一种焊接缺陷成因诊断方法、系统及电子设备技术方案

本发明专利技术涉及一种焊接缺陷成因诊断方法、系统及电子设备，其中方法通过建立模糊诊断规则及成因诊断神经网络数据库，并将二者结合共同进行缺陷诊断，其先基于传统的模糊规进行了前项扩展并加入了阈值，用从模糊诊断规则中选择出来的样本规则进行模糊推理，若存在实际可信度大于预设阈值的样本规则，则可以根据该样本规则得到目标诊断结果，若不存在则利用成因诊断神经网络进行补充处理，以得到理想的目标诊断结果。相比于传统的模糊神经网络，本发明专利技术将模糊规则和神经网络两种理论相结合，即具备模糊推理能够处理不确定性知识的优点，也具备神经网络自学习、高效高精度的优点，极大地提高了推理过程的可靠性，更加适用于焊接这种多影响因素的场景。响因素的场景。响因素的场景。

【技术实现步骤摘要】
一种焊接缺陷成因诊断方法、系统及电子设备


[0001]本专利技术涉及焊接缺陷诊断
，尤其涉及一种焊接缺陷成因诊断方法、系统及电子设备。

技术介绍

[0002]焊接缺陷产生的原因分析历来是焊接领域的难点，由于缺陷种类形态多样，缺陷形成原因复杂，因而缺陷成因诊断过于依赖人工经验，导致效率和可靠性极低。为解决此问题，具有智能诊断功能的焊接专家系统逐渐得到应用。
[0003]针对焊接缺陷成因检测的研究，中国专利《一种基于大数据的焊接缺陷分析系统及方法》(CN109447403A)提出了一种基于大数据的焊接缺陷分析系统，但由于选择的数据集的好坏直接影响着最后焊接缺陷成因的诊断，且知识库不具有相应的自学习能力，缺乏通用性。中国专利《一种基于稀疏矩阵的焊接缺陷诊断方法》(CN105223275A)提出了一种稀疏矩阵的焊接缺陷诊断方法，但是该方法获取的数据库来源都是自制的单一预制缺陷的标准样件，对于多缺陷非标焊件的检测不适用。
[0004]通过上述研究可以知晓，现有技术多基于产生式规则进行演绎推理，即基于已有样本、已有数据集进行推断，并不能很好地反映缺陷特征、工艺参数与焊接缺陷成因之间复杂的非线性关系，诊断准确率较低，不用适用于焊接缺陷诊断识别这类非线性、多分类问题，不能够很好的处理不确定性知识。

