CN116252039A - 一种惯性摩擦焊机智能控制方法和系统 - Google Patents

Abstract

本发明公开了一种惯性摩擦焊机智能控制方法和系统，包括：采集装置确定待焊接工件的外形结构分类和焊接材料分类；标准参数确定模块确定相应的焊接参数设定数据包；操控系统将数据包中的参数与焊接设备进行连接自动设定焊接参数；焊接精度控制系统，进行惯性摩擦焊接轴向缩短量数据预估处理，以及通过反馈控制对焊接元件的缩短量进行增量控制；控制界面，所述控制界面提供参数设置功能，包括选择不同的控制优化模式，用于焊接精度控制系统根据所述控制优化模式对应的焊接参数优化算法进行自动调整焊接参数；通过本发明实现对工件缩短量的精确控制，提高焊接质量和精度。

Description

一种惯性摩擦焊机智能控制方法和系统

技术领域

本发明属于计算机技术领域，尤其涉及一种惯性摩擦焊机智能控制方法和系统。

背景技术

惯量摩擦焊接是一种新型的焊接技术，它是利用惯性力和摩擦力来实现焊接的。该技术具有高效、环保、节能等优点，被广泛应用于航空、汽车、船舶、轨道交通等领域。惯量摩擦焊接的原理是利用高速旋转的工具头在接触面上产生摩擦热，使接触面温度升高，然后通过惯性力将工具头向下推进，使接触面产生塑性变形，最终实现焊接。该技术不需要外部加热源，因此可以避免传统焊接技术中产生的氧化、变形等问题，同时也可以节约能源。在航空领域，该技术可以用于制造飞机结构件、发动机零部件等；在汽车领域，可以用于制造车身、底盘等部件；在船舶领域，可以用于制造船体、船桥等部件；在轨道交通领域，可以用于制造高速列车车体、轮轴等部件。其优点不仅在于高效、环保、节能，还在于焊接质量高、焊接速度快、焊接成本低等方面。因此，该技术在未来的发展中将会得到更广泛的应用。但是惯量摩擦焊接在摩擦时，由于工件材料的热变形及轴向顶力的作用下，产生轴向变形，这种变形为惯量摩擦焊接的缩短量。缩短量会因为惯性摩擦焊机的参数，工件材料的状态，设备运行的稳定性等因素变化。现有设备无法对缩短量做到可控；因此缺少一种智能化的计算机控制系统，进行惯性摩擦焊机轴向缩短量数据进行预估处理控制。

发明内容

针对上述现有技术中存在的缺陷，本发明提供一种惯性摩擦焊机智能控制方法，包括以下步骤：步骤1，基于采集装置的采集结果确定待焊接工件的外形结构分类和焊接材料分类，所述采集装置至少包括图像采集装置和重量采集装置。步骤2，标准参数确定模块基于预设的规则并根据所述外形结构分类和焊接材料分类确定相应的焊接参数设定数据包。步骤3，通过所操控系统将数据包中的参数与焊接设备进行连接，实现自动设定焊接参数的功能。步骤4，通过焊接精度控制系统进行惯性摩擦焊接轴向缩短量数据预估处理。步骤5，通过反馈控制对焊接元件的缩短量进行增量控制。

以及使用控制界面提供参数设置功能，包括选择不同的控制优化模式，用于焊接精度控制系统根据所述控制优化模式对应的焊接参数优化算法进行自动调整焊接参数。

其中，焊接精度控制系统由以下模块构成：传感器系统，所述传感器系统用于实时监测轴向顶力和温度，并将数据传输给数据处理系统。数据处理系统，所述数据处理系统根据传感器系统数据，进行轴向缩短量的预估处理，以及制定相应的增量控制策略。

