CN116787043A - 一种基于边缘计算的焊接数据采集处理方法及系统 - Google Patents
一种基于边缘计算的焊接数据采集处理方法及系统 Download PDFInfo
- Publication number
- CN116787043A CN116787043A CN202310677820.3A CN202310677820A CN116787043A CN 116787043 A CN116787043 A CN 116787043A CN 202310677820 A CN202310677820 A CN 202310677820A CN 116787043 A CN116787043 A CN 116787043A
- Authority
- CN
- China
- Prior art keywords
- welding
- data
- quantized
- unit
- edge
- 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 280
- 238000004364 calculation method Methods 0.000 title claims abstract description 76
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000013441 quality evaluation Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 38
- 238000004891 communication Methods 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000013523 data management Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000010953 base metal Substances 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 239000011324 bead Substances 0.000 claims 3
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 238000004886 process control Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 230000004807 localization Effects 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005493 welding type Methods 0.000 description 1
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
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
- B23K37/02—Carriages for supporting the welding or cutting element
- B23K37/0252—Steering means
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于边缘计算的焊接数据采集处理方法及系统,包括:在焊接路径上加入预测点位,对焊接设备源进行数据采集;通过边缘算法对采集的数据进行分析处理,包括:通过量化焊接质量边缘计算模型计算实际焊接点位和预测点位的量化焊接质量值,通过分析实际焊接点位和预测点位的量化焊接质量值调整焊接参数,并根据量化焊接质量评定指标进行评定;汇集并统计各个边缘算法分析处理的数据,获取总体分析结果。本发明解决了传统焊接设备采集数据无法敏捷处理和无法低延迟反馈的问题,尤其是大规模使用多种类焊接设备的情况下,对数据进行本地处理并分流,节省数据传输带宽,降低中央服务器的计算压力,实现焊接质量的过程管控。