技术实现思路

[0005]有鉴于此，有必要提供一种焊接缺陷成因诊断方法、系统及电子设备，用以解决现有的焊接缺陷成因诊断技术过于依赖已有样本，不能够很好的处理焊接缺陷诊断这种非线性、多分类、具备不确定性知识的问题。
[0006]为达到上述技术目的，本专利技术采取了以下技术方案：
[0007]第一方面，本专利技术提供了一种焊接缺陷成因诊断方法，包括：
[0008]确定评价因素和缺陷成因，基于扩展前项的模糊规则建立用于表征所述评价因素和所述缺陷成因之间模糊关系的多个模糊诊断规则；
[0009]建立成因诊断神经网络模型，所述成因诊断神经网络模型的输入参数包括焊接缺陷类型和所述评价因素，所述成因诊断神经网络模型的输出参数包括诊断结果；
[0010]获取所述待诊断缺陷对应的实际焊接缺陷类型和评价因素数据；
[0011]基于所述评价因素数据，从多个所述模糊诊断规则中选择出匹配的模糊诊断规则作为样本规则，并对所述样本规则进行模糊推理，得到每个所述样本规则的实际可信度；
[0012]判断是否存在所述实际可信度大于预设阈值的所述样本规则，若是，则根据所述实际可信度大于所述预设阈值的所述样本规则的缺陷成因，得到目标诊断结果，若否，则根据所述成因诊断神经网络模型，得到目标诊断结果。
[0013]进一步的，所述确定评价因素和缺陷成因，基于扩展前项的模糊规则建立用于表
征所述评价因素和所述缺陷成因之间模糊关系的多个模糊诊断规则，包括：
[0014]建立焊接特征信息库，根据所述焊接特征信息库得到所述评价因素和所述缺陷成因；
[0015]根据所述评价因素，基于扩展前项的模糊规则建立多个所述模糊诊断规则；
[0016]其中，每个所述模糊诊断规则均包括前项、后项、理论可信度和所述预设阈值，所述前项包括多个所述评价因素，所述后项包括所述缺陷成因。
[0017]进一步的，所述基于所述评价因素数据，从多个所述模糊诊断规则中选择出匹配的模糊诊断规则作为样本规则，并对所述样本规则进行模糊推理，得到每个所述样本规则的实际可信度，包括：
[0018]基于所述评价因素数据，从多个所述诊断规则中选择出匹配的模糊诊断规则作为所述样本规则；
[0019]根据所述实际焊接缺陷类型，基于层次分析法，得到每个所述评价因素对于所述实际焊接缺陷类型的权重系数；
[0020]根据所述评价因素数据，得到所述样本规则中每个所述评价因素的隶属度；
[0021]根据所述权重系数、所述隶属度，计算得到每个所述样本规则的实际可信度。
[0022]进一步的，所述根据所述实际焊接缺陷类型，基于层次分析法，得到每个所述评价因素对于所述实际焊接缺陷类型的权重系数，包括：
[0023]根据所述实际焊接缺陷类型，建立所述评价因素的成对比较矩阵；
[0024]对所述成对比较矩阵进行一致性检验，并根据检验结果调整所述成对比较矩阵；
[0025]根据调整后的所述成对比较矩阵，得到调整后的所述成对比较矩阵的特征向量；
[0026]对所述特征向量归一化处理，得到每个所述评价因素对于所述实际焊接缺陷类型的权重系数。
[0027]进一步的，所述判断是否存在所述实际可信度大于预设阈值的所述样本规则，若是，则根据所述实际可信度大于所述预设阈值的所述样本规则的缺陷成因，得到目标诊断结果，若否，则根据所述成因诊断神经网络模型，得到目标诊断结果，包括：
[0028]将所述样本规则按照所述实际可信度的数值大小排序，得到样本规则序列；
[0029]判断是否存在所述样本规则的所述实际可信度大于其对应的所述预设阈值，若是，则根据所述样本规则序列，选择所述实际可信度最高的设定数量个所述样本规则的缺陷成因，得到所述目标诊断结果，若否，则将所述评价因素数据及所述实际焊接缺陷类型输入至所述成因诊断神经网络模型中，并得到所述目标诊断结果。
[0030]进一步的，所述建立成因诊断神经网络模型，包括：
[0031]建立初始BP神经网络模型，所述初始BP神经网络模型的输入参数包括多个所述评价因素，所述初始BP神经网络模型的输出参数包括所述诊断结果；
[0032]获取所述初始BP神经网络模型的初始参数，并通过PSO
‑
BP算法进行优化，得到优化参数；
[0033]根据所述优化参数优化所述初始BP神经网络模型，得到所述成因诊断神经网络模型。
