训练样本集中的焊接数据与验证样本集中的焊接数据不重合。
步骤S406、在第一损失值符合预设阈值时,将预设调试模型更新为固定模型。
在本申请实施例中,电子设备在检测出第一损失值符合预设阈值时,可以认为调试模型训练完成,此时可以进一步检测训练完成后的调试模型是否准确,因此可以对训练后的调试模型进行验证。电子设备可以将调试模型更新为固定模型。
步骤S407、在验证样本集中确定验证样本数据。
在本申请实施例中,电子设备可以在验证样本集内包含的焊接数据中,确定出进行固定模型验证时使用的验证样本数据。
需要指出的是,由于训练样本集中的焊接数据与验证样本集中的焊接数据不重合,因此,在本步骤中的验证样本数据并未在上述训练样本集中出现过,这样可以提高验证的有效性。
需要说明的是,在进一次固定模型的验证过程中,可以一次输入预设数量个焊接数据。在本申请实施例中,可以以一次输入一个焊接数据为例进行说明。
步骤S408、将验证样本数据中的良品信息及历史产品的材质信息输入所述固定模型,得到固定模型输出的预测的焊接配置参数。
在本申请实施例中,电子设备对固定模型进行验证的过程与调试模型进行训练的过程略有不同。对固定模型进行验证时,可以将良品信息及产品的材质信息作为输入,通过固定模型输出焊接配置参数,以通过焊接配置参数来判断训练后的调试模型,即为固定模型是否准确。基于此,电子设备在获取验证样本数据后,可以将验证样本数据中的良品信息及历史产品的材质信息作为固定模型的输入,输入至固定模型。固定模型接收到良品信息及历史产品的材质信息后,可以进行数据分析、逆解析出焊接配置参数,并输出其预测的焊接配置参数。电子设备获取固定模型输出的预测的焊接配置参数。
需指出的是,固定模型为训练完后的调试模型。调试模型在训练完成后,则其内输入与输出间的逻辑关系既已确定。此时,在获知输入时,可得通过该逻辑关系确定出输出。在获知输出时也能通过逻辑关系逆解析出输入。因此,电子设备通过固定模型,获取到良品信息及历史产品的材质信息,可以通过逆解析确定出对应的焊接配置参数。
步骤S409、基于预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值。
在本申请实施例中,电子设备在获取到固定模型输出的预测的焊接配置参数后,可以将预测的焊接配置参数与验证样本数据中的焊接配置参数利用第二预设损失函数进行第二损失值的计算。
作为一种可能的实现方式,电子设备可以将预测的焊接配置参数进行归一化处理,将归一化处理后的焊接配置参数与验证样本数据中的焊接配置参数,通过第二预设损失函数,计算出第二损失值。
作为一种可能的实现方式,第二预设损失函数为二分类交叉熵损失函数。
作为一种可能的实现方式,基于预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值包括:
在焊接配置参数包含至少两种参数时,基于预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算预测的焊接配置参数中每种参数与验证样本数据的焊接配置参数中对应的参数间的第二损失值。
即为,焊接配置参数一般包含有多种参数。例如,包含焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度等。固定模型输出的预测的焊接配置参数也包含多种参数。此时,可以针对每种参数均进行损失值的计算。此时,电子设备在获取到固定模型输出的预测的焊接配置参数后,且焊接配置参数中包含至少两种参数时,电子设备可以通过第二预设损失函数,计算预测的焊接配置参数中每种参数与验证样本数据中对应的参数间的第二损失值,从而可以计算出多个第二损失值。
例如,在焊接配置参数包含焊接类型、焊点尺寸、激光波形三个参数时,则固定模型输出的预测的焊接配置参数也包含焊接类型、焊点尺寸、激光波形三个参数。此时,电子设备可以通过第二预设损失函数计算预测的焊接配置参数中的焊接类型,与验证样本数据中的焊接类型间的第二损失值。通过第二预设损失函数计算预测的焊接配置参数中的焊点尺寸,与验证样本数据中的焊点尺寸间的第二损失值。通过第二预设损失函数计算预测的焊接配置参数中的激光波形,与验证样本数据中的激光波形间的第二损失值。
需要说明的是,在焊接配置参数中包含有非数值类型的参数时,例如焊接类型、或者激光波形等参数时,可以通过归一化算法将非数值类型的参数转换为数值后在进行相应第二损失值的计算。
步骤S410、判断第二损失值是否符合对应的预设参数阈值。
在本申请实施例中,电子设备在确定出第二损失值后,将第二损失值与对应的预设参数阈值进行比较,在第二损失值小于对应的预设参数阈值时,则确定第二损失值符合对应的预设参数阈值。在第二损失值大于或等于对应的预设参数阈值时,则确定第二损失值不符合对应的预设参数阈值。