Description
技术领域
本发明属于智能焊接制造技术领域,特别涉及一种基于边缘计算的焊接数据采集处理方法及系统。
背景技术
焊接技术广泛应用与机械制造、船舶行业、海工平台、建筑工程、航空航天工业等各个领域。随着焊接技术的发展和制造业质量要求的提升,焊接质量的信息化管理需求快速增长,而传统的焊接作业方式大多采用人工或者半自动形式,信息化程度低,焊接数据采集无法采集或者数据采集后处理不便,没有起到焊接质量管控的作用;此外在实施了信息化改造的焊接场景中,焊接数据采集后统一汇聚到中央服务器处理,并且主要服务于后台管理人员,现场作业人员无法及时获得焊接数据处理结果的反馈,焊接质量问题主要依赖后期检测,时效性滞后。因此,如何解决焊接设备数据采集以及数据处理后的及时反馈,保障焊接质量,成为本领域一个急需解决的技术问题。
传统的焊接数据采集和处理方式是把焊接设备的数据采集后,通过有线或者无线网络直接传送到中央服务器,中央服务器对大量焊接数据进行存储、分析计算,然后将分析结果反馈到管理人员的计算机终端;由于远程数据传输速率的限制,焊接设备操作人员得不到实时分析结果,更多依赖于焊接完成后的质量检测发现问题,存在很大滞后性,且追溯和返工成本较高。随着联网设备的增多,仅仅通过中央服务器负担全部设备的数据传输及计算任务是难以实现数据的及时采集和处理的。
经对现有技术文献和专利检索发现,专利申请号为202210160353.2的中国发明专利《一种基于边缘计算的机器人焊接现场智能》公开了一种基于边缘计算的机器人焊接现场智能监控系统,以实现装备制造企业多车间焊接现场的集中式智能化质量监测和管控。针对的焊接设备为焊接机器人,但未涉及大量现存的人工焊接设备,不能满足人工焊接设备的数据采集和边缘计算的需求。
专利申请号为201710912993.3的中国发明专利《一种工业锅炉钢管焊接数据采集系统》公开了一种工业锅炉钢管焊接数据采集系统,由基于无线传感器网络的焊接信息采集子系统和总系统计算机组成,焊接信息采集子系统采集焊接工作台上的钢管焊接的电流和电压信息,并将钢管焊接的电流和电压信息通过有线以太网将信息上传给总系统计算机处理。由于该系统需要将焊接数据上传值总系统计算机处理,未涉及焊接设备过程数据的边缘计算,不能满足现场大量焊接设备同时运行时计算结果的低延迟反馈。
发明内容
本发明的目的在于提供一种基于边缘计算的焊接数据采集处理方法及系统,以解决焊接设备在使用过程中出现的数据处理路径长、数据结果反馈不及时的问题,提高了时敏信息的处理能力。
实现本发明目的的技术方案为:
一种基于边缘计算的焊接数据采集处理方法,具体包括:
在焊接路径上加入预测点位,对焊接设备源进行焊接数据采集;
通过边缘算法对采集的焊接数据进行分析处理,包括:通过量化焊接质量边缘计算模型计算实际焊接点位和预测点位的量化焊接质量值,通过分析实际焊接点位和预测点位的量化焊接质量值偏差,进而调整焊接参数,并根据量化焊接质量评定指标进行评定;
汇集并统计各个边缘算法分析处理的数据,获取总体统计结果。
进一步地,所述焊接数据包括:焊接设备型号、焊材、母材、电流、电压和焊接速度等。
进一步地,所述通过边缘算法对采集的焊接数据进行分析处理具体包括:
清洗采集的原始焊接数据,将原始焊接数据的类型、格式、缺失值、重复数据、严重偏离数据进行统一调整;
提取焊接采集数据特征,提取单元对焊接电流、电弧电压、焊接速度进行运算提取平均值、方差、算数平方根;
通过量化焊接质量边缘计算模型分别计算实际焊接点位和预测点位的量化焊接质量值,预测点位的量化焊接质量值,通过提高数据采集频率(正常焊接数据采集是1s采集一次,提高到100ms一次)和采用比焊接质量要求高一等级的计算精度计算,用于焊接路线上的一系列插点计算,实际焊接点位的量化焊接质量值采用焊接与焊接质量要求同等的计算精度,预测点位的量化焊接质量值先于实际焊接点位的计算;
