CN113305853A - 优化焊接参数获取方法、装置、电子设备及存储介质 - Google Patents

优化焊接参数获取方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113305853A
CN113305853A CN202110853597.4A CN202110853597A CN113305853A CN 113305853 A CN113305853 A CN 113305853A CN 202110853597 A CN202110853597 A CN 202110853597A CN 113305853 A CN113305853 A CN 113305853A
Authority
CN
China
Prior art keywords
welding
parameter
parameters
welding parameters
deviation
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
CN202110853597.4A
Other languages
English (en)
Other versions
CN113305853B (zh
Inventor
范黎
李一娴
康信勇
许泳
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.)
Ji Hua Laboratory
Original Assignee
Ji Hua Laboratory
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 Ji Hua Laboratory filed Critical Ji Hua Laboratory
Priority to CN202110853597.4A priority Critical patent/CN113305853B/zh
Publication of CN113305853A publication Critical patent/CN113305853A/zh
Application granted granted Critical
Publication of CN113305853B publication Critical patent/CN113305853B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • 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
    • B23K37/0211—Carriages for supporting the welding or cutting element travelling on a guide member, e.g. rail, track
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Resistance Welding (AREA)

Abstract

本发明提供了一种优化焊接参数获取方法、装置、电子设备及存储介质，通过根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数；从而与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高。

Description

优化焊接参数获取方法、装置、电子设备及存储介质
技术领域
本发明涉及焊接技术领域，尤其涉及一种优化焊接参数获取方法、装置、电子设备及存储介质。
背景技术
机器人自动焊接以其可编程、安全性高，人力成本低等优势被广泛用于高端制造业。利用机器人自动焊接得到的焊件表面质量很大程度上取决于焊接参数设置。这些焊接参数包括但不限于焊接速度、焊枪旋转速度、工具倾斜角和埋入深度、工具与焊件表面接触力大小等。上述参数的不当设置可能会导致焊件表面产生毛刺、拉毛，甚至裂纹，严重影响焊接位置力学强度。
焊接参数的设置和选取往往是基于焊工的工程经验或工作手册，对具体焊接工况，不具备通用性。为获得最优焊接参数（组合）以实现最好的焊接质量，目前有一系列的优化方法，其中增强学习法应用较为普遍。然而，增强学习中用到的值迭代算法计算成本较大，对每一个可能的焊接参数（组合），机器人在焊接过程中对应的位姿和状态都要放入算法进行迭代计算，耗时过长。
发明内容
鉴于上述现有技术的不足之处，本申请实施例的目的在于提供一种优化焊接参数获取方法、装置、电子设备及存储介质，旨在解决现有技术中通过增强学习法来获取优化焊接参数而导致迭代次数多、耗时过长的问题。
第一方面，本申请实施例提供一种优化焊接参数获取方法，用于获取机器人自动焊接的优化焊接参数，包括步骤：
A1.根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
A2.循环执行以下步骤，直到焊接参数收敛：
根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；
根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
判断焊接参数是否收敛；
A3.获取最后计算得到的焊接参数作为最优焊接参数。
本申请实施例提供的优化焊接参数获取方法，通过循环地根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数，再根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标，最后得到收敛的焊接参数为最优焊接参数，与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高。
优选地，所述焊接参数包括焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力；
所述获取焊件的平均化表面评估指标的步骤包括：
获取由三维轮廓仪测定的焊件表面特征；所述焊件表面特征包括平均毛刺高度、平均焊缝填充不足度、峰值材料体积、焊缝中线处局部焊缝高度偏差的标准差、焊缝宽度标准差、毛刺高度标准差、焊缝填充不足度标准差以及焊缝中线处焊缝高度的极值点的测量个数与理论个数比值；其中，焊缝沿长度方向平均划分为多个局部区域，焊缝中线处局部焊缝高度偏差是指局部区域中焊缝中线处的焊缝高度最大值和最小值之间的偏差；
对所述焊件表面特征进行无量纲化处理；
根据以下公式计算平均化表面评估指标：
Figure 994122DEST_PATH_IMAGE001
其中， y为平均化表面评估指标，
Figure 770317DEST_PATH_IMAGE002
为无量纲化处理后的平均毛刺高度，
Figure 18895DEST_PATH_IMAGE003
为无量纲化处理后的平均焊缝填充不足度，
Figure 7580DEST_PATH_IMAGE004
为无量纲化处理后的峰值材料体积，
Figure 290794DEST_PATH_IMAGE005
为无量纲化处理后的焊缝中线处局部焊缝高度偏差的标准差，
Figure 441152DEST_PATH_IMAGE006
为无量纲化处理后的焊缝宽度标准差，
Figure 442607DEST_PATH_IMAGE007
为无量纲化处理后的毛刺高度标准差，
Figure 470868DEST_PATH_IMAGE008
为无量纲化处理后的焊缝填充不足度标准差，
Figure 874167DEST_PATH_IMAGE009
为无量纲化处理后的焊缝中线处焊缝高度的极值点的测量个数与理论个数比值，
Figure 195427DEST_PATH_IMAGE010
分别为各焊件表面特征的加权系数，且
Figure 684177DEST_PATH_IMAGE011
。
优选地，所述根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数的步骤包括：
S1. 用随机高斯过程描述机器人自动焊接过程：令y=f(x)+w，D=(X,Y)，
Figure 14664DEST_PATH_IMAGE012
,
Figure 6891DEST_PATH_IMAGE013
;
其中，D为已获取的实验数据集，X为焊接参数数据集，
Figure 30211DEST_PATH_IMAGE014
分别为已获取的M组焊接参数，Y为平均化表面评估指标数据集，
Figure 740678DEST_PATH_IMAGE015
分别为已获取的M个平均化表面评估指标，w为随机误差且服从平均值为零的正态分布，y是平均化表面评估指标，f(x)为y的计算函数，x为焊接参数；
S2.计算均值函数
Figure 110742DEST_PATH_IMAGE016
和协方差矩阵
Figure 223054DEST_PATH_IMAGE017
，使高斯过程
Figure 886117DEST_PATH_IMAGE018
在实验数据集D上满足多元正态分布，从而有
Figure 83880DEST_PATH_IMAGE019
;
其中，
Figure 21749DEST_PATH_IMAGE020
；
Figure 988568DEST_PATH_IMAGE021
；
其中，
Figure 88111DEST_PATH_IMAGE022
为
Figure 507591DEST_PATH_IMAGE023
的期望，
Figure 485036DEST_PATH_IMAGE024
为
Figure 306362DEST_PATH_IMAGE025
和
Figure 842385DEST_PATH_IMAGE026
之间的协方差函数，
Figure 14741DEST_PATH_IMAGE027
为期望矩阵为
Figure 28833DEST_PATH_IMAGE028
协方差矩阵为K的多元正态分布，且
Figure 970244DEST_PATH_IMAGE029
；
其中，i、j=1，2…，M，