作为一种可能的实现方式,由于焊接配置参数内包含有至少种参数时,每种参数对应的参数阈值不完全相同,因此可以针对不同的参数预先设置其对应参数阈值。此时,判断第二损失值是否符合对应的预设参数阈值包括:判断每个第二损失值是否均符合其对应的预设参数阈值。即为,在焊接配置参数包含至少两种参数时,电子设备在计算出每种参数的第二损失值后,可以将计算出的每种参数的第二损失值分别与其对应的预设参数阈值进行比较,确定每个第二损失值是否均符合其对应的预设参数阈值。
例如,在焊接配置参数包含焊接类型、焊点尺寸、激光波形三个参数时,可以针对每种参数预设设置参数阈值,分别为焊接类型的预设参数阈值、焊点尺寸的预设参数阈值、及激光波形的预设参数阈值。电子设备在计算出焊接类型的第二损失值,焊点尺寸的第二损失值及激光波形的第二损失值后,可以将焊接类型的第二损失值与焊接类型的预设参数阈值进行比较。将焊点尺寸的第二损失值与焊点尺寸的预设参数阈值进行比较。将激光波形的第二损失值与激光波形的预设参数阈值进行比较,以确定三个第二损失值是否符合各自对应的预设参数阈值。
需要说明的是,根据判断的结果不同,下述执行的步骤不同。在判断第二损失值符合预设参数阈值时,则执行步骤S411a。在判断第二损失值不符合预设参数阈值时,则执行步骤S411b。
步骤S411a、若符合,将固定模型更新为目标焊接机台的参数调试模型。
在本申请实施例中,电子设备在确定第二损失值符合预设参数阈值时,则说明固定模型的输出结果较为准确,此时可以直接将固定模型更新为目标焊接机台的参数调试模型,完成参数调试模型的训练。
作为一种可能的实现方式,在焊接配置参数包含至少两种参数时,则本步骤中的若符合,将固定模型更新为目标焊接机台的参数调试模型包括:若均符合,将固定模型更新为目标焊接机台的参数调试模型。
即为,在焊接配置参数包含至少两种参数时,电子设备需要确定出每种参数的第二损失值都符合各自对应的预设参数阈值时,才能将固定模型更新为目标焊接机台的参数调试模型。也就是说,电子设备在计算出每种焊接配置参数的第二损失值均小于对应的预设参数阈值,说明当前固定模型输出的预测的焊接配置参数与验证样本数据内的焊接配置参数均较为接近,固定模型输出的值较为准确,此时可以直接将固定模型更新为目标焊接机台的参数调试模型。
例如,在焊接配置参数包含焊接类型、焊点尺寸、激光波形三个参数时,电子设备若检测出焊接类型的第二损失值符合焊接类型的预设参数阈值,焊点尺寸的第二损失值符合焊点尺寸的预设参数阈值,激光波形的第二损失值符合激光波形的预设参数阈值时,即为确定三个第二损失值符合各自对应的预设参数阈值,则可以直接将固定模型更新为目标焊接机台的参数调试模型。
作为一种可能的实现方式,如图5所示,步骤S411a、若符合,将固定模型更新为目标焊接机台的参数调试模型包括:
步骤S411a1、若符合,确定已获取验证样本数据的数量是否达到预设数量阈值。
其中,若确定已获取验证样本数据的数量达到预设数量阈值,则执行步骤S411a3。若确定已获取验证样本数据的数量未达到预设数量阈值,则执行步骤S411a2。
步骤S411a2、若未达到,则重新执行步骤“在所述验证样本集中确定验证样本数据”至步骤“若符合,确定以获取验证样本数据的数量是否达到预设数量阈值”,直至验证样本数据的数量达到预设数量阈值。
步骤S411a3、若达到,则基于预设数量阈值个第二损失值是否均符合其对应的预设参数阈值,计算第二损失值的合格率。
步骤S411a4、判断第二损失值的合格率是否符合预设合格阈值。
其中,若第二损失值的合格率符合预设合格阈值,则执行步骤S411a5。若第二损失值的合格率不符合预设合格阈值,则执行步骤S411a6。
步骤S411a5、在第二损失值的合格率符合预设合格阈值时,则将固定模型更新为目标焊接机台的参数调试模型。
步骤S411a6、在第二损失值的合格率不符合预设合格阈值时,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型”。
为了进一步提高验证的准确性,可以对固定模型进行预设数量阈值次验证。此时,电子设备在确定第二损失值符合对应的预设参数阈值时,可以检测是否进行了预设数量阈值次验证。由于在每次验证时,均需要通过验证样本数据。因此,可以通过已获取的验证样本数据的数量来确定已完成的验证次数。电子设备可以先确定已获取验证样本数据的数量。将已获取验证样本数据的数量与预设数量阈值进行比较,以检测是否为完成了预设数量阈值次固定模型的验证。若未达到,则说明需要进行验证,此时可以重新执行步骤S407,即为重新进行固定模型的验证步骤。