参数控制器，所述参数控制器根据数据处理系统的指令，生成惯性摩擦焊接的参数改变量，并将所述惯性摩擦焊接的参数改变量发送给所述操控系统以调整对应焊接参数。

反馈系统，所述反馈系统实时监测焊接中实际缩短量与预估缩短量的差异反馈至数据处理系统。

其中，所述控制界面还用于提供对焊接元件的焊接精度的选择操作；所述焊接精度包括：高精度、中精度、低精度。

其中，所述选择不同的控制优化模式包括选择单一控制优化模式选择控制优化模式组合。

所述焊接精度控制系统的数据处理系统根据所述控制优化模式对应的焊接参数优化算法进行焊接参数的自动调整。

其中，对于控制优化模式组合，选择多种单一控制优化模式，并设置所选择的多种单一控制优化模式的权重系数，所述多种单一控制优化模式的权重系数之和等于1。

其中，所述单一控制优化模式采用PID控制算法对惯性摩擦焊接的参数的控制。

或所述单一控制优化模式采用模糊逻辑的控制算法对惯性摩擦焊接的参数的控制。

或所述单一控制优化模式采用综合控制器对惯性摩擦焊接的参数的控制。

其中，综合控制器通过如下方式实现：步骤a，对传感器系统实时采集工件的轴向顶力和热变形数据采集和预处理。步骤b，将焊接时间、轴向顶力输入神经网络对轴向缩短量进行预测，得到缩短量预测值，基于缩短量预测值和实际缩短量得到缩短量误差值。步骤c，将缩短量误差值输入到模糊控制器中，计算出控制器的输出值。步骤d，将缩短量误差值输入到PID控制器中，计算出控制器的输出值。步骤e，将所述模糊控制器和所述PID控制器的输出值进行加权平均，得到最终的综合控制器输出值。

其中，当所述惯性摩擦焊机智能控制系统包括温度检测模块时，所述单一控制优化模式还包括多种模型预测控制算法。

其中，对于模型预测控制算法，基于旋转部件的转矩τ(t)、工件的轴向速度v(t)、工件的温度T(t)和当前时刻的轴向缩短量ΔL(t) 预测下一时刻的轴向缩短量ΔL(t+1)。

其中，对于模型预测控制算法，基于旋转部件的转矩τ(t)、工件的轴向速度v(t)、工件的温度T(t)和当前时刻的轴向缩短量ΔL(t)以及其交互作用对轴向缩短量的影响程度预测下一时刻的轴向缩短量ΔL(t+1)。

本发明还提供了一种惯性摩擦焊机智能控制系统，其特征在于，所述系统包含处理器、存储器，所述处理器通过执行存储器中的计算机指令实现前述的方法。

与现有技术相比，通过本发明的方法可以实现：根据焊接材料的不同状态,尺寸精度，外形结构，形成焊接参数设定数据包，通过软件系统控制和智能算法，从而确定焊接参数的精确设定。根据惯性摩擦焊接的工作原理，为保证工件最终的焊接精度要求，缩短量在一定范围内做到增量控制，通过对转动惯能轴向顶力以及旋转速度进行系统智能软件算法闭环控制。对惯性摩擦焊接设备工作的工作状态进行实时数据监测，通过惯性摩擦焊机智能控制系统，精准控制设备旋转主轴的温度、转速、轴向顶力、轴向位移量、以及设备整体的刚性。

附图说明

图1：根据本发明实施例的惯性摩擦焊机智能控制方法的流程图。

图2：根据本发明实施例的焊接精度控制系统的结构和连接示意图。

具体实施方式

下面结合附图详细说明本发明的可选实施例。

实施例一。

如图1所示，本发明公开了一种惯性摩擦焊机智能控制方法，包括以下步骤：步骤1，基于采集装置的采集结果确定待焊接工件的外形结构分类和焊接材料分类，所述采集装置至少包括图像采集装置和重量采集装置。步骤2，标准参数确定模块基于预设的规则并根据所述外形结构分类和焊接材料分类确定相应的焊接参数设定数据包。步骤3，通过所操控系统将数据包中的参数与焊接设备进行连接，实现自动设定焊接参数的功能。步骤4，通过焊接精度控制系统进行惯性摩擦焊接轴向缩短量数据预估处理。步骤5，通过反馈控制对焊接元件的缩短量进行增量控制。

