CN116275643A - 一种焊接工艺执行情况智能识别方法 - Google Patents
一种焊接工艺执行情况智能识别方法 Download PDFInfo
- Publication number
- CN116275643A CN116275643A CN202310053574.4A CN202310053574A CN116275643A CN 116275643 A CN116275643 A CN 116275643A CN 202310053574 A CN202310053574 A CN 202310053574A CN 116275643 A CN116275643 A CN 116275643A
- Authority
- CN
- China
- Prior art keywords
- current
- interval
- voltage
- intervals
- clustering
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 193
- 238000003466 welding Methods 0.000 title claims abstract description 83
- 230000004927 fusion Effects 0.000 claims abstract description 48
- 238000004140 cleaning Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007334 copolymerization reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/02—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to soldering or welding
-
- 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)
- Mechanical Engineering (AREA)
- Lining Or Joining Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种焊接工艺执行情况智能识别方法,将焊接工艺执行情况表征为若干段焊接电流区间及对应的电压区间,进而作为焊接质量的评价基础;首先采集实际焊接过程中的高频数据并划分工序,提取每道工序的代表电流、电压;接着基于电流数据进行聚类,获取初步电流工艺区间;在每一类初步电流工艺区间内,对电压数据进行聚类;然后进行电压融合及电流融合,获取电流融合区间,并对初步电流工艺区间进行电流区间清洗,最终获取精确的电流区间和对应电压区间,作为焊接工艺执行情况;本发明以聚类方法为基础,识别实际焊接工艺执行时存在的电流、电压区间,后续可以依据焊接工艺规程WPS对焊接工艺执行情况进行评价。
Description
技术领域
本发明属于智慧焊接技术领域,特别涉及一种焊接工艺执行情况智能识别方法。
背景技术
在传统手工焊接过程中,焊接质量高低一般取决于焊工的焊接水平,而焊工的焊接水平是基于人主观评价的指标。对于焊工在实际焊接过程中存在的操作不当问题,例如追求焊接速度而加大焊接电流,导致电流超限等,则无法很好的监控。
焊工的焊接工艺执行情况作为描述焊工实际焊接场景的重要指标,包括焊接不同工序时的电流、电压信息。这些信息的组合可以有效体现焊工的工作效率和工作质量,用于取代主观的焊工水平评价指标,更具说服力。将焊工的焊接工艺执行情况与对应的焊接工艺规程WPS标准进行比较,可以更好地反映手工焊接过程是否规范,是否存在电流超限等问题。但目前现有技术中对于如何识别焊工的焊接工艺执行情况并无成熟研究。
发明内容
发明目的:针对上述背景技术中存在的问题,本发明提供了一种焊接工艺执行情况智能识别方法,通过划分工序,获取每道工序的代表电流和电压,接着通过聚类方法进行电流区间聚类,在每一类电流区间中,对其对应的电压区间进行聚类。接着进行电压融合和电流融合;最终对电流区间进行清洗,获取若干个电流、电压区间,即为焊工实际执行的焊接工艺情况。
技术方案:一种焊接工艺执行情况智能识别方法,包括以下步骤:
步骤S1、采集实际焊接过程中的高频电流、电压数据,根据实际焊接情况,分别提取每道工序稳定运行时对应的电流和电压数据样本;
步骤S2、基于步骤S1获取的每道工序的代表电流数据,按由小到大顺序排列并进行聚类,获取若干类初步电流工艺区间;
步骤S3、针对每一类初步电流工艺区间,获取该类区间中所有对应的电压数据,按从小到大顺序排列后进行聚类,获取若干类电压聚类区间;