若已获取验证样本数据的数量达到预设数量阈值,则说明已完成规定数量次的固定模型的验证,此时,电子设备可以在预设数量阈值次验证过程中,确定第二损失值符合对应的预设参数阈值的次数,从而可以计算出第二损失值的合格率。例如可以通过第二损失值符合对应的预设参数阈值的次数与预设数量阈值间的比值计算第二损失值的合格率。在计算出第二损失值的合格率后,可以第二损失值的合格率与预设合格阈值进行比较,检测第二损失值的合格率是否大于预设合格阈值,若第二损失值的合格率大于预设合格阈值,则说明在预设数量阈值次的固定模式的验证过程中,固定模式输出的预测的焊接配置参数较为准确的次数较多,可以确定第二损失值的合格率符合预设合格阈值,从而可以认为固定模式通过验证,此时可以直接将固定模型更新为目标焊接机台的参数调试模型。
若第二损失值的合格率不大于预设合格阈值,则说明在预设数量阈值次的固定模式的验证过程中,固定模式输出的预测的焊接配置参数较为准确的次数较少,可以确定第二损失值的合格率不符合预设合格阈值,从而可以认为固定模式未通过验证,此时可以需要重新执行步骤S405。
步骤S411b、若不符合,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型”。
在本申请实施例中,电子设备在检测出第二损失值不符合预设参数阈值,则说明固定模型训练的不够准确,此时可以继续对固定模型即为上述预设调试模型进行训练。电子设备可以重新执行上述步骤S405。
作为一种可能的实现方式,在焊接配置参数包含至少两种参数时,若不符合,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型”包括:
若至少有一个不符合,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型”。
即为,在焊接配置参数包含至少两种参数时,可以针对每种参数分别计算出第二损失值,且需要检测每个第二损失值是否符合对应的预设参数阈值。在有至少一个第二损失值不符合其对应的预设参数阈值时,即可确定固定模型输出的结果不够准确,需要继续训练,此时可以重新执行步骤S405。
参见图6,为本申请实施例提供的一种机台的参数调试方法的流程示意图。该方法用于电子设备,如图6所示,所述方法包括:
步骤S601、获取目标产品的材质信息及目标产品的目标良品信息。
在本申请实施例中,在需要对新产品进行焊接时,需要确定目标焊接机台的焊接配置参数。此时,电子设备可以将需要焊接的新产品作为目标产品,获取该目标产品的材质信息及预先设定的目标产品的目标良品信息。例如,目标产品的良品信息表征该目标产品为良品。
需要说明的是,目标产品的目标良品信息可以是用户根据实际需求预先设定的。用户可以自己在电子设备中设定,此时电子设备可以直接获取用户定的目标产品的目标良品信息。用户也可以在其他设备中设定,此时电子设备可以从其他设备获取。
步骤S602、将目标产品的材质信息及目标产品的目标良品信息输入目标焊接机台的参数调试模型,得到目标焊接机台的参数调试模型输出的目标焊接机台的焊接配置参数。
其中,目标焊接机台的参数调试模型为上述实施例所述的机台的参数调试模型生成方法所生成的参数调试模型。
在本申请实施例中,通过上述图4所述的实施例可以获取目标焊接机台的参数调试模型,电子设备在获取了目标焊接机台的参数调试模型后,可以将目标产品的材质信息及目标良品信息作为参数调试模型的输入,参数调试模型可以基于目标产品的材质信息、目标良品信息进行解析、分析,确定出焊接配置参数,将焊接配置参数作为结果输出,如图7所示。电子设备可以获取到参数调试模型输出的焊接配置参数。其中,参数调试模型输出的焊接配置参数,为参数调试模型基于其接收的输入值,计算出的最优的输出结果。
作为一种可能的实现方式,焊接配置参数包括以下任意一种或任意多种的组合:焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
步骤S603、基于目标焊接机台的焊接配置参数进行目标焊接机台的焊接参数的配置。
在申请实施例中,目标焊接机台的参数调试模型输出的焊接配置参数是参数调试模型基于其接收的目标产品的材质信息及目标良品信息下,计算出的最优的焊接配置参数。此时,电子设备可以将目标焊接机台的焊接参数根据焊接配置参数进行相应的配置,以使得目标焊接机台在最优的焊接配置参数下,进行目标产品的焊接。
作为一种可能的实现方式,基于目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置包括:向目标焊接机台发送目标焊接机台的焊接配置参数。