Figure 677169DEST_PATH_IMAGE030
为欧几里得范数，
Figure 71241DEST_PATH_IMAGE031
、
Figure 593752DEST_PATH_IMAGE032
为超参数；
S3.令超参数
Figure 920828DEST_PATH_IMAGE033
,通过最大后验估计法获得超参数
Figure 1917DEST_PATH_IMAGE034
的概率分布
Figure 680023DEST_PATH_IMAGE035
；
S4. 根据所述超参数
Figure 770338DEST_PATH_IMAGE034
的概率分布
Figure 279817DEST_PATH_IMAGE035
，采用贝叶斯优化方法计算概率分布
Figure 203911DEST_PATH_IMAGE036
;
其中，
Figure 933095DEST_PATH_IMAGE037
；
Figure 968047DEST_PATH_IMAGE038
；
Figure 863190DEST_PATH_IMAGE039
；
Figure 692606DEST_PATH_IMAGE040
；
其中，
Figure 673200DEST_PATH_IMAGE041
为正态分布平均值，
Figure 511843DEST_PATH_IMAGE042
为标准差，
Figure 995914DEST_PATH_IMAGE043
为中间矩阵，
Figure 261811DEST_PATH_IMAGE044
为均值为
Figure 965587DEST_PATH_IMAGE041
标准差为
Figure 607921DEST_PATH_IMAGE042
的正态分布
S5.根据概率分布
Figure 212077DEST_PATH_IMAGE036
，采用期望改进法获取采集函数
Figure 648875DEST_PATH_IMAGE045
,并通过以下公式计算下一组焊接参数
Figure 338482DEST_PATH_IMAGE046
：
Figure 518928DEST_PATH_IMAGE047
;
其中，S表示整个焊接参数空间，S\D表示除了已知焊接参数D以外的焊接参数空间，
Figure 977591DEST_PATH_IMAGE048
表示在除了已知焊接参数D以外的焊接参数空间中求
Figure 585290DEST_PATH_IMAGE045
的最大值。
优选地，所述判断焊接参数是否收敛的步骤包括：
根据以下公式计算超参数偏差：
Figure 251939DEST_PATH_IMAGE049
；
其中，
Figure 970497DEST_PATH_IMAGE050
为超参数偏差，
Figure 549246DEST_PATH_IMAGE051
为本次计算得到的超参数
Figure 327846DEST_PATH_IMAGE034
，
Figure 992045DEST_PATH_IMAGE052
为上一次计算得到的超参数
Figure 311031DEST_PATH_IMAGE034
,
Figure 947549DEST_PATH_IMAGE053
为
Figure 897050DEST_PATH_IMAGE051
和
Figure 284432DEST_PATH_IMAGE052
之间的矢量间距，
Figure 610371DEST_PATH_IMAGE054
为最大超参数
Figure 898133DEST_PATH_IMAGE034
，
Figure 18535DEST_PATH_IMAGE055
为
Figure 657327DEST_PATH_IMAGE054
的模；
判断超参数偏差是否小于预设的偏差阈值，若是，则判定判断焊接参数收敛，否则，判定焊接参数不收敛。
第二方面，本申请实施例提供一种优化焊接参数获取装置，用于获取机器人自动焊接的优化焊接参数，包括：
第一获取模块，用于根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
第一执行模块，用于循环执行以下步骤，直到焊接参数收敛：
根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；
根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
判断焊接参数是否收敛；
第二获取模块，用于获取最后计算得到的焊接参数作为最优焊接参数。
优选地，所述焊接参数包括焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力；
第一获取模块和第一执行模块在获取焊件的平均化表面评估指标的时候：
获取由三维轮廓仪测定的焊件表面特征；所述焊件表面特征包括平均毛刺高度、平均焊缝填充不足度、峰值材料体积、焊缝中线处局部焊缝高度偏差的标准差、焊缝宽度标准差、毛刺高度标准差、焊缝填充不足度标准差以及焊缝中线处焊缝高度的极值点的测量个数与理论个数比值；其中，焊缝沿长度方向平均划分为多个局部区域，焊缝中线处局部焊缝高度偏差是指局部区域中焊缝中线处的焊缝高度最大值和最小值之间的偏差；
对所述焊件表面特征进行无量纲化处理；
根据以下公式计算平均化表面评估指标：
Figure 786957DEST_PATH_IMAGE001
其中， y为平均化表面评估指标，
Figure 663646DEST_PATH_IMAGE056
为无量纲化处理后的平均毛刺高度，
Figure 220529DEST_PATH_IMAGE057
为无量纲化处理后的平均焊缝填充不足度，
Figure 582503DEST_PATH_IMAGE058
为无量纲化处理后的峰值材料体积，
Figure 515824DEST_PATH_IMAGE059
为无量纲化处理后的焊缝中线处局部焊缝高度偏差的标准差，
Figure 247019DEST_PATH_IMAGE060
为无量纲化处理后的焊缝宽度标准差，
Figure 974804DEST_PATH_IMAGE061
为无量纲化处理后的毛刺高度标准差，
Figure 322609DEST_PATH_IMAGE062
为无量纲化处理后的焊缝填充不足度标准差，
Figure 528462DEST_PATH_IMAGE063
为无量纲化处理后的焊缝中线处焊缝高度的极值点的测量个数与理论个数比值，
Figure 645323DEST_PATH_IMAGE064
分别为各焊件表面特征的加权系数，且
Figure 544009DEST_PATH_IMAGE065
。
优选地，所述第一执行模块在根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数的时候：
用随机高斯过程描述机器人自动焊接过程：令y=f(x)+w，D=(X,Y)，
Figure 614995DEST_PATH_IMAGE066
,
Figure 624539DEST_PATH_IMAGE067
;
其中，D为已获取的实验数据集，X为焊接参数数据集，
Figure 861486DEST_PATH_IMAGE068
分别为已获取的M组焊接参数，Y为平均化表面评估指标数据集，
Figure 665494DEST_PATH_IMAGE069
分别为已获取的M个平均化表面评估指标，w为随机误差且服从平均值为零的正态分布，y是平均化表面评估指标，f(x)为y的计算函数，x为焊接参数；
计算均值函数
Figure 987891DEST_PATH_IMAGE070
和协方差矩阵
Figure 535547DEST_PATH_IMAGE071
，使高斯过程
Figure 299103DEST_PATH_IMAGE072
在实验数据集D上满足多元正态分布，从而有
Figure 398646DEST_PATH_IMAGE073
;
其中，
Figure 913066DEST_PATH_IMAGE020
；
Figure 61151DEST_PATH_IMAGE074
；
其中，
Figure 882477DEST_PATH_IMAGE075
为
Figure 418500DEST_PATH_IMAGE076
的期望，
Figure 325276DEST_PATH_IMAGE024
为
Figure 136106DEST_PATH_IMAGE025
和
Figure 77517DEST_PATH_IMAGE026
之间的协方差函数，
Figure 20328DEST_PATH_IMAGE027
为期望矩阵为
Figure 414400DEST_PATH_IMAGE028
协方差矩阵为K的多元正态分布，且
Figure 904287DEST_PATH_IMAGE029
；
其中，i、j=1，2…，M，
Figure 28101DEST_PATH_IMAGE030
为欧几里得范数，
Figure 578031DEST_PATH_IMAGE031
、
Figure 787296DEST_PATH_IMAGE032
为超参数；
令超参数
Figure 815295DEST_PATH_IMAGE033
,通过最大后验估计法获得超参数
Figure 590352DEST_PATH_IMAGE034
的概率分布
Figure 514446DEST_PATH_IMAGE035
；
根据所述超参数
Figure 509209DEST_PATH_IMAGE034
的概率分布
Figure 544161DEST_PATH_IMAGE035
，采用贝叶斯优化方法计算概率分布
Figure 173726DEST_PATH_IMAGE036
;
其中，
Figure 268721DEST_PATH_IMAGE037
；
Figure 249315DEST_PATH_IMAGE038
；
Figure 822379DEST_PATH_IMAGE039
；
Figure 572029DEST_PATH_IMAGE040
；
其中，
Figure 837925DEST_PATH_IMAGE041
为正态分布平均值，
Figure 541701DEST_PATH_IMAGE042
为标准差，
Figure 918456DEST_PATH_IMAGE043
为中间矩阵，
Figure 522613DEST_PATH_IMAGE044
为均值为
Figure 224990DEST_PATH_IMAGE041
标准差为
Figure 649018DEST_PATH_IMAGE042
的正态分布
根据概率分布
Figure 829463DEST_PATH_IMAGE036
，采用期望改进法获取采集函数
Figure 553706DEST_PATH_IMAGE045
,并通过以下公式计算下一组焊接参数
Figure 161404DEST_PATH_IMAGE046
：
Figure 851492DEST_PATH_IMAGE047
;
其中，S表示整个焊接参数空间，S\D表示除了已知焊接参数D以外的焊接参数空间，
Figure 570049DEST_PATH_IMAGE048
表示在除了已知焊接参数D以外的焊接参数空间中求
Figure 148798DEST_PATH_IMAGE045
的最大值。
优选地，所述第一执行模块在判断焊接参数是否收敛的时候：
根据以下公式计算超参数偏差：
Figure 927398DEST_PATH_IMAGE049
；
其中，
Figure 591597DEST_PATH_IMAGE050
为超参数偏差，
Figure 848266DEST_PATH_IMAGE051
为本次计算得到的超参数
Figure 547101DEST_PATH_IMAGE034
，
Figure 231023DEST_PATH_IMAGE052
为上一次计算得到的超参数
Figure 618404DEST_PATH_IMAGE034
,
Figure 944344DEST_PATH_IMAGE053
为
Figure 232105DEST_PATH_IMAGE051
和
Figure 352508DEST_PATH_IMAGE052
之间的矢量间距，
Figure 991300DEST_PATH_IMAGE054
为最大超参数
Figure 855351DEST_PATH_IMAGE034
，
Figure 997619DEST_PATH_IMAGE055
为
Figure 554502DEST_PATH_IMAGE054
的模；
判断超参数偏差是否小于预设的偏差阈值，若是，则判定判断焊接参数收敛，否则，判定焊接参数不收敛。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如所述的优化焊接参数获取方法的步骤。
第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如所述的优化焊接参数获取方法的步骤。
有益效果：
本申请实施例提供的优化焊接参数获取方法、装置、电子设备及存储介质，通过根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数；从而与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高。
附图说明
图1为本申请实施例提供的优化焊接参数获取方法的流程图。
图2为本申请实施例提供的优化焊接参数获取装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
下文的公开提供的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术佩戴人员可以意识到其他工艺的应用和/或其他材料的使用。
请参阅图1，本申请实施例提供的一种优化焊接参数获取方法，用于获取机器人自动焊接的优化焊接参数，包括步骤：
A1.根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
A2.循环执行以下步骤，直到焊接参数收敛：
根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；
根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
判断焊接参数是否收敛；
A3.获取最后计算得到的焊接参数作为最优焊接参数。
该优化焊接参数获取方法，通过循环地根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数，再根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标，最后得到收敛的焊接参数为最优焊接参数，与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高，且鲁棒性更高。
在本实施例中，步骤A1包括：
获取预设的初始的焊接参数；
根据所述初始的焊接参数控制机器人进行自动焊接；
获取焊件的平均化表面评估指标。
其中，初始的焊接参数可根据工作手册或技术人员的工程经验进行设置。
在一些优选实施方式中，所述焊接参数包括焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力；
步骤A1和A2中，所述获取焊件的平均化表面评估指标的步骤包括：
获取由三维轮廓仪测定的焊件表面特征；所述焊件表面特征包括平均毛刺高度、平均焊缝填充不足度、峰值材料体积（Peak material volume）、焊缝中线处局部焊缝高度偏差的标准差、焊缝宽度标准差、毛刺高度标准差、焊缝填充不足度标准差以及焊缝中线处焊缝高度的极值点的测量个数与理论个数比值（焊接时存在未焊透、气泡、材料融化不均匀等现象，会导致焊缝在对应区域存在凹陷情况，通过三维扫描仪可检测每个凹陷区域的平均高度，每个凹陷区域的平均高度与焊缝非凹陷区域的平均高度之比即为该凹陷区域对应的焊缝填充不足度，通过各凹陷区域的焊缝填充不足度可计算得到平均焊缝填充不足度和焊缝填充不足度标准差；在实际应用中，会根据实际精度要求把焊缝沿长度方向平均划分为多个局部区域，焊缝中线处局部焊缝高度偏差是指局部区域中焊缝中线处的焊缝高度最大值和最小值之间的偏差，通过各局部区域的焊缝中线处局部焊缝高度偏差可计算出焊缝中线处局部焊缝高度偏差的标准差）；
对所述焊件表面特征进行无量纲化处理；
根据以下公式计算平均化表面评估指标：
Figure 916476DEST_PATH_IMAGE077
其中，y为平均化表面评估指标，
Figure 318638DEST_PATH_IMAGE056
为无量纲化处理后的平均毛刺高度，
Figure 580992DEST_PATH_IMAGE057
为无量纲化处理后的平均焊缝填充不足度，
Figure 308777DEST_PATH_IMAGE058
为无量纲化处理后的峰值材料体积，
Figure 391002DEST_PATH_IMAGE059
为无量纲化处理后的焊缝中线处局部焊缝高度偏差的标准差，
Figure 659173DEST_PATH_IMAGE060
为无量纲化处理后的焊缝宽度标准差，
Figure 979296DEST_PATH_IMAGE061
为无量纲化处理后的毛刺高度标准差，
Figure 612402DEST_PATH_IMAGE062
为无量纲化处理后的焊缝填充不足度标准差，
Figure 948968DEST_PATH_IMAGE063
为无量纲化处理后的焊缝中线处焊缝高度的极值点的测量个数与理论个数比值，
Figure 755250DEST_PATH_IMAGE064
分别为各焊件表面特征的加权系数，且
Figure 601983DEST_PATH_IMAGE065
。
由于焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力设置不当可能会导致焊件表面产生毛刺、拉毛，甚至裂纹，严重影响焊接位置力学强度，因此，此处的焊接参数包括这些参数，从而保证得到的优化焊接参数可实现最好的焊接质量。实际上，焊接参数可不限于这些参数。
其中，对焊件表面特征进行无量纲化处理是为了去掉特征量的量纲，使数值代表特征量的相对大小；在一些示例中，对所述焊件表面特征进行无量纲化处理的步骤包括：
无量纲化处理后的缝中线附近局部极值点测量个数与理论个数比值等于无量纲化处理前的缝中线附近局部极值点测量个数与理论个数比值（由于该特征本身为无量纲的，无需进行转换计算）；
对于缝中线附近局部极值点测量个数与理论个数比值以外的焊件表面特征，用本次获取的特征值除以对应焊件表面特征的历史最大值（包括本次获取的特征值在内的多个特征值的最大值）。
一般地，y越小表明焊接质量越高，因此，获取优化的焊接参数的过程就是获取焊接参数x使y（x）最小。
优选地，步骤A2中，所述根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数的步骤包括S1-S5：
S1. 用随机高斯过程描述机器人自动焊接过程：令y=f(x)+w，D=(X,Y)，
Figure 999467DEST_PATH_IMAGE066
,
Figure 728388DEST_PATH_IMAGE067
;
其中，D为已获取的实验数据集，X为焊接参数数据集，
Figure 869519DEST_PATH_IMAGE068
分别为已获取的M组焊接参数，Y为平均化表面评估指标数据集，
Figure 633076DEST_PATH_IMAGE069
分别为已获取的M个平均化表面评估指标，w为随机误差且服从平均值为零的正态分布，y是平均化表面评估指标，f(x)为y的计算函数，x为焊接参数。
S2.计算均值函数
Figure 732619DEST_PATH_IMAGE070
和协方差矩阵
Figure 417678DEST_PATH_IMAGE071
，使高斯过程
Figure 395124DEST_PATH_IMAGE072
在实验数据集D上满足多元正态分布，从而有
Figure 216449DEST_PATH_IMAGE073
;
其中，
Figure 486894DEST_PATH_IMAGE020
；
Figure 393670DEST_PATH_IMAGE074
；
其中，
Figure 673342DEST_PATH_IMAGE075
为
Figure 349173DEST_PATH_IMAGE076
的期望，
Figure 56098DEST_PATH_IMAGE024
为
Figure 450171DEST_PATH_IMAGE025
和
Figure 972681DEST_PATH_IMAGE026
之间的协方差函数，
Figure 565336DEST_PATH_IMAGE027
为期望矩阵为
Figure 443163DEST_PATH_IMAGE028
协方差矩阵为K的多元正态分布，且
Figure 58952DEST_PATH_IMAGE029
；
其中，i、j=1，2…，M，
Figure 680426DEST_PATH_IMAGE030
为欧几里得范数，
Figure 330850DEST_PATH_IMAGE031
、
Figure 379578DEST_PATH_IMAGE032
为超参数；此处，该协方差函数
Figure 748242DEST_PATH_IMAGE078
为Matérn 5/2核函数，实际上也可替换为平方指数核函数。
S3.令超参数
Figure 409293DEST_PATH_IMAGE033
,通过最大后验估计法获得超参数
Figure 914223DEST_PATH_IMAGE034
的概率分布
Figure 133852DEST_PATH_IMAGE035
；
用公式表示为：
Figure 724233DEST_PATH_IMAGE079
；其中，
Figure 687510DEST_PATH_IMAGE080
服从某一特定概率分布，如均匀分布、正态分布、对数正态分布以及gamma分布等，具体概率密度函数形式是已知的。其中函数argmax为求复数的最大幅角的函数，
Figure 109264DEST_PATH_IMAGE081
表示在超参数
Figure 1259DEST_PATH_IMAGE034
的参数空间内的概率分布
Figure 78937DEST_PATH_IMAGE035
的最大值，
Figure 252429DEST_PATH_IMAGE082
表示在超参数
Figure 59848DEST_PATH_IMAGE034
的参数空间内的概率分布
Figure 621279DEST_PATH_IMAGE083
的最大值。其中，最大后验估计法为现有技术（可参考文献：Rasmussen CE, Williams CKI (2006) Gaussian processes for machinelearning. TheMIT Press, Cambridge ISBN: 978262182539）。
S4. 根据所述超参数
Figure 186253DEST_PATH_IMAGE034
的概率分布
Figure 163436DEST_PATH_IMAGE035
，采用贝叶斯优化方法(BOA:Bayesian Optimization Algorithm)计算概率分布
Figure 887679DEST_PATH_IMAGE036
;
其中，
Figure 495377DEST_PATH_IMAGE037
；
Figure 99710DEST_PATH_IMAGE038
；
Figure 880584DEST_PATH_IMAGE039
；
Figure 459333DEST_PATH_IMAGE040
；
其中，
Figure 237933DEST_PATH_IMAGE041
为正态分布平均值，
Figure 636554DEST_PATH_IMAGE042
为标准差，
Figure 158802DEST_PATH_IMAGE043
为中间矩阵，
Figure 592057DEST_PATH_IMAGE044
为均值为
Figure 541559DEST_PATH_IMAGE041
标准差为
Figure 194519DEST_PATH_IMAGE042
的正态分布。在使用贝叶斯优化方法计算概率分布
Figure 989300DEST_PATH_IMAGE036
的过程中，需要使用超参数
Figure 808220DEST_PATH_IMAGE034
的概率分布
Figure 663044DEST_PATH_IMAGE035
。其中，贝叶斯优化方法为现有技术（可参考文献：Frazier P I (2018) A tutorial on Bayesianoptimization. arXiv:1807.02811）。
S5.根据概率分布
Figure 36256DEST_PATH_IMAGE036
，采用期望改进法(EI: expectedimprovement)获取采集函数
Figure 165886DEST_PATH_IMAGE045
,并通过以下公式计算下一组焊接参数
Figure 308155DEST_PATH_IMAGE046
：
Figure 599459DEST_PATH_IMAGE084
。
其中，期望改进法为现有技术（可参考文献：Berger-Tal O，Nathan j，Meron E，Saltz D（2014）The exploration-exploitation dilemma：a multidisciplinaryframework. PLoS One 9（e95693）：4。和Jones DR，Schonlau M，Welch WJ（1998）Efficientglobal optimization of expensive black-box functions.J Glob Optim 13:455-492），在使用期望改进法获取采集函数
Figure 961432DEST_PATH_IMAGE045
的过程中需要使用概率分布
Figure 629174DEST_PATH_IMAGE036
。其中，S表示整个焊接参数空间，S\D表示除了已知焊接参数D以外的焊接参数空间，
Figure 891528DEST_PATH_IMAGE048
表示在除了已知焊接参数D以外的焊接参数空间中求
Figure 353733DEST_PATH_IMAGE045
的最大值。
进一步地，步骤A2中，所述判断焊接参数是否收敛的步骤包括：
根据以下公式计算超参数偏差：
Figure 701538DEST_PATH_IMAGE049
；
其中，
Figure 172971DEST_PATH_IMAGE050
为超参数偏差，
Figure 289831DEST_PATH_IMAGE051
为本次计算得到的超参数
Figure 922938DEST_PATH_IMAGE034
，
Figure 259503DEST_PATH_IMAGE052
为上一次计算得到的超参数
Figure 269048DEST_PATH_IMAGE034
,
Figure 240415DEST_PATH_IMAGE053
为
Figure 310002DEST_PATH_IMAGE051
和
Figure 366820DEST_PATH_IMAGE052
之间的矢量间距，
Figure 180055DEST_PATH_IMAGE054
为最大超参数
Figure 678032DEST_PATH_IMAGE034
，
Figure 246417DEST_PATH_IMAGE055
为
Figure 462635DEST_PATH_IMAGE054
的模；
判断超参数偏差是否小于预设的偏差阈值，若是，则判定判断焊接参数收敛，否则，判定焊接参数不收敛。
上述步骤A2的过程实质是采用高斯回归过程分析表面质量（y）与待优化焊接参数（x）之间的数学关系，同时采用贝叶斯推理算法解决优化问题，可快速获得最优焊接参数以提高焊件表面质量。此外，与一般的利用贝叶斯方法来优化焊接参数的方法相比，本方法需要的焊接实验次数更少，可以大大减少实验成本。
由上可知，该优化焊接参数获取方法，通过根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数；从而与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高。
参考图2，本申请实施例提供一种优化焊接参数获取装置，用于获取机器人自动焊接的优化焊接参数，包括：
第一获取模块1，用于根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
第一执行模块2，用于循环执行以下步骤，直到焊接参数收敛：
根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；
根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
判断焊接参数是否收敛；
第二获取模块3，用于获取最后计算得到的焊接参数作为最优焊接参数。
在本实施例中，第一获取模块1在根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标的时候：
获取预设的初始的焊接参数；
根据所述初始的焊接参数控制机器人进行自动焊接；
获取焊件的平均化表面评估指标。
其中，初始的焊接参数可根据工作手册或技术人员的工程经验进行设置。
在一些优选实施方式中，所述焊接参数包括焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力；
第一获取模块1和第一执行模块2在获取焊件的平均化表面评估指标的时候：
获取由三维轮廓仪测定的焊件表面特征；所述焊件表面特征包括平均毛刺高度、平均焊缝填充不足度、峰值材料体积（Peak material volume）、焊缝中线处局部焊缝高度偏差的标准差、焊缝宽度标准差、毛刺高度标准差、焊缝填充不足度标准差以及焊缝中线处焊缝高度的极值点的测量个数与理论个数比值（焊接时存在未焊透、气泡、材料融化不均匀等现象，会导致焊缝在对应区域存在凹陷情况，通过三维扫描仪可检测每个凹陷区域的平均高度，每个凹陷区域的平均高度与焊缝非凹陷区域的平均高度之比即为该凹陷区域对应的焊缝填充不足度，通过各凹陷区域的焊缝填充不足度可计算得到平均焊缝填充不足度和焊缝填充不足度标准差；在实际应用中，会根据实际精度要求把焊缝沿长度方向平均划分为多个局部区域，焊缝中线处局部焊缝高度偏差是指局部区域中焊缝中线处的焊缝高度最大值和最小值之间的偏差，通过各局部区域的焊缝中线处局部焊缝高度偏差可计算出焊缝中线处局部焊缝高度偏差的标准差）；
对所述焊件表面特征进行无量纲化处理；
根据以下公式计算平均化表面评估指标：
Figure 643342DEST_PATH_IMAGE001
其中，y为平均化表面评估指标，
Figure 589302DEST_PATH_IMAGE056
为无量纲化处理后的平均毛刺高度，
Figure 797429DEST_PATH_IMAGE057
为无量纲化处理后的平均焊缝填充不足度，
Figure 704205DEST_PATH_IMAGE058
为无量纲化处理后的峰值材料体积，
Figure 983877DEST_PATH_IMAGE059
为无量纲化处理后的焊焊缝中线处局部焊缝高度偏差的标准差，
Figure 659709DEST_PATH_IMAGE060
为无量纲化处理后的焊缝宽度标准差，
Figure 366634DEST_PATH_IMAGE061
为无量纲化处理后的毛刺高度标准差，
Figure 855646DEST_PATH_IMAGE062
为无量纲化处理后的焊缝填充不足度标准差，
Figure 283216DEST_PATH_IMAGE063
为无量纲化处理后的焊缝中线处焊缝高度的极值点的测量个数与理论个数比值，
Figure 203768DEST_PATH_IMAGE064
分别为各焊件表面特征的加权系数，且
Figure 691381DEST_PATH_IMAGE065
。
由于焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力设置不当可能会导致焊件表面产生毛刺、拉毛，甚至裂纹，严重影响焊接位置力学强度，因此，此处的焊接参数包括这些参数，从而保证得到的优化焊接参数可实现最好的焊接质量。实际上，焊接参数可不限于这些参数。
其中，对焊件表面特征进行无量纲化处理是为了去掉特征量的量纲，使数值代表特征量的相对大小；在一些示例中，对所述焊件表面特征进行无量纲化处理的步骤包括：
无量纲化处理后的缝中线附近局部极值点测量个数与理论个数比值等于无量纲化处理前的缝中线附近局部极值点测量个数与理论个数比值（由于该特征本身为无量纲的，无需进行转换计算）；
对于缝中线附近局部极值点测量个数与理论个数比值以外的焊件表面特征，用本次获取的特征值除以对应焊件表面特征的历史最大值（包括本次获取的特征值在内的多个特征值的最大值）。
一般地，y越小表明焊接质量越高，因此，获取优化的焊接参数的过程就是获取焊接参数x使y（x）最小。
优选地，所述第一执行模块在根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数的时候：
用随机高斯过程描述机器人自动焊接过程：令y=f(x)+w，D=(X,Y)，
Figure 697383DEST_PATH_IMAGE066
,
Figure 459803DEST_PATH_IMAGE067
;
其中，D为已获取的实验数据集，X为焊接参数数据集，
Figure 969282DEST_PATH_IMAGE068
分别为已获取的M组焊接参数，Y为平均化表面评估指标数据集，
Figure 893375DEST_PATH_IMAGE069
分别为已获取的M个平均化表面评估指标，w为随机误差且服从平均值为零的正态分布，y是平均化表面评估指标，f(x)为y的计算函数，x为焊接参数；
计算均值函数
Figure 622559DEST_PATH_IMAGE070
和协方差矩阵
Figure 657511DEST_PATH_IMAGE071
，使高斯过程
Figure 552655DEST_PATH_IMAGE072
在实验数据集D上满足多元正态分布，从而有
Figure 647650DEST_PATH_IMAGE073
;
其中，
Figure 362665DEST_PATH_IMAGE020
；
Figure 201308DEST_PATH_IMAGE074
；
其中，
Figure 950958DEST_PATH_IMAGE075
为
Figure 216854DEST_PATH_IMAGE076
的期望，
Figure 920631DEST_PATH_IMAGE024
为
Figure 297385DEST_PATH_IMAGE025
和
Figure 901542DEST_PATH_IMAGE026
之间的协方差函数，
Figure 338339DEST_PATH_IMAGE027
为期望矩阵为
Figure 27947DEST_PATH_IMAGE028
协方差矩阵为K的多元正态分布，且
Figure 208392DEST_PATH_IMAGE029
；
其中，i、j=1，2…，M，
Figure 667056DEST_PATH_IMAGE030
为欧几里得范数，
Figure 274754DEST_PATH_IMAGE031
、
Figure 964841DEST_PATH_IMAGE032
为超参数；此处，该协方差函数
Figure 948978DEST_PATH_IMAGE078
为Matérn 5/2核函数，实际上也可替换为平方指数核函数；
令超参数
Figure 262148DEST_PATH_IMAGE033
,通过最大后验估计法获得超参数
Figure 837485DEST_PATH_IMAGE034
的概率分布
Figure 377051DEST_PATH_IMAGE035
；
用公式表示为：
Figure 23933DEST_PATH_IMAGE079
；其中，
Figure 332555DEST_PATH_IMAGE080
服从某一特定概率分布，如均匀分布、正态分布、对数正态分布以及gamma分布等，具体概率密度函数形式是已知的。其中函数argmax为求复数的最大幅角的函数，
Figure 406690DEST_PATH_IMAGE081
表示在超参数
Figure 433552DEST_PATH_IMAGE034
的参数空间内的概率分布
Figure 120010DEST_PATH_IMAGE035
的最大值，
Figure 283138DEST_PATH_IMAGE082
表示在超参数
Figure 793754DEST_PATH_IMAGE034
的参数空间内的概率分布
Figure 42333DEST_PATH_IMAGE083
的最大值；其中，最大后验估计法为现有技术（可参考文献：Rasmussen CE, Williams CKI (2006) Gaussian processes for machinelearning. TheMIT Press, Cambridge ISBN: 978262182539）;
根据所述超参数
Figure 31018DEST_PATH_IMAGE034
的概率分布
Figure 314231DEST_PATH_IMAGE035
，采用贝叶斯优化方法(BOA: BayesianOptimization Algorithm)计算概率分布
Figure 730169DEST_PATH_IMAGE036
;
其中，
Figure 466044DEST_PATH_IMAGE037
；
Figure 759884DEST_PATH_IMAGE038
；
Figure 897605DEST_PATH_IMAGE039
；
Figure 484444DEST_PATH_IMAGE040
；
其中，
Figure 707615DEST_PATH_IMAGE041
为正态分布平均值，
Figure 38102DEST_PATH_IMAGE042
为标准差，
Figure 764749DEST_PATH_IMAGE043
为中间矩阵，
Figure 53648DEST_PATH_IMAGE044
为均值为
Figure 764115DEST_PATH_IMAGE041
标准差为
Figure 39239DEST_PATH_IMAGE042
的正态分布。在使用贝叶斯优化方法计算概率分布
Figure 682710DEST_PATH_IMAGE036
的过程中，需要使用超参数
Figure 581658DEST_PATH_IMAGE034
的概率分布
Figure 310580DEST_PATH_IMAGE035
；其中，贝叶斯优化方法为现有技术（可参考文献：Frazier P I (2018) A tutorial on Bayesianoptimization. arXiv:1807.02811）；
根据概率分布
Figure 451711DEST_PATH_IMAGE036
，采用期望改进法(EI: expectedimprovement)获取采集函数
Figure 949688DEST_PATH_IMAGE045
,并通过以下公式计算下一组焊接参数
Figure 783652DEST_PATH_IMAGE046
：
Figure 734291DEST_PATH_IMAGE084
；
其中，期望改进法为现有技术（可参考文献：Berger-Tal O，Nathan j，Meron E，Saltz D（2014）The exploration-exploitation dilemma：a multidisciplinaryframework. PLoS One 9（e95693）：4。和Jones DR，Schonlau M，Welch WJ（1998）Efficientglobal optimization of expensive black-box functions.J Glob Optim 13:455-492），在使用期望改进法获取采集函数
Figure 679113DEST_PATH_IMAGE045
的过程中需要使用概率分布
Figure 31597DEST_PATH_IMAGE036
。其中，S表示整个焊接参数空间，S\D表示除了已知焊接参数D以外的焊接参数空间，