分析实际焊接点位和预测点位的量化焊接质量值的偏差,根据偏差调整焊接参数;
将偏差与工艺阈值对比,根据量化焊接质量评定指标获取评估和判定结果。
进一步地,所述实际焊接点位的量化焊接质量边缘计算模型为:
其中,Q为量化焊接质量值,f(I)、f(U)、f(v)为Q的三个主要影响因子,Ki、为自整定系数(i=1、2、3),v为焊接速度,t0为起始时间,t为结束时间,σ为补偿偏差。当其中任一个或多个影响因子变化时,与三个因子对应的自整定系数Ki、σ也随之变化,以匹配控制Q实现最优化;
所述预测点位的量化焊接质量边缘计算模型为:
式中,η为损耗系数,vs为送丝速度,为焊丝直径,t0为起始时间,t为结束时间。
进一步地,以V形破口对接焊为列,f(I)为焊接电流I关于焊缝横截截面积A的拟合函数,f(U)为电弧电压U关于焊缝横截面积A的拟合函数,f(v)为焊接速度v关于焊缝横截面积A的拟合函数。
所述f(I)、f(U)、f(v)具体为:
式中,δ为母材板厚,b为间隙,p为钝边,α为破口角度,ε1、ε2、ε3为拟合系数,通过加权最小二乘法计算得出。
进一步地,所述自整定系数K1、K2、K3通过PID算法自适应调整。
进一步地,所述自整定系数具体为:
式中,Ki为自整定系数,i取1、2或3;a1为PID比例系数、a2为PID积分系数、a3为PID微分系数,E(Q)为实际焊接点位和预测点位的量化焊接质量值的偏差。
E(Q)=Q-QE
进一步地,所述a1、a2、a3采用熵信息法分别赋予权重值,即同一个指标间通过对比,波动小越小,权重越小,反之波动越大,权重越大。
一种基于边缘计算的焊接数据采集处理系统,包括中央服务器和边缘计算终端,其中,所述中央服务器通过网关与边缘计算终端连接,实现数据收发,中央服务器接收到采集的数据后,根据通信协议进行数据解析,实现焊机状态的远程监控以及工艺下发;所述边缘计算终端包括中央处理单元、本地存储单元、信号调理单元、通讯单元和人机交互系统,所述中央处理单元用于通过边缘算法对采集的焊接数据进行分析处理,所述本地存储单元用于数据的存储,所述信号调理单元用于信号过滤,所述通讯单元用于与其他模块的数据传输,人机交互系统用于显示中央处理单元的分析处理结果。
进一步地,还包括采集模块,其中,采集模块包括电流传感器、电压传感器和送丝速度传感器,边缘计算终端通过通信接口直接与焊接设备相连进行数据采集或/和采集模块进行焊接设备数据采集。
进一步地,所述中央服务器包括数据存储单元、专家模型单元、数据管理单元和工艺数据库,其中数据存储单元用于存储边缘计算采集终端上传的数据,专家模型单元调用专家库规则对总体焊接工程做出评价,数据管理单元用于历史数据查询和分析,工艺数据库包含常用焊接工艺参数和积累优化后的焊接工艺;
所述中央处理单元包括数据清洗单元、特征提取单元、特征计算单元、质量评估单元、算法模型库;其中,数据清洗单元将采集的原始数据类型、格式、缺失值、重复数据、严重偏离数据进行统一调整,便于后续分析;特征提取单元对焊接电流、电弧电压、焊接速度等进行运算提取平均值、方差、算数平方根等,存储到寄存器以备随时调用;特征计算单元根据量化焊接质量边缘计算模型对特征值进行运算得出焊接质量分析结果并动态调整工艺参数;质量评估单元将焊接质量运算结果与工艺标准对比输出评估分值;算法模型库接收中央服务下发的匹配算法模型。
与现有技术相比,本发明的有益效果是:
(1)通过对传统焊接设备的数字化改造,增加基于边缘计算的焊接数据采集处理终端,并利用该终端及时采集和处理焊接设备源头数据,实现了焊接工艺的及时管控;
(2)本发明采用基于边缘计算的焊接设备数据采集处理终端使数据采集和处理变得更加智能,解决了传统焊接设备采集数据无法敏捷处理和无法低延迟反馈的问题,尤其是大规模使用多规格焊接设备的情况下,对数据进行本地处理并分流,节省数据传输带宽,降低中央服务器的计算压力,实现焊接质量的过程管控;