步骤S4、当相邻两类初步电流工艺区对应的电压聚类区间存在交集时,取两个电压聚类区间的并集作为电压融合区间,提取电压融合区间中所有电压数据对应的电流数据,作为新的电流融合区间;遍历所有相邻的初步电流工艺区间,生成新的电流融合区间;
步骤S5、基于步骤S4生成的电流融合区间,对初步电流工艺区间进行电流区间清洗;判断每个初步电流工艺区间内未进行电压融合的电压聚类区间对应的电流区间,当对应电流区间是原初步电流工艺区间的子集时,用新的对应电流区间取代原初步电流工艺区间,否则不进行清洗;遍历所有初步电流工艺区间,完成电流区间清洗;
步骤S6、完成电流区间清洗后,划分出最终的电流区间及对应的电压区间,即作为焊接工艺执行情况的评价标准。
进一步地,所述步骤S1中提取每道工序稳定运行时对应的电流和电压数据样本,具体步骤包括:
步骤S1.1、当采样频率大于1Hz时,计算每秒内的电流均值,取出所有大于1的电流均值,作为电流数据样本,同理获取对应的电压数据样本;
步骤S1.2、根据获取的电流数据样本进行工序划分,具体规则为:遍历各电流数据样本点对应的索引,当第i个电流数据样本的索引与第i+1个电流数据样本索引之差大于1时,则认为电流存在断续情况,以第i个电流数据样本为界拆分工序;
步骤S1.3、在提取完各道工序后,过滤点焊工序;统计每道工序中的电流数据样本个数,当样本个数小于等于3时,过滤掉该道工序;
步骤S1.4、在过滤完毕的各道工序中,选取每道工序的电流、电压的中位数作为该道工序的代表电流和代表电压。
进一步地,所述步骤S2中初步电流工艺区间获取方法包括:采用DBSCAN方法进行聚类,并过滤掉聚类结果为-1的样本;具体地,
步骤S2.1、将每道工序的电流进行拼接,并按照电流大小进行排序;
步骤S2.2、将排序之后的电流取出,进行DBSCAN密度聚类;
步骤S2.3、基于DBSCAN聚类结果,将电流数据分为若干类,过滤其中无法聚类的大跨度样本,取出每一类中电流数据的上下限并取整,获得初步电流工艺区间。
进一步地,所述步骤S3中采用DBSCAN算法进行电压区间聚类,并过滤掉无法聚类的大跨度样本。
进一步地,所述步骤S4中取电压数据聚类区间的并集作为电压融合区间,提取与电压融合区间所有电压数据对应的电流数据,并通过DBSCAN进行电流噪音过滤,过滤掉所有电流噪声,最终获取电压融合区间对应的电流融合区间;遍历所有相邻的初步电流工艺区间,获取电流融合区间。
本发明采用的技术方案与现有技术方案相比,具有以下有益效果:
(1)本发明提供了一种焊接工艺执行情况智能识别方法,将焊工的焊接工艺执行情况表征为若干段焊接电流区间及对应的电压区间。采集手工焊接过程中的电流和电压数据,通过聚类获取初步电流工艺区间,接着通过融合获取电流融合区间;并进行电流区间清洗,可以获取更精确的电流区间划分。最终获得若干精准的电流区间和对应的电压区间,以此代表焊工实际的焊接工艺执行情况。基于该执行情况,可以与焊接工艺规程WPS比较,判断是否存在电流超限等问题,进而为焊工焊接水平的评价提供数据支持。
(2)本发明中处理高频电流、电压样本时,首先划分工序,并过滤点焊工序,最终选取每道工序的电流、电压的中位数作为该道工序的代表电流和代表电压,以此样本进行聚类,选取焊接平稳时的相关数据进行评价可以更好地表征焊工的焊接工艺执行情况。
(3)本发明在对电流区间进行聚类时,避免了传统单次聚类情况下电流工艺区间划分不够精准的问题,在聚类电流区间的基础上,进一步引入电压聚类,通过电压融合区间,进一步获取电流融合区间,将初始电流工艺区间进行电流区间清洗后,结合电流融合区间,组成更准确的电流区间分类,与电压分类区间一起组成了更加精准的焊接工艺执行情况。
附图说明
图1为本发明提供的焊接工艺执行情况智能识别方法流程图;
图2为本发明实施例中初步电流工艺区间聚类情况图;
图3为本发明实施例中第一类初步电流工艺区间对应的电压聚类结果图;
图4为本发明实施例中第二类初步电流工艺区间对应的电压聚类结果图;
图5为本发明实施例中第三类初步电流工艺区间对应的电压聚类结果图;
图6为本发明实施例中电流融合区间结果示意图。
实施方式
下面结合附图对本发明做更进一步的解释。
现有手工焊接过程中,不同焊接工人焊接出的工件质量存在参差不齐的问题。传统工厂对于焊接工艺的执行还停留在工人的主观经验层面,不能对焊接工人的焊接水平进行直观的判断。由于焊工的操作不当,实际手工焊接过程中可能存在电流超限等问题,在对焊工进行考核时,缺乏有效的评价指标。针对上述问题,本发明旨在提供一种焊接工艺执行情况智能识别方法,通过采集焊工实际焊接过程中的实际焊接数据,无需人工监控焊工的工艺执行情况,仅通过采集焊接过程中的高频时序数据,采用聚类方法获取焊工实际执行工艺情况,识别实际工艺执行时存在的电流、电压区间,进而依据焊接工艺规程WPS对焊接工艺执行情况进行评价,为焊工考核提供依据。具体如图1所示:
一种焊接工艺执行情况智能识别方法,包括以下步骤:
步骤S1、采集实际焊接过程中的高频电流、电压数据,根据实际焊接情况,分别提取每道工序稳定运行时对应的电流和电压数据样本。具体地,
步骤S1.1、当采样频率较高时,计算每秒内的电流均值,取出所有大于1的电流均值,作为电流数据样本,同理获取对应的电压数据样本;
步骤S1.2、根据获取的电流数据样本进行工序划分,具体规则为:遍历各电流数据样本点对应的索引,当第i个电流数据样本的索引与第i+1个电流数据样本索引之差大于1时,则认为电流存在断续情况,以第i个电流数据样本为界拆分工序。这里需要说明的是,电流数据样本作为若干个电流均值的时序集合,其索引的含义即为:“该电流均值在集合中的顺序位置”;
步骤S1.3、在提取完各道工序后,过滤点焊工序;统计每道工序中的电流数据样本个数,当样本个数小于等于3时,过滤掉该道工序。由于实际焊接过程中存在点焊的情况,在较短时间内进行的焊接,其电流电压不具备普遍的参考价值,因此不进行工艺识别。
步骤S1.4、在过滤完毕的各道工序中,选取每道工序的电流、电压的中位数作为该道工序的代表电流和代表电压。这一步的目的在于,选取该道工序中的相对平稳阶段的电流和电压,代表这一道工序的焊接情况。实际焊接中,一道工序包括起弧段、平稳段和熄弧段,检测焊工的工艺执行情况应当选取焊接平稳时的相关数据进行评价,其他阶段并不具备参考价值。
步骤S2、基于步骤S1获取的每道工序的代表电流数据,按由小到大顺序排列;并进行聚类。本实施例中,采用DBSCAN方法进行聚类,并过滤掉聚类结果为-1的样本。
将每道工序的电流进行拼接,并按照电流大小进行排序。
将排序之后的电流取出,进行DBSCAN密度聚类,其中设置模型参数eps=5,min_samples=30
最后聚类结果为-1,0,1,2,一共4类。其中-1代表没有聚成一类的大跨度样本,因此将聚类结果为-1的样本过滤掉。
具体结果如图2所示,实施例中一共聚为3类。取出每一类中电流数据的上下限并取整,即可获得3类初步电流工艺区间:[140,180],[180,250],[250,300]。
步骤S3、针对每一类初步电流工艺区间,获取该类区间中所有对应的电压数据,将电压数据按从小到大顺序排列,并对电压数据样本进行聚类。本实施例中采用DBSCAN算法,并过滤掉聚类结果为-1的样本。此处聚类方法与步骤S2中相同。
对于第一类初步电流工艺区间,聚类结果如图3所示,电压数据一共聚为2类:[22-25],[26,30]。遍历所有类别,聚类结果如图4-图5所示,第二类初步电流工艺区间中电压数据一共聚为2类:[26,29],[30,35]。第三类初步电流工艺区间中电压数据一共聚为3类:[33,35],[37,39],[42,45]。
步骤S4、根据步骤S3中对电压数据进行聚类可以看出,相邻两类初步电流工艺区间中对应电压数据的聚类结果存在交集。因此需要进一步进行电流工艺区间融合。具体地,
取电压数据聚类区间的并集作为电压融合区间,提取与电压融合区间所有电压数据对应的电流数据,并通过DBSCAN进行电流噪音过滤,即过滤掉聚类结果为-1的样本,最终获取电压融合区间对应的电流融合区间;遍历所有相邻的初步电流工艺区间,获取电流融合区间。
本实施例中,可以看出第一类初步电流工艺区间和第二类初步电流工艺区间中,电压数据聚类区间[26,30]和[26,29]存在交集,将两个电压区间取并集为[26,30],提取所有与该电压区间对应的电流数据,通过DBSCAN算法进行电流噪音点过滤,最终确定该电压融合区间对应的电流融合区间为[160,220]。同理,第二类初步电流工艺区间与第三类初步电流工艺区间中,电压数据聚类区间[30,35]和[33,35]存在交集,将两个电压区间取并集[30,35],提取出该电压区间中对应的电流数据,通过DBSCAN算法进行电流噪音点过滤,确定电压融合区间[30,35]对应的电流融合区间为[210,280],如图6所示。
步骤S5、基于步骤S4中获取的电流融合区间,对步骤S2中获取的初步电流工艺区间进行电流区间清洗,电流区间清洗的目的在于,电压区间融合后,对应的电流融合区间与原有的初步电流工艺区间可能存在交集,为了使剩余未融合的电压区间对应的电流工艺区间更加精确,因此需要对保留下来的电流工艺区间进行清洗,剔除电压融合区间对应的电流融合区间部分。具体地,判断每个初步电流工艺区间内未进行电压融合的电压聚类区间对应的电流区间,当对应电流区间是原初步电流工艺区间的子集时,用新的对应电流区间取代原初步电流工艺区间,否则不进行清洗;遍历所有初步电流工艺区间,完成电流区间清洗。