以及使用控制界面提供参数设置功能，包括选择不同的控制优化模式，用于焊接精度控制系统根据所述控制优化模式对应的焊接参数优化算法进行自动调整焊接参数。

惯性摩擦焊机智能控制系统包括采集装置，所述采集装置至少包括图像采集装置和重量采集装置，所述图像采集装置用于获取焊接工件的接触面的材料外形结构分类，外形结构包括形状（方形、圆形，环形，多边形等），图像采集装置基于与焊接工件表面相距预设距离，可以根据摄像头与对象的距离准确获知采集对象的尺寸（通过不同角度的图像采集，包括正视图、左侧视图，右侧视图、俯视图、仰视图）可以确定采集对象的体积，进而结合重量采集装置的采集结果确定待焊接工件的焊接材料分类（金属材料、非金属材料、复合材料等）。

标准参数确定模块基于预设的规则焊接参数设定数据包，包括根据以上外形结构分类和焊接材料分类，确定相应的焊接参数设定数据包，包括焊接电流、电压、焊接时间、旋转速度、轴向压力等参数。

所述预设规则可以是根据焊接工艺参数预先存储的对应于固定端和旋转端的外形结构分类和焊接材料分类所设定的焊接参数，所述设定的焊接参数可以通过数据库的形式存储在焊接参数生成模块中。

此外，还可以根据焊接材料尺寸精度分类，操作管理人员可以根据采集装置识别结果确定焊接材料的尺寸精度，包括高精度、中精度、低精度，可以通过交互页面实现选择焊接精度。

所述预设规则还可以进一步基于焊接材料尺寸精度调整固定端和旋转端的外形结构分类和焊接材料分类所设定的焊接参数的预设参数，所述设定的预设参数的调整方法也可以通过数据库的形式存储在焊接参数生成模块中。

惯性摩擦焊机智能控制系统包括操控系统，通过操控系统将数据包中的参数与焊接设备进行连接，实现自动设定焊接参数的功能。同时软件系统还可以根据焊接过程中的实时数据对焊接参数进行动态调整，以保证焊接质量和效率。操控系统包括驱动电路，根据惯性摩擦焊接的参数，设计相应的驱动电路，如电机驱动电路、压力控制电路等。

惯性摩擦焊机智能控制系统还包括焊接精度控制系统，进行惯性摩擦焊接轴向缩短量数据预估处理，以保证工件的焊接精度要求，对缩短量做到增量控制，通过智能算法可以自动调整焊接参数，以达到最佳的焊接效果。

惯性摩擦焊机智能控制系统还包括控制界面，可以满足操控人员进行参数设置、数据显示等功能。

实施例二。

如图2所示，为了实现惯性摩擦焊接轴向缩短量数据预估处理和增量控制，焊接精度控制系统由以下模块构成：传感器系统：安装在焊接固定端上的传感器（通过支架夹持或固定孔安装在固定端侧）可以实时监测轴向顶力和温度，并将数据传输给数据处理系统。数据处理系统：数据处理系统可以根据传感器传来的数据，进行轴向缩短量的预估处理，以及制定相应的增量控制策略。本发明中需要使用高性能的微控制器，如STM32系列，具有高速运算能力和丰富的外设接口，以满足数据处理系统的需求。参数控制器：参数控制器可以根据数据处理系统的指令，生成惯性摩擦焊接的参数改变量（当前参数值和数据处理系统输出的参数值的差值），如旋转速度、轴向压力等，并将焊接参数改变量发送给惯性摩擦焊机智能控制系统的操控系统以调整对应焊接参数以满足焊接精度的要求。反馈系统：数据处理系统可以通过反馈系统，实时监测焊接中实际缩短量与预估缩短量的差异反馈至数据处理系统，使得数据处理系统根据反馈结构及时调整增量控制策略，以保证工件的焊接精度要求。

反馈控制的目的是实时监测焊接质量，具体实现步骤如下：使用传感器系统实时采集焊接缩短量数据，并进行预处理，如滤波、降噪等；根据焊接缩短量数据，计算出焊接质量指标，包括预估缩短量与实际缩短量的误差；将焊接质量指标与预设的焊接质量要求进行比较，判断焊接质量是否符合要求；如果焊接质量不符合要求，根据焊接质量指标和预设的焊接质量要求，调整惯性摩擦焊接的参数，如旋转速度、轴向压力等，以提高焊接质量。重复以上步骤，直到焊接质量符合要求。