(3)将靠近传感器和其他物联网设备周围搜集的数据先运算处理,让数据处理后再传输到中央服务器,并且本地化处理后的结果可通过人机交互系统,及时直接的反馈给现场作业人员,提高了生产效率,提高了传统数据采集处理系统的结果反馈滞后问题,能及时有效的控制现场焊接作业过程中出现的工艺超限问题,做到及时报警提醒,维持焊接质量的稳定。
附图说明
图1为本发明具体实施方式的流程示意图。
图2为本发明具体实施方式的边缘计算方式流程图。
图3为本发明具体实施方式的功能结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将结合附图,对本申请的实施例进行描述。
目前物联网在智能制造领域的应用已具有一定基础,但在生产异构数据采集和处理方面仍存在数据采集不全面、数据处理不及时、数据利用不精确等问题,无法满足日益提高的产品质量要求。随着边缘计算技术的快速发展,融合了网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,极大提高了数据采集和处理效率。
边缘计算与传统集中式计算框架相比最大的区别在于,边缘计算采用分布式计算架构,将运算分散在靠近数据源的近端设备处理,分担中央平台的工作量,且不需要把全部数据回传中央平台端处理,实时性更好、效率更高、延迟短,甚至没有网络、无法接入云端,也不会妨碍边缘设备的计算,具有离线计算功能。随着联网设备的增多,仅仅通过中央服务器负担全部设备的数据传输及计算任务是难以实现数据的及时采集和处理的,基于此,本发明提供了一种基于边缘计算的兼容传统焊接设备和数字化焊接设备的数据采集处理方案,适应大批量、不同型号、不同技术程度的焊接设备数据采集处理和低延迟反馈需求。
图3为为本发明具体实施方式的功能结构示意图,基于边缘计算的焊接数据采集处理终端通过内置的中央处理器以及内置软件,来实现所对接的焊接设备的原始数据采集和本地化处理,并上传服务器端。
结合图3,基于边缘计算的焊接数据采集处理系统,包括中央服务器、边缘计算数据采集处理终端(以下简称边缘计算终端)和采集模块。
所述中央服务器通过网关与边缘计算终端连接,实现数据收发,中央服务器接收到边缘计算终端采集的数据后,根据通信协议进行数据解析,实现焊机状态的远程监控以及工艺下发;包括数据存储单元、专家模型单元、数据管理单元和工艺数据库,其中数据存储单元用于存储边缘计算采集终端上传的数据,专家模型单元调用专家库规则对总体焊接工程做出评价,数据管理单元用于历史数据查询和分析,工艺数据库包含常用焊接工艺参数和积累优化后的焊接工艺。
所述边缘计算终端包括中央处理单元(CPU)、本地存储单元、信号调理单元、通讯单元、人机交互系统。中央处理单元内置边缘算法实现数据源的就近快速处理和反馈,所属边缘算法由中央服务器下发,根据焊接工艺匹配应用,中央处理单元包括数据清洗单元、特征提取单元、特征计算单元、质量评估单元、算法模型库。其中,数据清洗单元将采集的原始数据文件类型、格式、缺失值、重复数据、严重偏离数据进行统一调整,便于后续分析;特征提取单元对焊接电流、电弧电压、焊接速度等进行运算提取平均值、算数平方根等,存储到寄存器以备随时调用;特征计算单元根据量化焊接质量边缘计算模型对特征值进行运算得出焊接质量分析结果并动态调整工艺参数;质量评估单元将焊接质量运算结果与工艺标准对比输出评估分值;算法模型库接收中央服务下发的匹配算法模型。
所述采集模块包括电流传感器、电压传感器、送丝速度传感器等,根据焊接设备匹配应用。
具体的,如图1和图2所示,该基于边缘计算的焊接数据采集处理方法可以包括以下步骤:
S100:将边缘计算数据采集处理终端接入待采集焊接设备源,执行指令对焊接设备源进行数据采集;
所采集的原始数据包括:焊接设备型号、焊材、母材、电流、电压、焊接速度等信息;
S200:通过传感器获取设备的原始数据,传输至边缘计算数据采集处理终端;
在本实施例中,该终端可以通过通信接口直接与焊接设备相连,并获取焊接设备自身控制系统的参数,也可以第三方传感器直接采集焊接设备的焊接电流、电弧电压、送丝速度等参数。