[0034]进一步的，所述获取所述初始BP神经网络模型的初始参数，并通过PSO
‑
BP算法进行优化，得到优化参数，包括：
[0035]获取所述初始BP神经网络模型的初始参数，所述初始参数包括神经元的权值、阈值和损失函数；
[0036]根据所述神经元的权值和阈值，建立解空间和粒子种群，并初始化所述粒子种群在所述解空间中的位置；
[0037]根据所述损失函数，建立适应度函数；
[0038]根据所述适应度函数，优化所述粒子种群在所述解空间中的位置；
[0039]获取优化后的所述粒子种群在所述解空间中的位置，得到所述优化参数。
[0040]第二方面，本专利技术还提供一种焊接缺陷成因诊断系统，包括：
[0041]规则建立模块，用于确定评价因素和缺陷成因，基于扩展前项的模糊规则建立用于表征所述评价因素和所述缺陷成因之间模糊关系的多个模糊诊断规则；
[0042]网络建立模块，用建立成因诊断神经网络模型，所述成因诊断神经网络模型的输入参数包括焊接缺陷类型和所述评价因素，所述成因诊断神经网络模型的输出参数包括诊断结果；
[0043本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种焊接缺陷成因诊断方法，其特征在于，包括：确定评价因素和缺陷成因，基于扩展前项的模糊规则建立用于表征所述评价因素和所述缺陷成因之间模糊关系的多个模糊诊断规则；建立成因诊断神经网络模型，所述成因诊断神经网络模型的输入参数包括焊接缺陷类型和所述评价因素，所述成因诊断神经网络模型的输出参数包括诊断结果；获取待诊断缺陷对应的实际焊接缺陷类型和评价因素数据；基于所述评价因素数据，从多个所述模糊诊断规则中选择出匹配的模糊诊断规则作为样本规则，并对所述样本规则进行模糊推理，得到每个所述样本规则的实际可信度；判断是否存在所述实际可信度大于预设阈值的所述样本规则，若是，则根据所述实际可信度大于所述预设阈值的所述样本规则的缺陷成因，得到目标诊断结果，若否，则根据所述成因诊断神经网络模型，得到目标诊断结果。2.根据权利要求1所述的焊接缺陷成因诊断方法，其特征在于，所述确定评价因素和缺陷成因，基于扩展前项的模糊规则建立用于表征所述评价因素和所述缺陷成因之间模糊关系的多个模糊诊断规则，包括：建立焊接特征信息库，根据所述焊接特征信息库得到所述评价因素和所述缺陷成因；根据所述评价因素，基于扩展前项的模糊规则建立多个所述模糊诊断规则；其中，每个所述模糊诊断规则均包括前项、后项、理论可信度和所述预设阈值，所述前项包括多个所述评价因素，所述后项包括所述缺陷成因。3.根据权利要求2所述的焊接缺陷成因诊断方法，其特征在于，所述基于所述评价因素数据，从多个所述模糊诊断规则中选择出匹配的模糊诊断规则作为样本规则，并对所述样本规则进行模糊推理，得到每个所述样本规则的实际可信度，包括：基于所述评价因素数据，从多个所述诊断规则中选择出匹配的模糊诊断规则作为所述样本规则；根据所述实际焊接缺陷类型，基于层次分析法，得到每个所述评价因素对于所述实际焊接缺陷类型的权重系数；根据所述评价因素数据，得到所述样本规则中每个所述评价因素的隶属度；根据所述权重系数、所述隶属度，计算得到每个所述样本规则的实际可信度。4.根据权利要求3所述的焊接缺陷成因诊断方法，其特征在于，所述根据所述实际焊接缺陷类型，基于层次分析法，得到每个所述评价因素对于所述实际焊接缺陷类型的权重系数，包括：根据所述实际焊接缺陷类型，建立所述评价因素的成对比较矩阵；对所述成对比较矩阵进行一致性检验，并根据检验结果调整所述成对比较矩阵；根据调整后的所述成对比较矩阵，得到调整后的所述成对比较矩阵的特征向量；对所述特征向量归一化处理，得到每个所述评价因素对于所述实际焊接缺陷类型的权重系数。5.根据权利要求3所述的焊接缺陷成因诊断方法，其特征在于，所述判断是否存在所述实际可信度大于预设阈值的所述样本规则，若是，则根据所述实际可信度大于所述预设阈值的所述样本规则的缺陷成因，得到目标诊断结果，若否，则根据所述成因...

【专利技术属性】
技术研发人员：宋燕利，路珏，高昶霖，张舒磊，李玮灏，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：