本发明中，参数控制器需要与数据处理系统进行通信，可以选择一款通信模块，如蓝牙模块、WIFI模块等或使用总线进行通信。本发明通过一种友好的控制界面，可以满足操控人员进行参数设置、数据显示等功能。在对应的参数设置的控制界面中，操作人员在某一下拉菜单中，可以选择控制优化模式为控制优化模式1~5或者组合模式。当操作人员选择组合模式时，页面弹出选择框，选择框内左侧为栏1，右侧为栏2，用户在栏1和栏2中分别选择控制模式1~5，并在属性位置设置栏1和栏2对应控制模式的权重系数1和权重系数2。所述权重系数1和权重系数2的和等于1。控制优化模式1~5分别对应5种不同的焊接参数优化算法，用于焊接精度控制系统的数据处理系统根据所述控制优化模式对应的焊接参数优化算法进行自动调整焊接参数。

下面对控制优化模式1~5进行介绍。

（一）控制优化模式1：控制优化模式1采用PID控制算法，PID控制算法是一种经典的控制算法，可以实现惯性摩擦焊接轴向缩短量的增量控制。具体设计步骤如下：（1）测量轴向顶力和热变形的数据，计算出轴向缩短量的误差值。（2）根据误差值，计算出PID控制器的输出值。（3）根据输出值，调整惯性摩擦焊接的参数，如旋转速度、轴向压力等。（4）重复以上步骤，直到轴向缩短量的误差值达到预设的范围。通过以上方式实现对惯性摩擦焊接的参数的控制，从而实现轴向缩短量的增量控制。

（二）控制优化模式2：模糊控制算法是一种基于模糊逻辑的控制算法，可以实现惯性摩擦焊接轴向缩短量的增量控制。

控制优化模式2为模糊控制器，模糊控制器包括模糊化模块，用于将轴向缩短量的误差值进行模糊化处理，将其转化为模糊变量；模糊控制器包括规则库，所述规则库包含一系列的模糊规则，用于描述轴向缩短量的误差值与控制器输出之间的关系；模糊控制器包括推理机，用于根据规则库和模糊变量，计算出控制器的输出值；模糊控制器包括去模糊化模块，用于将控制器的输出值进行去模糊化处理，得到实际的控制量。

使用模糊控制器作为控制优化算法的方法步骤，包括：步骤2-1，根据惯性摩擦焊接的参数和当前焊接时间，确定预估的缩短量，具体地，可以根据焊接时间和缩短量的曲线关系，所述曲线关系是根据惯性摩擦焊接的参数和待焊接元件的外形结构分类和焊接材料分类，根据焊接历史数据训练生成的非线性模型确定的（焊接时间和缩短量的对应数据组）。步骤2-2，测量轴向顶力和热变形的数据，计算出轴向缩短量的误差值。步骤2-3，将误差值输入到模糊控制器中，计算出控制器的输出值。步骤2-4，根据输出值，调整惯性摩擦焊接的参数，如旋转速度、轴向压力等。步骤2-5，重复以上步骤，直到轴向缩短量的误差值达到预设的范围。通过以上模糊控制算法的设计，可以实现惯性摩擦焊接轴向缩短量的增量控制，从而实现控制效果。

（三）控制优化模式3：控制优化模式3包括使用一个综合控制器以更好地实现惯性摩擦焊接轴向缩短量的控制，提高焊接质量和精度。

综合控制器通过如下方式实现控制优化模式3的算法，包括：步骤3-1，数据采集和预处理：使用传感器系统实时采集工件的轴向顶力和热变形数据（轴向变形），并进行预处理，如滤波、降噪等。步骤3-2，将焊接时间、轴向顶力使用神经网络对轴向缩短量进行预测，得到缩短量预测值。基于缩短量预测值和实际缩短量得到缩短量误差值。步骤3-3，将缩短量误差值输入到模糊控制器中，计算出控制器的输出值。步骤3-4，将缩短量误差值输入到PID控制器中，计算出控制器的输出值。步骤3-5，将模糊控制器和PID控制器的输出值进行加权平均，得到最终的控制器输出值。步骤3-6，使用反馈控制方法，实时监测轴向缩短量，以保证工件的焊接精度要求。

（四）控制优化模式4：当所述采集装置中的采集装置（安装在图像采集装置上）或传感器组（在固定端进行支架夹持）中包括温度检测模块时，可以同时通过检测图像（基于采集装置与检测的焊接元件的距离估计缩短量）获取元件缩短量（通过图像处理和识别分析），以及通过温度检测模块获取元件焊接接触段范围的温度。

控制优化模式4进行焊接参数调整的具体方式包括如下：步骤4-1，数据采集和预处理：使用传感器系统实时采集工件的轴向顶力和热变形数据（轴向），并进行预处理，如滤波、降噪等。同时，使用采集装置检测工件的缩短量（轴向）和元件焊接接触段范围的温度，并将检测到的数据传输给数据处理系统。步骤4-2，使用模型预测控制算法，根据建立的数学模型，预测下一时刻的轴向缩短量，并根据预测结果调整惯性摩擦焊接的参数（旋转速度、轴向压力），以实现对工件缩短量的精确控制。其中，数学模型是根据惯性摩擦焊接的物理原理建立的，包括惯性摩擦焊接的动力学模型和热力学模型。

建立惯性摩擦焊接的动力学模型和热力学模型是实现基于模型预测控制的关键步骤。

下面分别介绍如何建立这两个模型：动力学模型：惯性摩擦焊接的动力学模型主要包括旋转部件的运动学方程和轴向顶力的动力学方程。

（1）旋转部件的运动学方程，旋转部件的运动学方程可以表示为：ω = f(τ, J,t)；其中，ω为旋转部件的角速度，τ为旋转部件的转矩，J为旋转部件的转动惯量，t为时间。（2）轴向顶力的动力学方程，轴向顶力的动力学方程可以表示为：F = f(τ, v, t)；其中，F为轴向顶力，τ为旋转部件的转矩，v为工件的轴向速度，t为时间。

热力学模型：惯性摩擦焊接的热力学模型主要包括热传导方程和热源方程。

（1）热传导方程，热传导方程可以表示为：∂T/∂t = α(∂^2T/∂x^2 + ∂^2T/∂y^2 +∂^2T/∂z^2)；其中，T为工件的温度，t为时间，α为热扩散系数，x、y、z为空间坐标。（2）热源方程，热源方程可以表示为：Q = ρCpV∂T/∂t；其中，Q为热源，ρ为工件的密度，Cp为工件的比热容，V为工件的体积，T为工件的温度，t为时间。

在控制优化模式4中步骤4-2中预测下一时刻的轴向缩短量的公式如下：ΔL(t+1)= f(τ(t), v(t), T(t), ΔL(t))；其中，ΔL(t+1)为下一时刻的轴向缩短量，τ(t)为旋转部件的转矩，v(t)为工件的轴向速度，T(t)为工件的温度，ΔL(t)为当前时刻的轴向缩短量。

其中，函数f表明下一时刻的轴向缩短量ΔL(t+1)与旋转部件的转矩τ(t)、工件的轴向速度v(t)、工件的温度T(t)和当前时刻的轴向缩短量ΔL(t)有关，数学模型如下：f(τ(t), v(t), T(t), ΔL(t)) = k1 * τ(t) + k2 * v(t) + k3 * T(t) + k4 * ΔL(t)。

其中，k1、k2、k3、k4为待确定的系数，系数k1、k2、k3、k4分别表示这些因素对轴向缩短量的影响程度。其中，确定k1、k2、k3、k4的方法包括如下几种。

实验法：通过实验测量得到不同参数下的轴向缩短量，然后使用回归分析等方法拟合出函数f中的系数。

数值模拟法：使用数值模拟软件，如有限元分析软件等，建立惯性摩擦焊接的数学模型，然后通过模拟计算得到不同参数下的轴向缩短量，最后使用回归分析等方法拟合出函数f中的系数。

经验法：根据经验和专业知识，估计函数f中的系数的取值范围，并进行试验性的调整，以达到预测精度和控制效果的要求。

步骤4-3，使用反馈控制方法，实时轴向缩短量和元件焊接接触段范围的温度，以保证工件的焊接精度要求。

通过以上基于模型预测控制的实现方法，可以通过建立数学模型来实现对工件缩短量的精确控制，提高焊接质量和精度。

（五）控制优化模式5，控制优化模式5与控制优化模式4在采用的硬件模块上相同，且在方法（同样也是步骤5-1~5-3）上也是采用与控制优化模式4相似的步骤4-1~4-3来实现对工件缩短量的精确控制。

区别在于控制优化模式5采用和控制优化模式4不相同的预测下一时刻的轴向缩短量的实现方式（步骤5-2中采用的函数f为数学模型）。

步骤5-2中函数f的数学模型如下，下一时刻的轴向缩短量ΔL(t+1)与旋转部件的转矩τ(t)、工件的轴向速度v(t)、工件的温度T(t)和当前时刻的轴向缩短量ΔL(t)以及它们之间的交互作用有关：

f(τ(t), v(t), T(t), ΔL(t)) = k1 * τ(t) + k2 * v(t) + k3 * T(t) + k4* ΔL(t) + k5 * τ(t)^2 + k6 * v(t)^2 + k7 * T(t)^2 + k8 * ΔL(t)^2 + k9 * τ(t) * v(t) + k10 * τ(t) * T(t) + k11 * τ(t) * ΔL(t) + k12 * v(t) * T(t) +k13 * v(t) * ΔL(t) + k14 * T(t) * ΔL(t)。

其中，系数k1~k14分别表示这些因素及其交互作用对轴向缩短量的影响程度。在实际应用中，还可以根据具体情况进行函数f的设计和系数的确定，以提高预测精度和控制效果。

相比于控制优化模式4中仅需要确定k1~k4四个系数，控制优化模式4需要确定k1~k14的十四个系数。

为了使得k1~k4的确定更加准确，使用粒子群算法对函数f中的系数进行优化，以达到预测精度和控制效果的要求，具体包括：步骤S1，初始化粒子群：随机生成一定数量的粒子，每个粒子表示一个系数向量，即f(τ(t), v(t), T(t), ΔL(t)) = [k1, k2, …,k14]。

步骤S2，计算适应度：将每个粒子的系数向量代入目标函数中，计算出对应的轴向缩短量，作为粒子的适应度。步骤S3，更新粒子速度和位置：根据粒子群算法的公式，更新每个粒子的速度和位置，以寻找更优的系数向量。步骤S4，重复步骤S3和S4，直到达到预设的迭代次数或者满足预设的收敛条件。步骤S5，输出最优解：从所有粒子中选取适应度最好的粒子，即对应的系数向量，作为函数f的最优解。

控制优化模式5在使用过程中对微控制器处理能力的要求非常高，在STM32系列不满足处理能力需求的情况下，采用Renesas RX系列或TI Sitara系列的微控制器，以满足数据处理系统的需求。

基于系统中微控制器的处理能力和使用情况（使用年限）选择控制优化模式5或控制优化模式4进行缩短量预测。

点击初始页上的导航条上的登录按钮，然后输入正确的用户名和密码，就能对参数设置的数字进行修改；修改完数据后可点击注销按钮，退出数据修改。200HT型摩擦焊机上位机为Windows 10专业版操作系统，采用SIMATIC WinCC V7.4监控软件，支持的软件有VB6.0，SQL Server2014数据库，Office 2013等；点击操作箱上的“电脑开机”按钮，现场电脑开机，系统会自动进入WINCC画面，现场工控机上面菜单中按钮可以进入相应的画面。分别输入用户名和密码，并分别按下回车键，然后点击登录按钮。即可进入主画面。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

以上介绍了本发明的较佳实施方式，旨在使得本发明的精神更加清楚和便于理解，并不是为了限制本发明，凡在本发明的精神和原则之内，所做的修改、替换、改进，均应包含在本发明所附的权利要求概括的保护范围之内。

Claims (11)

1.一种惯性摩擦焊机智能控制方法，包括以下步骤：步骤1，基于采集装置的采集结果确定待焊接工件的外形结构分类和焊接材料分类，所述采集装置至少包括图像采集装置和重量采集装置；步骤2，标准参数确定模块基于预设的规则并根据所述外形结构分类和焊接材料分类确定相应的焊接参数设定数据包；步骤3，通过所操控系统将数据包中的参数与焊接设备进行连接，实现自动设定焊接参数的功能；步骤4，通过焊接精度控制系统进行惯性摩擦焊接轴向缩短量数据预估处理；步骤5，通过反馈控制对焊接元件的缩短量进行增量控制；以及使用控制界面提供参数设置功能，包括选择不同的控制优化模式，用于焊接精度控制系统根据所述控制优化模式对应的焊接参数优化算法进行自动调整焊接参数。

2.如权利要求1所述的惯性摩擦焊机智能控制方法，其特征在于，焊接精度控制系统由以下模块构成：传感器系统，所述传感器系统用于实时监测轴向顶力和温度，并将数据传输给数据处理系统；数据处理系统，所述数据处理系统根据传感器系统数据，进行轴向缩短量的预估处理，以及制定相应的增量控制策略；参数控制器，所述参数控制器根据数据处理系统的指令，生成惯性摩擦焊接的参数改变量，并将所述惯性摩擦焊接的参数改变量发送给所述操控系统以调整对应焊接参数；反馈系统，所述反馈系统实时监测焊接中实际缩短量与预估缩短量的差异反馈至数据处理系统。

3.如权利要求1所述的惯性摩擦焊机智能控制方法，其特征在于，所述控制界面还用于提供对焊接元件的焊接精度的选择操作；所述焊接精度包括：高精度、中精度、低精度。

4.如权利要求1所述的惯性摩擦焊机智能控制方法，其特征在于，所述选择不同的控制优化模式包括选择单一控制优化模式选择控制优化模式组合；所述焊接精度控制系统的数据处理系统根据所述控制优化模式对应的焊接参数优化算法进行焊接参数的自动调整。

5.如权利要求4所述的惯性摩擦焊机智能控制方法，其特征在于，对于控制优化模式组合，选择多种单一控制优化模式，并设置所选择的多种单一控制优化模式的权重系数，所述多种单一控制优化模式的权重系数之和等于1。

6.如权利要求4所述的惯性摩擦焊机智能控制方法，其特征在于，所述单一控制优化模式采用PID控制算法对惯性摩擦焊接的参数的控制；所述单一控制优化模式采用模糊逻辑的控制算法对惯性摩擦焊接的参数的控制；所述单一控制优化模式采用综合控制器对惯性摩擦焊接的参数的控制。

7.如权利要求6所述的惯性摩擦焊机智能控制方法，其特征在于，综合控制器通过如下方式实现：步骤a，对传感器系统实时采集工件的轴向顶力和热变形数据采集和预处理；步骤b，将焊接时间、轴向顶力输入神经网络对轴向缩短量进行预测，得到缩短量预测值，基于缩短量预测值和实际缩短量得到缩短量误差值；步骤c，将缩短量误差值输入到模糊控制器中，计算出控制器的输出值；步骤d，将缩短量误差值输入到PID控制器中，计算出控制器的输出值；步骤e，将所述模糊控制器和所述PID控制器的输出值进行加权平均，得到最终的综合控制器输出值。

8.如权利要求4所述的惯性摩擦焊机智能控制方法，其特征在于，当所述惯性摩擦焊机智能控制系统包括温度检测模块时，所述单一控制优化模式还包括多种模型预测控制算法。

9.如权利要求8所述的惯性摩擦焊机智能控制方法，其特征在于，对于模型预测控制算法，基于旋转部件的转矩τ(t)、工件的轴向速度v(t)、工件的温度T(t)和当前时刻的轴向缩短量ΔL(t) 预测下一时刻的轴向缩短量ΔL(t+1)。

10.如权利要求8所述的惯性摩擦焊机智能控制方法，其特征在于，对于模型预测控制算法，基于旋转部件的转矩τ(t)、工件的轴向速度v(t)、工件的温度T(t)和当前时刻的轴向缩短量ΔL(t)以及其交互作用对轴向缩短量的影响程度预测下一时刻的轴向缩短量ΔL(t+1)。

11.一种惯性摩擦焊机智能控制系统，其特征在于，所述系统包含处理器、存储器，所述处理器通过执行存储器中的计算机指令实现权利要求1-10中的任一项方法。

Images