Figure 537927DEST_PATH_IMAGE048
表示在除了已知焊接参数D以外的焊接参数空间中求
Figure 975861DEST_PATH_IMAGE045
的最大值。
进一步的，所述第一执行模块2在判断焊接参数是否收敛的时候：
根据以下公式计算超参数偏差：
Figure 458795DEST_PATH_IMAGE049
；
其中，
Figure 931365DEST_PATH_IMAGE050
为超参数偏差，
Figure 107131DEST_PATH_IMAGE051
为本次计算得到的超参数
Figure 32362DEST_PATH_IMAGE034
，
Figure 318987DEST_PATH_IMAGE052
为上一次计算得到的超参数
Figure 380484DEST_PATH_IMAGE034
,
Figure 228616DEST_PATH_IMAGE053
为
Figure 641143DEST_PATH_IMAGE051
和
Figure 731459DEST_PATH_IMAGE052
之间的矢量间距，
Figure 913042DEST_PATH_IMAGE054
为最大超参数
Figure 165031DEST_PATH_IMAGE034
，
Figure 64854DEST_PATH_IMAGE055
为
Figure 693282DEST_PATH_IMAGE054
的模；
判断超参数偏差是否小于预设的偏差阈值，若是，则判定判断焊接参数收敛，否则，判定焊接参数不收敛。
上述第一执行模块2实质是采用高斯回归过程分析表面质量（y）与待优化焊接参数（x）之间的数学关系，同时采用贝叶斯推理算法解决优化问题，可快速获得最优焊接参数以提高焊件表面质量。此外，与一般的利用贝叶斯方法来优化焊接参数的方法相比，本方法需要的焊接实验次数更少，可以大大减少实验成本。
由上可知，该优化焊接参数获取装置，通过根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数；从而与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高。
请参阅图3，本申请实施例还提供一种电子设备100，包括处理器101和存储器102，存储器102中存储有计算机程序，处理器101通过调用存储器102中存储的计算机程序，用于执行如上述的优化焊接参数获取方法的步骤。
其中，处理器101与存储器102电性连接。处理器101是电子设备100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，通过运行或调用存储在存储器102内的计算机程序，以及调用存储在存储器102内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
存储器102可用于存储计算机程序和数据。存储器102存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器101通过调用存储在存储器102的计算机程序，从而执行各种功能应用以及数据处理。
在本实施例中，电子设备100中的处理器101会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器102中，并由处理器101来运行存储在存储器102中的计算机程序，从而实现各种功能：根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数。
由上可知，该电子设备，通过根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数；从而与现有技术中基于增强学习的优化方法相比，所需的迭代次数更少，效率更高。
本申请实施例还提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时运行如上述的优化焊接参数获取方法的步骤，以实现以下功能：根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；循环执行以下步骤，直到焊接参数收敛：根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；判断焊接参数是否收敛；获取最后计算得到的焊接参数作为最优焊接参数。
其中，存储介质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（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术佩戴人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，其方案与本发明实质上相同。

Claims (8)

1.一种优化焊接参数获取方法，用于获取机器人自动焊接的优化焊接参数，其特征在于，包括步骤：
A1.根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
A2.循环执行以下步骤，直到焊接参数收敛：
根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；
根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
判断焊接参数是否收敛；
A3.获取最后计算得到的焊接参数作为最优焊接参数；
所述焊接参数包括焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力；
所述获取焊件的平均化表面评估指标的步骤包括：
获取由三维轮廓仪测定的焊件表面特征；所述焊件表面特征包括平均毛刺高度、平均焊缝填充不足度、峰值材料体积、焊缝中线处局部焊缝高度偏差的标准差、焊缝宽度标准差、毛刺高度标准差、焊缝填充不足度标准差以及焊缝中线处焊缝高度的极值点的测量个数与理论个数比值；其中，焊缝沿长度方向平均划分为多个局部区域，焊缝中线处局部焊缝高度偏差是指局部区域中焊缝中线处的焊缝高度最大值和最小值之间的偏差；
对所述焊件表面特征进行无量纲化处理；
根据以下公式计算平均化表面评估指标：
Figure DEST_PATH_IMAGE001
其中，y为平均化表面评估指标，
Figure 787802DEST_PATH_IMAGE002
为无量纲化处理后的平均毛刺高度，
Figure 823891DEST_PATH_IMAGE003
为无量纲化处理后的平均焊缝填充不足度，
Figure 715624DEST_PATH_IMAGE004
为无量纲化处理后的峰值材料体积，
Figure 492956DEST_PATH_IMAGE005
为无量纲化处理后的焊缝中线处局部焊缝高度偏差的标准差，
Figure 862757DEST_PATH_IMAGE006
为无量纲化处理后的焊缝宽度标准差，
Figure 753353DEST_PATH_IMAGE007
为无量纲化处理后的毛刺高度标准差，
Figure 550408DEST_PATH_IMAGE008
为无量纲化处理后的焊缝填充不足度标准差，
Figure 159244DEST_PATH_IMAGE009
为无量纲化处理后的焊缝中线处焊缝高度的极值点的测量个数与理论个数比值，
Figure 958835DEST_PATH_IMAGE010
分别为各焊件表面特征的加权系数，且
Figure 172778DEST_PATH_IMAGE011
。
2.根据权利要求1所述的优化焊接参数获取方法，其特征在于，所述根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数的步骤包括：
S1. 用随机高斯过程描述机器人自动焊接过程：令y=f(x)+w，D=(X,Y)，
Figure 671893DEST_PATH_IMAGE012
,
Figure 423817DEST_PATH_IMAGE013
;
其中，D为已获取的实验数据集，X为焊接参数数据集，
Figure 135421DEST_PATH_IMAGE014
分别为已获取的M组焊接参数，Y为平均化表面评估指标数据集，
Figure 531767DEST_PATH_IMAGE015
分别为已获取的M个平均化表面评估指标，w为随机误差且服从平均值为零的正态分布，y是平均化表面评估指标，f(x)为y的计算函数，x为焊接参数；
S2.计算均值函数
Figure 670625DEST_PATH_IMAGE016
和协方差矩阵
Figure 191736DEST_PATH_IMAGE017
，使高斯过程
Figure 707031DEST_PATH_IMAGE018
在实验数据集D上满足多元正态分布，从而有
Figure 383650DEST_PATH_IMAGE019
;
其中，
Figure DEST_PATH_IMAGE021
；
Figure 639499DEST_PATH_IMAGE022
；
其中，
Figure 145435DEST_PATH_IMAGE023
为
Figure 516374DEST_PATH_IMAGE024
的期望，
Figure 403558DEST_PATH_IMAGE025
为
Figure 695999DEST_PATH_IMAGE026
和
Figure 818676DEST_PATH_IMAGE027
之间的协方差函数，
Figure 778542DEST_PATH_IMAGE028
为期望矩阵为
Figure 384098DEST_PATH_IMAGE029
协方差矩阵为K的多元正态分布，且
Figure 570360DEST_PATH_IMAGE030
；
其中，i、j=1，2…，M，
Figure 496727DEST_PATH_IMAGE031
为欧几里得范数，
Figure 45520DEST_PATH_IMAGE032
、
Figure 867983DEST_PATH_IMAGE033
为超参数；
S3.令超参数
Figure 790808DEST_PATH_IMAGE034
,通过最大后验估计法获得超参数
Figure 192971DEST_PATH_IMAGE035
的概率分布
Figure 393008DEST_PATH_IMAGE036
；
S4. 根据所述超参数
Figure 540699DEST_PATH_IMAGE035
的概率分布
Figure 29449DEST_PATH_IMAGE036
，采用贝叶斯优化方法计算概率分布
Figure 32040DEST_PATH_IMAGE037
;
其中，
Figure 86584DEST_PATH_IMAGE038
；
Figure 188532DEST_PATH_IMAGE039
；
Figure 85950DEST_PATH_IMAGE040
；
Figure 157811DEST_PATH_IMAGE041
；
其中，
Figure 942228DEST_PATH_IMAGE042
为正态分布平均值，
Figure 542973DEST_PATH_IMAGE043
为标准差，
Figure 537474DEST_PATH_IMAGE044
为中间矩阵，
Figure 835862DEST_PATH_IMAGE045
为均值为
Figure 474785DEST_PATH_IMAGE042
标准差为
Figure 980853DEST_PATH_IMAGE043
的正态分布；
S5.根据概率分布
Figure 462650DEST_PATH_IMAGE037
，采用期望改进法获取采集函数
Figure 947DEST_PATH_IMAGE046
,并通过以下公式计算下一组焊接参数
Figure 150169DEST_PATH_IMAGE047
：
Figure 827138DEST_PATH_IMAGE048
;
其中，S表示整个焊接参数空间，S\D表示除了已知焊接参数D以外的焊接参数空间，
Figure 468335DEST_PATH_IMAGE050
表示在除了已知焊接参数D以外的焊接参数空间中求
Figure 154531DEST_PATH_IMAGE046
的最大值。
3.根据权利要求2所述的优化焊接参数获取方法，其特征在于，所述判断焊接参数是否收敛的步骤包括：
根据以下公式计算超参数偏差：
Figure 244410DEST_PATH_IMAGE051
；
其中，
Figure 357860DEST_PATH_IMAGE052
为超参数偏差，
Figure 283091DEST_PATH_IMAGE053
为本次计算得到的超参数
Figure 445082DEST_PATH_IMAGE035
，
Figure 772158DEST_PATH_IMAGE054
为上一次计算得到的超参数
Figure 774618DEST_PATH_IMAGE035
,
Figure 593669DEST_PATH_IMAGE055
为
Figure 356089DEST_PATH_IMAGE053
和
Figure 334409DEST_PATH_IMAGE054
之间的矢量间距，
Figure 789661DEST_PATH_IMAGE056
为最大超参数
Figure 112320DEST_PATH_IMAGE035
，
Figure 678431DEST_PATH_IMAGE057
为
Figure 980099DEST_PATH_IMAGE056
的模；
判断超参数偏差是否小于预设的偏差阈值，若是，则判定判断焊接参数收敛，否则，判定焊接参数不收敛。
4.一种优化焊接参数获取装置，用于获取机器人自动焊接的优化焊接参数，其特征在于，包括：
第一获取模块，用于根据预设的初始的焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
第一执行模块，用于循环执行以下步骤，直到焊接参数收敛：
根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数；
根据所述下一组焊接参数控制机器人进行自动焊接后，获取焊件的平均化表面评估指标；
判断焊接参数是否收敛；
第二获取模块，用于获取最后计算得到的焊接参数作为最优焊接参数；
所述焊接参数包括焊接速度、焊枪旋转速度、焊枪倾斜角、焊针埋入深度以及焊针与焊件表面接触力；
第一获取模块和第一执行模块在获取焊件的平均化表面评估指标的时候：
获取由三维轮廓仪测定的焊件表面特征；所述焊件表面特征包括平均毛刺高度、平均焊缝填充不足度、峰值材料体积、焊缝中线处局部焊缝高度偏差的标准差、焊缝宽度标准差、毛刺高度标准差、焊缝填充不足度标准差以及焊缝中线处焊缝高度的极值点的测量个数与理论个数比值；其中，焊缝沿长度方向平均划分为多个局部区域，焊缝中线处局部焊缝高度偏差是指局部区域中焊缝中线处的焊缝高度最大值和最小值之间的偏差；
对所述焊件表面特征进行无量纲化处理；
根据以下公式计算平均化表面评估指标：
Figure 543936DEST_PATH_IMAGE058
其中，y为平均化表面评估指标，
Figure 665476DEST_PATH_IMAGE059
为无量纲化处理后的平均毛刺高度，
Figure 35277DEST_PATH_IMAGE060
为无量纲化处理后的平均焊缝填充不足度，
Figure 112823DEST_PATH_IMAGE061
为无量纲化处理后的峰值材料体积，
Figure 909878DEST_PATH_IMAGE062
为无量纲化处理后的焊缝中线处局部焊缝高度偏差的标准差，
Figure 518714DEST_PATH_IMAGE063
为无量纲化处理后的焊缝宽度标准差，
Figure 364310DEST_PATH_IMAGE064
为无量纲化处理后的毛刺高度标准差，
Figure 374992DEST_PATH_IMAGE065
为无量纲化处理后的焊缝填充不足度标准差，
Figure 638220DEST_PATH_IMAGE066
为无量纲化处理后的焊缝中线处焊缝高度的极值点的测量个数与理论个数比值，
Figure 734352DEST_PATH_IMAGE067
分别为各焊件表面特征的加权系数，且
Figure 383640DEST_PATH_IMAGE068
。
5.根据权利要求4所述的优化焊接参数获取装置，其特征在于，所述第一执行模块在根据已获取的焊接参数数据和平均化表面评估指标数据，利用贝叶斯优化方法计算下一组焊接参数的时候：
用随机高斯过程描述机器人自动焊接过程：令y=f(x)+w，D=(X,Y)，
Figure 940173DEST_PATH_IMAGE069
,
Figure 79030DEST_PATH_IMAGE070
;
其中，D为已获取的实验数据集，X为焊接参数数据集，
Figure 600141DEST_PATH_IMAGE071
分别为已获取的M组焊接参数，Y为平均化表面评估指标数据集，
Figure 849857DEST_PATH_IMAGE072
分别为已获取的M个平均化表面评估指标，w为随机误差且服从平均值为零的正态分布，y是平均化表面评估指标，f(x)为y的计算函数，x为焊接参数；
计算均值函数
Figure 569551DEST_PATH_IMAGE073
和协方差矩阵
Figure 66260DEST_PATH_IMAGE074
，使高斯过程
Figure 136985DEST_PATH_IMAGE075
在实验数据集D上满足多元正态分布，从而有
Figure 128074DEST_PATH_IMAGE076
;
其中，
Figure 136930DEST_PATH_IMAGE021
；
Figure 491688DEST_PATH_IMAGE022
；
其中，
Figure 83206DEST_PATH_IMAGE023
为
Figure 777493DEST_PATH_IMAGE024
的期望，
Figure 632316DEST_PATH_IMAGE025
为
Figure 412053DEST_PATH_IMAGE026
和
Figure 994213DEST_PATH_IMAGE027
之间的协方差函数，
Figure 808586DEST_PATH_IMAGE028
为期望矩阵为
Figure 631048DEST_PATH_IMAGE029
协方差矩阵为K的多元正态分布，且
Figure 570185DEST_PATH_IMAGE030
；
其中，i、j=1，2…，M，
Figure 769085DEST_PATH_IMAGE031
为欧几里得范数，
Figure 437964DEST_PATH_IMAGE032
、
Figure 788918DEST_PATH_IMAGE033
为超参数；
令超参数
Figure 543247DEST_PATH_IMAGE034
,通过最大后验估计法获得超参数
Figure 467210DEST_PATH_IMAGE035
的概率分布
Figure 990595DEST_PATH_IMAGE036
；
根据所述超参数
Figure 420439DEST_PATH_IMAGE035
的概率分布
Figure 334168DEST_PATH_IMAGE036
，采用贝叶斯优化方法计算概率分布
Figure 609292DEST_PATH_IMAGE037
;
其中，
Figure 941179DEST_PATH_IMAGE038
；
Figure 276345DEST_PATH_IMAGE039
；
Figure 208529DEST_PATH_IMAGE040
；
Figure 21764DEST_PATH_IMAGE041
；
其中，
Figure 519741DEST_PATH_IMAGE042
为正态分布平均值，
Figure 478339DEST_PATH_IMAGE043
为标准差，
Figure 428978DEST_PATH_IMAGE044
为中间矩阵，
Figure 249166DEST_PATH_IMAGE045
为均值为
Figure 398388DEST_PATH_IMAGE042
标准差为
Figure 340936DEST_PATH_IMAGE043
的正态分布；
根据概率分布
Figure 481934DEST_PATH_IMAGE037
，采用期望改进法获取采集函数
Figure 902551DEST_PATH_IMAGE046
,并通过以下公式计算下一组焊接参数
Figure 312804DEST_PATH_IMAGE047
：
Figure 426254DEST_PATH_IMAGE048
;
其中，S表示整个焊接参数空间，S\D表示除了已知焊接参数D以外的焊接参数空间，
Figure 351484DEST_PATH_IMAGE050
表示在除了已知焊接参数D以外的焊接参数空间中求
Figure 762743DEST_PATH_IMAGE046
的最大值。
6.根据权利要求5所述的优化焊接参数获取装置，其特征在于，所述第一执行模块在判断焊接参数是否收敛的时候：
根据以下公式计算超参数偏差：
Figure 824240DEST_PATH_IMAGE051
；
其中，
Figure 780695DEST_PATH_IMAGE052
为超参数偏差，
Figure 193221DEST_PATH_IMAGE053
为本次计算得到的超参数
Figure 909636DEST_PATH_IMAGE035
，
Figure 91218DEST_PATH_IMAGE054
为上一次计算得到的超参数
Figure 280891DEST_PATH_IMAGE035
,
Figure 39769DEST_PATH_IMAGE055
为
Figure 605879DEST_PATH_IMAGE053
和
Figure 845231DEST_PATH_IMAGE054
之间的矢量间距，
Figure 205805DEST_PATH_IMAGE056
为最大超参数
Figure 592924DEST_PATH_IMAGE035
，
Figure 648211DEST_PATH_IMAGE057
为
Figure 538807DEST_PATH_IMAGE056
的模；
判断超参数偏差是否小于预设的偏差阈值，若是，则判定判断焊接参数收敛，否则，判定焊接参数不收敛。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1-3任一项所述的优化焊接参数获取方法的步骤。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-3任一项所述的优化焊接参数获取方法的步骤。
CN202110853597.4A 2021-07-28 2021-07-28 优化焊接参数获取方法、装置、电子设备及存储介质 Active CN113305853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110853597.4A CN113305853B (zh) 2021-07-28 2021-07-28 优化焊接参数获取方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110853597.4A CN113305853B (zh) 2021-07-28 2021-07-28 优化焊接参数获取方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113305853A true CN113305853A (zh) 2021-08-27
CN113305853B CN113305853B (zh) 2021-10-12

Family

ID=77381727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110853597.4A Active CN113305853B (zh) 2021-07-28 2021-07-28 优化焊接参数获取方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113305853B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011056717A1 (de) * 2011-12-20 2013-06-20 Nimak Gmbh "Schweißeinrichtung zum elektrischen Widerstandsschweißen"
CN104778497A (zh) * 2015-05-05 2015-07-15 重庆大学 一种加工过程中工艺参数自学习优化的滚齿加工方法
CN109376869A (zh) * 2018-12-25 2019-02-22 中国科学院软件研究所 一种基于异步贝叶斯优化的机器学习超参优化***及方法
CN111461398A (zh) * 2020-02-27 2020-07-28 季华实验室 焊接工艺参数优化方法、设备及可读存储介质
CN111545872A (zh) * 2020-05-14 2020-08-18 广东美的智能机器人有限公司 焊接***、焊接控制方法和计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011056717A1 (de) * 2011-12-20 2013-06-20 Nimak Gmbh "Schweißeinrichtung zum elektrischen Widerstandsschweißen"
CN104778497A (zh) * 2015-05-05 2015-07-15 重庆大学 一种加工过程中工艺参数自学习优化的滚齿加工方法
CN109376869A (zh) * 2018-12-25 2019-02-22 中国科学院软件研究所 一种基于异步贝叶斯优化的机器学习超参优化***及方法
CN111461398A (zh) * 2020-02-27 2020-07-28 季华实验室 焊接工艺参数优化方法、设备及可读存储介质
CN111545872A (zh) * 2020-05-14 2020-08-18 广东美的智能机器人有限公司 焊接***、焊接控制方法和计算机可读存储介质

Also Published As

Publication number Publication date
CN113305853B (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
US9573273B2 (en) Robot simulation device for generating motion path of robot
DE102018008744B4 (de) Einrichtung zum Berechnen eines Beladungsmusters und Robotersteuereinrichter
DE112011105151B4 (de) Roboterkontrollvorrichtung
US8641337B2 (en) Method of forming parts on a CNC machine
US20190299406A1 (en) Controller and machine learning device
DE102019118637B4 (de) Automatische pfadgenerierungsvorrichtung
DE112010000794T5 (de) Verfahren zum Steuern eines Roboterwerkzeugs
CN113305853B (zh) 优化焊接参数获取方法、装置、电子设备及存储介质
CN108568596A (zh) 激光加工装置以及机器学习装置
US20210107231A1 (en) Method and system for additive manufacturing
JP6577140B2 (ja) ロボットオフラインプログラミング方法及びこれを使用する装置
US9925664B2 (en) Robot simulation device for generation motion path of robot
WO2023221476A1 (zh) 一种基于机器学习预测船舶t梁焊接机器人作业时间的算法
KR20130069643A (ko) 기계가공 공정의 적응 제어방법
CN113799120B (zh) 冗余自由度机械臂的路径规划方法、装置及工程机械
Zhang et al. A segmentation planning method based on the change rate of cross-sectional area of single V-groove for robotic multi-pass welding in intersecting pipe-pipe joint
DE102021205324A1 (de) Greifverfahren und Greifvorrichtung eines Industrieroboters, Computerspeichermedium und Industrieroboter
CN114750146B (zh) 一种机器人铣削轨迹精度补偿方法
DE102022130318A1 (de) Autonome robuste montageplanung
CN106054814A (zh) 基于图像灰度的计算机辅助加工方法
WO2020012581A1 (ja) 機械学習装置、数値制御加工プログラム生成装置および機械学習方法
CN117400267B (zh) 机器人焊接路径生成方法、装置、计算机设备和存储介质
CN114799600B (zh) 熔宽控制方法、设备、***、介质及产品
CN113414762B (zh) 焊道路径的偏移方法、装置、机器人及存储装置
US20240042611A1 (en) Program evaluation device and teaching device

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