即为,在电子设备无法直接对目标焊接机台进行焊接配置参数的设定时,可以将参数调试模型输出的焊接配置参数发送给目标焊接机台,以便目标焊接机台可以自动进行相应的焊接配置参数的设置。
这样一来,在目标焊接机台需要进行焊接配置参数的设置时,可以通过参数调试模型确定出目标焊接机台的各个焊接配置参数,大大缩短了目标焊接机台的参数设置时间,并且无需损耗物料省时省力,有效降低了生产成本。
参见图8,为本申请实施例提供的一种机台的参数调试模型生成装置的结构示意图。所述装置包括:
通信器801,用于获取目标焊接机台的多个历史产品的焊接数据.
其中,每个历史产品的焊接数据包括所述历史产品的材质信息、历史产品的良品信息及目标焊接机台焊接历史产品时的焊接配置参数;历史产品的良品信息用于表征历史产品是否为良品的信息。
处理器802,耦接通信器801,用于:
基于目标焊接机台的多个历史产品的焊接数据,构建训练样本集;及
基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型。
作为一种可能的实现方式,处理器802还用于,根据目标焊接机台的多个历史产品的焊接数据,在预设的至少一个调试算法中确定出目标焊接机台对应的参数调试算法;基于目标焊接机台对应的参数调试算法构建调试模型。
作为一种可能的实现方式,焊接配置参数包括以下任意一种或任意多种的组合:焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
作为一种可能的实现方式,处理器802具体用于,基于目标焊接机台焊接的多个历史产品的焊接数据,确定第一历史产品的焊接数据及第二历史产品的焊接数据。按照预设比例将第一历史产品的焊接数据及第二历史产品的焊接数据形成样本集;将样本集进行分割至少形成一所述训练样本集。
其中,第一历史产品是焊接数据中良品信息表征其为良品的历史产品;第二历史产品是焊接数据中良品信息表征其为非良品的历史产品。
作为一种可能的实现方式,处理器802具体用于,在训练样本集中确定目标训练样本数据;将目标训练样本数据中的焊接配置参数及历史产品的材质信息作为预设调试模型的输入,并获取预设调制模型输出的预测良品信息;基于预测良品信息及目标训练样本数据中的良品信息,利用预设第一损失函数计算第一损失值;判断第一损失值是否符合预设阈值;在第一损失值不符合预设阈值时,基于第一损失值调整预设调试模型的参数信息,以将预设调试模型更新为目标焊接机台的参数调试模型。
作为一种可能的实现方式,样本集还分割形成有验证样本集。
处理器802还用于,在第一损失值符合预设阈值时,将预设调试模型更新为固定模型;在验证样本集中确定验证样本数据;将验证样本数据中的良品信息及历史产品的材质信息输入所述固定模型,得到固定模型输出的预测的焊接配置参数;基于预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值;判断第二损失值是否符合对应的预设参数阈值;若不符合,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型”;若符合,将固定模型更新为目标焊接机台的参数调试模型。
作为一种可能的实现方式,处理器802具体用于,在焊接配置参数包含至少两种参数时,基于预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算预测的焊接配置参数中每种参数与验证样本数据的焊接配置参数中对应的参数间的第二损失值。判断每个第二损失值是否均符合其对应的预设参数阈值;若至少有一个不符合,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为所述目标焊接机台的参数调试模型”;若均符合,将固定模型更新为目标焊接机台的参数调试模型。
作为一种可能的实现方式,处理器802具体用于,若符合,确定已获取验证样本数据的数量是否达到预设数量阈值;若未达到,则重新执行步骤“在验证样本集中确定验证样本数据”至步骤“若符合,确定以获取验证样本数据的数量是否达到预设数量阈值”,直至验证样本数据的数量达到预设数量阈值。若达到,则基于预设数量阈值个第二损失值是否均符合其对应的预设参数阈值,计算第二损失值的合格率;在第二损失值的合格率符合预设合格阈值时,则将固定模型更新为目标焊接机台的参数调试模型;在第二损失值的合格率不符合预设合格阈值时,则重新执行步骤“基于训练样本集对预设调试模型进行训练,以将调试模型更新为目标焊接机台的参数调试模型”。
参见图9,为本申请实施例提供的一种机台的参数调试装置的结构示意图。如图9所示,所述装置包括
通信器901,用于获取目标产品的材质信息及目标产品的目标良品信息.