本实施例中,以第二类电流初步工艺区间和第三类初步电流工艺区间为例,在第三类初步电流工艺区间中,去除掉第一类电压区间,对剩下的电压区间进行电流的清洗和精确。取电压区间[37,39],其对应的电流区间为[250,300],无需进行清洗,电压区间[42,45]对应的电流区间同样为[250,300],同样无需清洗。
基于上述方法,最终划分出焊机实际执行的焊接工艺情况包括以下电流电压区间:
(1)电流区间:[140,180],电压区间:[22,25]
(2)电流区间:[160,220],电压区间:[26,30]
(3)电流区间:[210,280],电压区间:[30,35]
(4)电流区间:[250,300],电压区间:[37,39]
(5)电流区间:[250,300],电压区间:[42,45]。
基于上述识别出的焊接工艺执行情况,用户可以与焊接工艺规程WPS中对应的电流电压范围进行比较,进而评价焊工的焊接质量,进而发现是否存在电流超限等异常情况。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种焊接工艺执行情况智能识别方法,其特征在于,包括以下步骤:
步骤S1、采集实际焊接过程中的高频电流、电压数据,根据实际焊接情况,分别提取每道工序稳定运行时对应的电流和电压数据样本;
步骤S2、基于步骤S1获取的每道工序的代表电流数据,按由小到大顺序排列并进行聚类,获取若干类初步电流工艺区间;
步骤S3、针对每一类初步电流工艺区间,获取该类区间中所有对应的电压数据,按从小到大顺序排列后进行聚类,获取若干类电压聚类区间;
步骤S4、当相邻两类初步电流工艺区对应的电压聚类区间存在交集时,取两个电压聚类区间的并集作为电压融合区间,提取电压融合区间中所有电压数据对应的电流数据,作为新的电流融合区间;遍历所有相邻的初步电流工艺区间,生成新的电流融合区间;
步骤S5、基于步骤S4生成的电流融合区间,对初步电流工艺区间进行电流区间清洗;判断每个初步电流工艺区间内未进行电压融合的电压聚类区间对应的电流区间,当对应电流区间是原初步电流工艺区间的子集时,用新的对应电流区间取代原初步电流工艺区间,否则不进行清洗;遍历所有初步电流工艺区间,完成电流区间清洗;
步骤S6、完成电流区间清洗后,划分出最终的电流区间及对应的电压区间,即作为焊接工艺执行情况的评价标准。
2.根据权利要求1所述的一种焊接工艺执行情况智能识别方法,其特征在于,所述步骤S1中提取每道工序稳定运行时对应的电流和电压数据样本,具体步骤包括:
步骤S1.1、当采样频率大于1Hz时,计算每秒内的电流均值,取出所有大于1的电流均值,作为电流数据样本,同理获取对应的电压数据样本;
步骤S1.2、根据获取的电流数据样本进行工序划分,具体规则为:遍历各电流数据样本点对应的索引,当第i个电流数据样本的索引与第i+1个电流数据样本索引之差大于1时,则认为电流存在断续情况,以第i个电流数据样本为界拆分工序;
步骤S1.3、在提取完各道工序后,过滤点焊工序;统计每道工序中的电流数据样本个数,当样本个数小于等于3时,过滤掉该道工序;
步骤S1.4、在过滤完毕的各道工序中,选取每道工序的电流、电压的中位数作为该道工序的代表电流和代表电压。
3.根据权利要求1所述的一种焊接工艺执行情况智能识别方法,其特征在于,所述步骤S2中初步电流工艺区间获取方法包括:采用DBSCAN方法进行聚类,并过滤掉聚类结果为-1的样本;具体地,
步骤S2.1、将每道工序的电流进行拼接,并按照电流大小进行排序;
步骤S2.2、将排序之后的电流取出,进行DBSCAN密度聚类;
步骤S2.3、基于DBSCAN聚类结果,将电流数据分为若干类,过滤其中无法聚类的大跨度样本,取出每一类中电流数据的上下限并取整,获得初步电流工艺区间。
4.根据权利要求1所述的一种焊接工艺执行情况智能识别方法,其特征在于,所述步骤S3中采用DBSCAN算法进行电压区间聚类,并过滤掉无法聚类的大跨度样本。
5.根据权利要求1所述的一种焊接工艺执行情况智能识别方法,其特征在于,所述步骤S4中取电压数据聚类区间的并集作为电压融合区间,提取与电压融合区间所有电压数据对应的电流数据,并通过DBSCAN进行电流噪音过滤,过滤掉所有电流噪声,最终获取电压融合区间对应的电流融合区间;遍历所有相邻的初步电流工艺区间,获取电流融合区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053574.4A CN116275643B (zh) | 2023-02-03 | 2023-02-03 | 一种焊接工艺执行情况智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053574.4A CN116275643B (zh) | 2023-02-03 | 2023-02-03 | 一种焊接工艺执行情况智能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116275643A true CN116275643A (zh) | 2023-06-23 |