基于边缘计算的焊接数据采集处理终端,通过通讯接口读取焊接设备原始数据。可选的,在本实施例中,该终端也可以通过第三方传感器直接获取焊接设备的电流、电压、送丝速度等原始数据。
基于边缘计算的焊接数据采集处理终端获取焊接设备的原始数据后,利用内置的中央处理单元和边缘算法,对原始数据进行分析处理,得到规律的焊接数据。
S300:边缘计算数据采集处理终端的中央处理单元内置边缘算法,对上传的数据进行分析处理,并快速输出结果,辅助人工操作,通过人机交互系统及时反馈给现场人员;所述焊接源设备运行参数和焊接工艺参数汇集到该终端后,进行本地化敏捷分析处理和动态反馈。主要体现在:一是近源端数据分析处理和及时反馈;二是动态优化参数,结合预判模型,维持焊接实施过程的稳定性。
利用中央处理单元和量化焊接质量边缘计算模型,对所述的焊接设备原始数据进行数据类型统一转换,将不同焊接设备的数据、不同类型的数据转换为可快速传输和分析的预处理数据。
通常在焊接作业过程中,由于焊接数据的及时性,当出现超过工艺参数要求的参数时,一般的上传中央云端的数据处理方法无法做到及时反馈,存在一定的滞后性。因此,在本实施例中,通过终端预先调用和下载焊接设备的工艺参数,暂存至本地中央服务器,通过原始数据的本地化处理,利用参数动态调整,辅助人工控制焊接质量,并及时通过人机交互系统反馈至现场作业人员。
S310:边缘数据采集处理终端参数动态调整。具体的参数初始状态为默认值,当后续步骤判断需要调整时对默认参数进行动态调整。
S320:焊接采集数据上传后数据清洗。具体的,所采集到的原始数据集含有大量的噪声数据,采集后通过数据清洗,提高原始数据质量。数据清洗单元将采集的原始数据文件类型、格式、缺失值、重复数据、严重偏离数据进行统一调整,便于后续分析。
S330:焊接采集数据特征提取。具体的,通过中央处理器的特征提取单元对焊接电流、电弧电压、焊接速度等进行运算提取平均值、方差、算数平方根等,存储到寄存器以备随时调用。
S340:分为两部分同步进行计算:其中量化焊接质量在预测结果检查点位定义为QE,在实际焊接点位定义为Q。第一部分设置系列化的预测结果检查点,并计算出对应点位量化焊接质量值QE。其特征在于,预测结果检查点位于实际焊接位置的前移位置,且由一系列预测结果检查点构成,用于校对实际焊接点位Q与该点位QE的偏差。第二部分基于实时采集数据进行计算,得到焊接质量实际量化值Q,其特征在于,该数值是根据参数动态调整后得到的结果.
S350-S360:若Q在阈值通道范围内,且差值E(Q)也在阈值通道范围内,则Q对应的参数无需调整,若Q不在阈值通道范围内,或者E(Q)不在阈值通道范围内,则Q对应的参数根据误差方向做出反方向动态调整。
S370:根据量化焊接质量评定指标,对上述计算结果评定后,输出反馈。具体的,质量评估单元将焊接质量运算结果与工艺标准对比,输出评估分值和判定结果。
S310-S370中的任一步,所述的QE阈值通道作为判断焊接质量的第一判据。所述E(Q)阈值通道作为第二判据。传统的方式是根据经验公式,计算焊接电流I、电弧电压U、焊接速度V,输入后即为某个固定值,无法动态调整,本发明的不同之处在于,通过建立边缘算法模型动态调节参数,实现工艺参数自适用调整,将量化焊接质量自动控制在工艺指导书要求标准范围内。量化焊接质量值Q计算公式如下:
其中,Q为实际焊接点位的量化焊接质量值,f(I)、f(U)、f(v)为Q的三个主要影响因子,Ki为自整定系数(i=1、2、3),v为焊接速度,t0为起始时间,t为结束时间,σ为补偿偏差。当其中任一个或多个影响因子变化时,与三个因子对应的自整定系数Ki、σ也随之变化,以匹配控制Q实现最优化。
令所述预测点位的量化焊接质量值为:
式中,η为损耗系数,vs为送丝速度,为焊丝直径,t0为起始时间,t为结束时间。
具体的,以V形破口对接焊为列,f(I)为焊接电流I关于焊缝横截截面积A的拟合函数,f(U)为电弧电压U关于焊缝横截面积A的拟合函数,f(v)为焊接速度v关于焊缝横截面积A的拟合函数。
所述f(I)、f(U)、f(v)具体为:
式中,δ为母材板厚,b为间隙,p为钝边,α为破口角度,ε1、ε2、ε3为拟合系数,通过加权最小二乘法计算得出。
本发明利用PID(比例微积分)调节原理,通过系数自整定调整,精确匹配不同焊材、母材等,得出匹配电流值,参照该电流数值调整焊接设备参数,使焊接质量尽可能接近焊接工艺指导书的理想状态,提高焊接质量稳定性。系数的整定公式为:
式中,Ki为自整定系数,i取1、2或3;a1为PID比例系数、a2为PID积分系数、a3为PID微分系数,E(Q)为实际焊接点位和预测点位的量化焊接质量值的偏差,这里分别赋予权重值a1=0.68、a2=0.31、a3=0.01。在正式焊接前,进行多次试焊,结合量化焊接质量评定标准,通过三个主要影响因子的与量化焊接质量之间建立对应关系,得出匹配参数,并存储记录至边缘计算终端,从而应用于正式焊接过程,并在接下来的焊接过程中对自整定系数Ki进行动态调整,使焊接质量在标准内维持稳定。
当E(Q)超过设定的阈值通道时,触发Ki自整定系数调整。以其中一种情况举例,当焊接电流I有异常增大趋势时,传导至E(Q)函数,通过对焊接路径上加入的预测点位QE值计算,若超过设定的阈值通道,则通过PID调节系数K1相应减小,对f(I)作降权处理,减少其对焊接稳态误差影响;同时K2、K3相应增大,对f(U)、f(v)作加权处理,以抵消焊接电流I变化对焊接质量造成的影响。
终端优先将计算资源应用于焊接数据的本地化处理和信息反馈,其次将处理后满足中央服务器需求的统一数据发送至中央服务器端,从而降低了中央服务器的数据处理量。
特别的,由于终端和中央服务器之间可能存在故障,导致两者之间的数据传输中断,因此基于边缘计算的焊接数据采集处理终端,采用的数据传输策略为先本地化存储,再通过本地上传至中央服务器端,避免了网络信号突然终端造成的采集数据丢包问题。
S400:中央服务器汇集并分析各个基于边缘计算的数据采集处理终端汇集的数据,输出总体结果,便于管理。
本发明在靠近焊接设备源一端部署边缘计算终端,将靠近传感器和其他物联网设备周围搜集的数据先运算处理,让数据处理后再传输到中央服务器,并且本地化处理后的结果可通过人机交互系统,及时直接的反馈给现场作业人员,提高了生产效率。
在本实施例中,所述各个基于边缘计算的数据采集处理终端汇集的数据为本地处理后的数据,且数据类型统一,中央服务器端能够快速处理得出所有焊接设备的横向对比和纵向历史数据结果。
在本实施例中,所述各个基于边缘计算的数据采集处理终端汇集的数据为本地处理后的数据,且数据类型统一,中央服务器端能够快速处理得出所有焊接设备的横向对比和纵向历史数据结果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于边缘计算的焊接数据采集处理方法,其特征在于,具体包括:
在焊接路径上加入预测点位,对焊接设备源进行数据采集;
通过边缘算法对采集的焊接数据进行分析处理,包括:通过量化焊接质量边缘计算模型计算实际焊接点位和预测点位的量化焊接质量值,通过分析实际焊接点位和预测点位的量化焊接质量值偏差,进而调整焊接参数,并根据量化焊接质量评定指标进行评定;
汇集并统计各个边缘算法分析处理的数据,获取总体分析结果。
2.根据权利要求1所述的基于边缘计算的焊接数据采集处理方法,其特征在于,所述焊接数据包括焊接设备型号、焊材、母材、焊接电流、电弧电压、焊接速度和焊接时间。
3.根据权利要求1所述的基于边缘计算的焊接数据采集处理方法,其特征在于,所述通过边缘算法对采集的数据进行分析处理,具体包括:
清洗采集的原始数据,将原始数据的类型、格式、缺失值、重复数据、偏离数据进行统一调整;
提取焊接数据特征,对焊接电流、电弧电压、焊接速度进行运算提取平均值、方差、算数平方根;
通过量化焊接质量边缘计算模型分别计算实际焊接点位和预测点位的量化焊接质量值,预测点位的量化焊接质量值通过提高数据采集频率和采用比焊接质量要求高一等级的计算精度计算,实际焊接点位的量化焊接质量值采用与焊接质量要求同等的计算精度,预测点位的量化焊接质量值先于实际焊接点位的计算;
分析实际焊接点位和预测点位的量化焊接质量值的偏差,根据偏差调整焊接参数;
将偏差与工艺阈值对比,根据量化焊接质量评定指标获取评估和判定结果。
4.根据权利要求1~3任一所述的基于边缘计算的焊接数据采集处理方法,其特征在于,所述实际焊接点位的量化焊接质量边缘计算模型为:
其中,Q为量化焊接质量值,f(I)、f(U)、f(v)为Q的三个影响因子,K1、K2、K3为自整定系数,自整定系数通过PID算法自适应调整,v为焊接速度,t0为起始时间,t为结束时间,σ为补偿偏差;
所述预测点位的量化焊接质量边缘计算模型为:
式中,η为损耗系数,vs为送丝速度,为焊丝直径,t0为起始时间,t为结束时间。
5.根据权利要求4所述的基于边缘计算的焊接数据采集处理方法,其特征在于,对于V形破口对接焊,所述f(I)为焊接电流I关于焊缝横截截面积A的拟合函数,f(U)为电弧电压U关于焊缝横截面积A的拟合函数,f(v)为焊接速度v关于焊缝横截面积A的拟合函数,f(I)、f(U)、f(v)具体为:
式中,δ为母材板厚,b为间隙,p为钝边,α为破口角度,ε1、ε2、ε3为拟合系数,通过加权最小二乘法计算得出。
6.根据权利要求4所述的基于边缘计算的焊接数据采集处理方法,其特征在于,所述自整定系数具体为:
式中,Ki为自整定系数,i取1、2或3;a1为PID比例系数、a2为PID积分系数、a3为PID微分系数,E(Q)为实际焊接点位和预测点位的量化焊接质量值的偏差,即E(Q)=Q-QE。
7.根据权利要求6所述的基于边缘计算的焊接数据采集处理方法,其特征在于,所述a1、a2、a3采用熵信息法分别赋予权重值。
8.一种基于边缘计算的焊接数据采集处理系统,其特征在于,包括中央服务器和边缘计算终端,其中,所述中央服务器通过网关与边缘计算终端连接,实现数据收发,中央服务器接收到采集的数据后,根据通信协议进行数据解析,实现焊机状态的远程监控以及工艺下发;所述边缘计算终端包括中央处理单元、本地存储单元、信号调理单元、通讯单元和人机交互系统,所述中央处理单元用于通过边缘算法对采集的焊接数据进行分析处理,所述本地存储单元用于数据的存储,所述信号调理单元用于信号过滤,所述通讯单元用于与其他模块的数据传输,人机交互系统用于显示中央处理单元的分析处理结果。
9.根据权利要求8所述一种基于边缘计算的焊接数据采集处理系统,其特征在于,还包括采集模块,其中,采集模块包括电流传感器、电压传感器和送丝速度传感器,边缘计算终端通过通信接口直接与焊接设备相连进行数据采集或/和采集模块进行焊接设备数据采集。
10.根据权利要求8或9任一所述一种基于边缘计算的焊接数据采集处理系统,其特征在于,所述中央服务器包括数据存储单元、专家模型单元、数据管理单元和工艺数据库,其中数据存储单元用于存储边缘计算采集终端上传的数据,专家模型单元调用专家库规则对总体焊接工程做出评价,数据管理单元用于历史数据查询和分析,工艺数据库包含常用焊接工艺参数和积累优化后的焊接工艺;
所述中央处理单元包括数据清洗单元、特征提取单元、特征计算单元、质量评估单元、算法模型库;其中,数据清洗单元将采集的原始数据类型、格式、缺失值、重复数据、严重偏离数据进行统一调整,便于后续分析;特征提取单元对焊接电流、电弧电压、焊接速度等进行运算提取平均值、方差、算数平方根,存储到寄存器以备随时调用;特征计算单元根据量化焊接质量边缘计算模型对特征值进行运算得出焊接质量分析结果并动态调整工艺参数;质量评估单元将焊接质量运算结果与工艺标准对比输出评估分值;算法模型库接收中央服务下发的匹配算法模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310677820.3A CN116787043A (zh) | 2023-06-08 | 2023-06-08 | 一种基于边缘计算的焊接数据采集处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310677820.3A CN116787043A (zh) | 2023-06-08 | 2023-06-08 | 一种基于边缘计算的焊接数据采集处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116787043A true CN116787043A (zh) | 2023-09-22 |
Family
ID=88047408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310677820.3A Pending CN116787043A (zh) | 2023-06-08 | 2023-06-08 | 一种基于边缘计算的焊接数据采集处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116787043A (zh) |
-
2023
- 2023-06-08 CN CN202310677820.3A patent/CN116787043A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116341771B (zh) | 一种耐低温电缆生产工艺智能优化方法及系统 | |
CN112619394B (zh) | 脱硝喷氨自适应控制方法、装置及脱硝系统 | |
CN110705807B (zh) | 基于现场数据的半导体生产质量预测方法及系统 | |
CN107172128B (zh) | 一种云辅助的制造装备大数据采集方法 | |
CN103941693A (zh) | 工厂环境质量智能监控系统 | |
US20210065021A1 (en) | Working condition state modeling and model correcting method | |
CN115186883A (zh) | 基于边云协同计算的工业设备健康状态监测系统及方法 | |
CN114037673B (zh) | 一种基于机器视觉的硬件衔接接口监测方法及系统 | |
CN111222653A (zh) | 结合物联网实现的高空作业设备保养计划智能制定方法及系统 | |
CN110032146A (zh) | 一种基于多机协同因子的复杂加工过程稳定性评估方法 | |
CN113934536B (zh) | 面向边缘计算的数据采集方法 | |
CN116594349B (zh) | 机床预测方法、装置、终端设备以及计算机可读存储介质 | |
CN112597139A (zh) | 基于工业互联网的数据信息采集方法 | |
CN116787043A (zh) | 一种基于边缘计算的焊接数据采集处理方法及系统 | |
CN112541569A (zh) | 一种基于机器学习的传感器在线训练系统和方法 | |
CN117170310A (zh) | 一种基于数字孪生的数控机床远程故障诊断方法及系统 | |
CN108737164B (zh) | 一种电信网络实时告警过滤方法及装置 | |
CN111108738A (zh) | 数据处理设备、数据分析设备、数据处理系统和用于处理数据的方法 | |
CN112526945B (zh) | 具备反馈与闭环控制功能的全流程监控与预警系统 | |
CN114800049A (zh) | 一种光栅尺加工运行信号误差补偿系统 | |
CN114760194A (zh) | 一种物联网设备的故障研判方法 | |
Aminnayeri et al. | Short-run process control based on non-conformity degree | |
CN112132428A (zh) | 基于大数据的蒸汽热网配汽站预测性调控决策方法 | |
CN112783872A (zh) | 一种基于工业大数据的设备优化模型构建方法 | |
CN117811940B (zh) | 一种基于数据分析的印控仪运行网络质量检测评估系统 |
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 |