处理器902,耦接通信器901,用于:
将目标品的材质信息及目标产品的目标良品信息输入目标焊接机台的参数调试模型,得到目标焊接机台的参数调试模型输出的目标焊接机台的焊接配置参数;目标焊接机台的参数调试模型为所述实施例所述的方法所生成的参数调试模型。基于目标焊接机台的焊接配置参数进行目标焊接机台的焊接参数的配置。
作为一种可能的实现方式,焊接配置参数包括以下任意一种或任意多种的组合:焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
作为一种可能的实现方式,处理器902具体用于,通过通信器901向目标焊接机台发送目标焊接机台的焊接配置参数。
与上述实施例相对应,本申请还提供了一种电子设备。图10为本发明实施例提供的一种电子设备的结构示意图,所述电子设备1000可以包括:处理器1001、存储器1002及通信单元1003。这些组件通过一条或多条总线进行通信,本领域技术人员可以理解,图中示出的服务器的结构并不构成对本发明实施例的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,所述通信单元1003,用于建立通信信道,从而使所述存储设备可以与其它设备进行通信。接收其他设备发是的用户数据或者向其他设备发送用户数据。
所述处理器1001,为存储设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器1002内的软件程序和/或模块,以及调用存储在存储器内的数据,以执行电子设备的各种功能和/或处理数据。所述处理器可以由集成电路(integrated circuit,IC)组成,例如可以由单颗封装的IC所组成,也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说,处理器701可以仅包括中央处理器(centralprocessing unit,CPU)。在本发明实施方式中,CPU可以是单运算核心,也可以包括多运算核心。
所述存储器1002,用于存储处理器1001的执行指令,存储器1002可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
当存储器1002中的执行指令由处理器1001执行时,使得电子设备1000能够执行图4所示实施例中的部分或全部步骤。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的机台的参数调试模型生成方法或机台的参数调试方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于装置实施例和终端实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
Claims (15)
1.一种机台的参数调试模型生成方法,其特征在于,所述方法应用于电子设备,所述方法包括:
获取目标焊接机台焊接的多个历史产品的焊接数据;每个所述历史产品的焊接数据包括所述历史产品的材质信息、所述历史产品的良品信息及所述目标焊接机台焊接所述历史产品时的焊接配置参数;所述历史产品的良品信息用于表征所述历史产品是否为良品的信息;
基于所述目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集;
基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型之前,还包括:
根据所述目标焊接机台的多个历史产品的焊接数据,在预设的至少一个调试算法中确定出所述目标焊接机台对应的参数调试算法;
基于所述目标焊接机台对应的参数调试算法构建所述调试模型。
3.根据权利要求1所述的方法,其特征在于,所述焊接配置参数包括以下任意一种或任意多种的组合:
焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标焊接机台焊接的多个历史产品的焊接数据,构建训练样本集包括:
基于所述目标焊接机台焊接的多个历史产品的焊接数据,确定第一历史产品的焊接数据及第二历史产品的焊接数据;所述第一历史产品是焊接数据中良品信息表征其为良品的历史产品;所述第二历史产品是焊接数据中良品信息表征其为非良品的历史产品;
按照预设比例将所述第一历史产品的焊接数据及第二历史产品的焊接数据形成样本集;
将所述样本集进行分割至少形成一所述训练样本集。
5.根据权利要求4所述的方法,其特征在于,所述基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型包括:
在所述训练样本集中确定目标训练样本数据;
将所述目标训练样本数据中的焊接配置参数及历史产品的材质信息作为所述预设调试模型的输入,并获取所述预设调制模型输出的预测良品信息;
基于所述预测良品信息及所述目标训练样本数据中的良品信息,利用预设第一损失函数计算第一损失值;
判断所述第一损失值是否符合预设阈值;
在所述第一损失值不符合预设阈值时,基于所述第一损失值调整所述预设调试模型的参数信息,以将所述预设调试模型更新为所述目标焊接机台的参数调试模型。
6.根据权利要求5所述的方法,其特征在于,所述样本集还分割形成有验证样本集;
所述方法还包括:
在所述第一损失值符合预设阈值时,将所述预设调试模型更新为固定模型;
在所述验证样本集中确定验证样本数据;
将所述验证样本数据中的良品信息及历史产品的材质信息输入所述固定模型,得到所述固定模型输出的预测的焊接配置参数;
基于所述预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值;
判断所述第二损失值是否符合对应的预设参数阈值;
若不符合,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”;
若符合,将所述固定模型更新为所述目标焊接机台的参数调试模型。
7.根据权利要求6所述的方法,其特征在于,所述基于所述预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算第二损失值包括:
在所述焊接配置参数包含至少两种参数时,基于所述预测的焊接配置参数及验证样本数据中的焊接配置参数,通过第二预设损失函数,计算所述预测的焊接配置参数中每种参数与验证样本数据的焊接配置参数中对应的参数间的第二损失值;
所述判断所述第二损失值是否符合对应的预设参数阈值包括:
判断每个第二损失值是否均符合其对应的预设参数阈值;
所述若不符合,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”包括:
若至少有一个不符合,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”;
若符合,将所述固定模型更新为所述目标焊接机台的参数调试模型包括:
若均符合,将所述固定模型更新为所述目标焊接机台的参数调试模型。
8.根据权利要求6所述的方法,其特征在于,所述若符合,将所述固定模型更新为所述目标焊接机台的参数调试模型包括:
若符合,确定已获取验证样本数据的数量是否达到预设数量阈值;
若未达到,则重新执行步骤“在所述验证样本集中确定验证样本数据”至步骤“若符合,确定以获取验证样本数据的数量是否达到预设数量阈值”,直至所述验证样本数据的数量达到预设数量阈值;
若达到,则基于预设数量阈值个第二损失值是否均符合其对应的预设参数阈值,计算第二损失值的合格率;
在所述第二损失值的合格率符合预设合格阈值时,则将所述固定模型更新为所述目标焊接机台的参数调试模型;
在所述第二损失值的合格率不符合预设合格阈值时,则重新执行步骤“基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型”。
9.一种机台的参数调试方法,其特征在于,所述方法应用于电子设备,所述方法包括:
获取目标产品的材质信息及所述目标产品的目标良品信息;
将所述目标产品的材质信息及所述目标产品的目标良品信息输入目标焊接机台的参数调试模型,得到所述目标焊接机台的参数调试模型输出的所述目标焊接机台的焊接配置参数;所述目标焊接机台的参数调试模型为权利要求1~8中任一项所述的方法所生成的参数调试模型;
基于所述目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置。
10.根据权利要求9所述的方法,其特征在于,所述焊接配置参数包括以下任意一种或任意多种的组合:
焊接类型、焊点尺寸、激光波形、激光功率、激光脉冲能量、激光频率和激光线性速度。
11.根据权利要求9所述的方法,其特征在于,所述基于所述目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置包括:
向所述目标焊接机台发送所述目标焊接机台的焊接配置参数。
12.一种机台的参数调试模型生成装置,其特征在于,包括:
通信器,用于获取目标焊接机台的多个历史产品的焊接数据;每个所述历史产品的焊接数据包括所述历史产品的材质信息、所述历史产品的良品信息及所述目标焊接机台焊接所述历史产品时的焊接配置参数;所述历史产品的良品信息用于表征所述历史产品是否为良品的信息;
处理器,耦接所述通信器,用于:
基于所述目标焊接机台的多个历史产品的焊接数据,构建训练样本集;及
基于所述训练样本集对预设调试模型进行训练,以将所述调试模型更新为所述目标焊接机台的参数调试模型。
13.一种机台的参数调试装置,其特征在于,包括:
通信器,用于获取目标产品的材质信息及所述目标产品的目标良品信息;
处理器,耦接所述通信器,用于:
将所述目标品的材质信息及所述目标产品的目标良品信息输入目标焊接机台的参数调试模型,得到所述目标焊接机台的参数调试模型输出的所述目标焊接机台的焊接配置参数;所述目标焊接机台的参数调试模型为权利要求1~8中任一项所述的方法所生成的参数调试模型;
基于所述目标焊接机台的焊接配置参数进行所述目标焊接机台的焊接参数的配置。
14.一种电子设备,其特征在于,所述电子设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当所述计算机程序指令被该处理器执行时,触发所述电子设备执行如权利要求1-8中任一项所述的方法的步骤,或9-11中任一项所述的方法的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行如权利要求1-8中任一项所述的方法的步骤,或9-11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211713166.9A CN116108642A (zh) | 2022-12-27 | 2022-12-27 | 机台的参数调试模型训练方法、调试方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211713166.9A CN116108642A (zh) | 2022-12-27 | 2022-12-27 | 机台的参数调试模型训练方法、调试方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116108642A true CN116108642A (zh) | 2023-05-12 |
Family
ID=86257480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211713166.9A Pending CN116108642A (zh) | 2022-12-27 | 2022-12-27 | 机台的参数调试模型训练方法、调试方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116108642A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117410215A (zh) * | 2023-12-15 | 2024-01-16 | 合肥晶合集成电路股份有限公司 | 机台参数的确定方法、控制方法、控制系统及其装置 |
CN117472474A (zh) * | 2023-12-27 | 2024-01-30 | 苏州元脑智能科技有限公司 | 配置空间调试方法、系统、电子设备及存储介质 |
-
2022
- 2022-12-27 CN CN202211713166.9A patent/CN116108642A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117410215A (zh) * | 2023-12-15 | 2024-01-16 | 合肥晶合集成电路股份有限公司 | 机台参数的确定方法、控制方法、控制系统及其装置 |
CN117410215B (zh) * | 2023-12-15 | 2024-04-09 | 合肥晶合集成电路股份有限公司 | 机台参数的确定方法、控制方法、控制系统及其装置 |
CN117472474A (zh) * | 2023-12-27 | 2024-01-30 | 苏州元脑智能科技有限公司 | 配置空间调试方法、系统、电子设备及存储介质 |
CN117472474B (zh) * | 2023-12-27 | 2024-03-15 | 苏州元脑智能科技有限公司 | 配置空间调试方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116108642A (zh) | 机台的参数调试模型训练方法、调试方法及设备 | |
US11243527B2 (en) | Production process control method and production process control device | |
CN112884092B (zh) | Ai模型生成方法、电子设备及存储介质 | |
CN109992601B (zh) | 待办事项信息的推送方法、装置和计算机设备 | |
CN110489314B (zh) | 模型异常检测方法、装置、计算机设备和存储介质 | |
CN108780313B (zh) | 为装配线执行目标参数分析的方法、系统和计算机可读介质 | |
CN113868061B (zh) | 芯片验证方法、装置及服务器 | |
CN110309308A (zh) | 一种文字信息的分类方法、装置及电子设备 | |
CN110019838A (zh) | 智能问答系统及智能终端 | |
CN110263326A (zh) | 一种用户行为预测方法、预测装置、存储介质及终端设备 | |
CN109857373A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN109034941B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN111124898A (zh) | 问答系统测试方法、装置、计算机设备和存储介质 | |
CN110275878A (zh) | 业务数据检测方法、装置、计算机设备及存储介质 | |
CN108986786B (zh) | 语音交互设备评级方法、系统、计算机设备和存储介质 | |
CN117131100A (zh) | 电力设备故障数据的挖掘方法、装置、设备及存储介质 | |
CN115856694A (zh) | 电池寿命预测方法、装置、计算机设备和存储介质 | |
CN113628077B (zh) | 生成不重复考题的方法、终端及可读存储介质 | |
CN110019730A (zh) | 自动交互系统及智能终端 | |
CN115203556A (zh) | 一种评分预测模型训练方法、装置、电子设备及存储介质 | |
CN115099934A (zh) | 一种高潜客户识别方法、电子设备和存储介质 | |
CN112733453A (zh) | 一种基于联合学习的设备预测性维护方法及装置 | |
CN114339855A (zh) | 无线网络覆盖率评估方法、装置及计算设备 | |
CN112907145A (zh) | 模型解释方法以及电子设备 | |
CN116523039B (zh) | 连铸知识图谱的生成方法及装置、存储介质、终端 |
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 |