CN116275643B CN116275643B (zh) | 2023-11-07 |
Family
ID=86802184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310053574.4A Active CN116275643B (zh) | 2023-02-03 | 2023-02-03 | 一种焊接工艺执行情况智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116275643B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117884816A (zh) * | 2024-03-18 | 2024-04-16 | 苏芯物联技术(南京)有限公司 | 一种基于历史焊接电流工艺区间的快速工艺推荐方法 |
CN117884817A (zh) * | 2024-03-18 | 2024-04-16 | 苏芯物联技术(南京)有限公司 | 一种焊接电流工艺区间智能识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101559512A (zh) * | 2009-05-21 | 2009-10-21 | 山东大学 | 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法 |
CN109093228A (zh) * | 2018-09-25 | 2018-12-28 | 无锡三虹重工机械设备有限公司 | 一种焊接参数智能监控*** |
CN113762410A (zh) * | 2021-09-17 | 2021-12-07 | 哈尔滨工业大学 | 基于机器学习的关键焊接工艺参数预测方法 |
CN115293303A (zh) * | 2022-10-10 | 2022-11-04 | 广东电网有限责任公司中山供电局 | 一种高压输电线网监测方法、***、设备和介质 |
US20220373999A1 (en) * | 2021-05-23 | 2022-11-24 | 3d Signals | Pattern Recognition for Part Manufacturing Processes |
CN115570228A (zh) * | 2022-11-22 | 2023-01-06 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气智能反馈控制方法与*** |
-
2023
- 2023-02-03 CN CN202310053574.4A patent/CN116275643B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101559512A (zh) * | 2009-05-21 | 2009-10-21 | 山东大学 | 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法 |
CN109093228A (zh) * | 2018-09-25 | 2018-12-28 | 无锡三虹重工机械设备有限公司 | 一种焊接参数智能监控*** |
US20220373999A1 (en) * | 2021-05-23 | 2022-11-24 | 3d Signals | Pattern Recognition for Part Manufacturing Processes |
CN113762410A (zh) * | 2021-09-17 | 2021-12-07 | 哈尔滨工业大学 | 基于机器学习的关键焊接工艺参数预测方法 |
CN115293303A (zh) * | 2022-10-10 | 2022-11-04 | 广东电网有限责任公司中山供电局 | 一种高压输电线网监测方法、***、设备和介质 |
CN115570228A (zh) * | 2022-11-22 | 2023-01-06 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气智能反馈控制方法与*** |
Non-Patent Citations (3)
Title |
---|
张向文;华霖;蒋新标;周冬;: "基于离散制造业的焊接过程数据分析研究", 军民两用技术与产品, no. 01 * |
张鹏贤, 张宏杰, 马跃洲, 陈剑虹: "基于信号特征提取的电阻点焊质量在线评判", 焊接学报, no. 09 * |
陶亮;孙同景;段彬;张光先;: "基于粗集的焊接质量级别智能决策", 焊接学报, no. 07 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117884816A (zh) * | 2024-03-18 | 2024-04-16 | 苏芯物联技术(南京)有限公司 | 一种基于历史焊接电流工艺区间的快速工艺推荐方法 |
CN117884817A (zh) * | 2024-03-18 | 2024-04-16 | 苏芯物联技术(南京)有限公司 | 一种焊接电流工艺区间智能识别方法 |
CN117884817B (zh) * | 2024-03-18 | 2024-05-10 | 苏芯物联技术(南京)有限公司 | 一种焊接电流工艺区间智能识别方法 |
CN117884816B (zh) * | 2024-03-18 | 2024-05-17 | 苏芯物联技术(南京)有限公司 | 一种基于历史焊接电流工艺区间的快速工艺推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116275643B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116275643B (zh) | 一种焊接工艺执行情况智能识别方法 | |
CN107145445B (zh) | 软件自动化测试的报错日志的自动分析方法和*** | |
CN116214009A (zh) | 一种基于焊接状态识别的气体流速控制方法 | |
CN117884817B (zh) | 一种焊接电流工艺区间智能识别方法 | |
CN116451045B (zh) | 一种焊接过程稳态电流计算方法 | |
CN111331211B (zh) | 电火花小孔加工在线穿透检测方法及其穿透检测*** | |
CN114596061A (zh) | 一种基于大数据的项目数据管理方法及*** | |
Saputra et al. | Quality improvement of molding machine through statistical process control in plastic industry | |
CN113361958A (zh) | 一种缺陷预警方法及*** | |
CN109710601A (zh) | 一种智能化水电厂运行数据清洗方法 | |
CN114083168A (zh) | 一种焊接飞溅点识别方法及*** | |
CN113505657B (zh) | 一种焊点质量检测方法及装置 | |
CN117057942B (zh) | 一种智能财务决策大数据分析*** | |
CN115255566B (zh) | 一种基于高质量时域特征的焊偏实时智能检测方法 | |
CN116382224B (zh) | 一种基于数据分析的包装设备监测方法及*** | |
CN108648193B (zh) | 生物组织影像识别的方法及其***、计算机储存介质 | |
CN113553659B (zh) | 焊点标准曲线带拟合***及方法 | |
CN104504702A (zh) | 基于方格搜索法的水泥刻槽路面裂缝识别方法 | |
CN113268419A (zh) | 测试用例优化信息的生成方法、装置、设备和存储介质 | |
CN108089136B (zh) | 一种燃料电池电堆极化曲线测试数据自动切片方法 | |
CN117884816B (zh) | 一种基于历史焊接电流工艺区间的快速工艺推荐方法 | |
CN115213735B (zh) | 一种铣削加工过程刀具状态监测***及方法 | |
CN115827821B (zh) | 一种基于资讯信息的判断策略生成方法及*** | |
CN114184522B (zh) | 一种重金属污染扩散分布检测***及方法 | |
CN116714021B (zh) | 基于数据分析的单轨吊巡检机器人智能测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |