一种基于人工智能的船舶焊接缺陷识别系统技术方案

本发明专利技术提供了一种基于人工智能的船舶焊接缺陷识别系统，其特征在于，包括数据获取模块、特征提取模块、缺陷识别模块和缺陷预测模块；所述数据获取模块用于获取船舶焊接缺陷相关的多维数据，所述特征提取模块用于提取出所述多维数据中与焊接缺陷相关性较大的维度数据，所述缺陷识别模块用于对船舶焊接缺陷进行识别，所述缺陷预测模块基于识别结果对可能出现的船舶焊接缺陷进行预测；本系统不仅可以对实时船舶焊接缺陷进行识别，而且还可以对未来可能出现的船舶焊接缺陷进行预测，从而保证用户可以根据实时识别结果和预测结果更好的对船舶焊接缺陷进行评估并作出相应反应措施。船舶焊接缺陷进行评估并作出相应反应措施。船舶焊接缺陷进行评估并作出相应反应措施。

【技术实现步骤摘要】
一种基于人工智能的船舶焊接缺陷识别系统


[0001]本专利技术涉及船舶焊接
，具体涉及一种基于人工智能的船舶焊接缺陷识别系统。

技术介绍

[0002]船舶焊接是船舶制造中常用的连接技术，但焊接过程中可能会产生各种缺陷，如裂纹、气孔、未熔合等；这些焊接缺陷会对船舶的结构强度和安全性产生严重影响，因此及早发现和准确识别船舶焊接缺陷至关重要；人工智能技术的发展为船舶焊接缺陷识别提供了新的解决方案；机器学习算法能够从大量的数据中学习模式和特征，并进行智能识别和分类。
[0003]查阅相关已公开技术方案，如CN115564249A现有技术公开了一种船舶焊接质量管控系统及方法，包括基础数据库、监测模块、功能模块和功能处理模块；该方案对焊前的焊枪状态、焊中的焊机参数和环境参数及焊后的探伤结果进行全流程质量管控，克服现有技术中对焊接质量的要素监测不全面、焊接管控系统性不够全面、管控行动指令缺乏、焊接质量提升缺乏目标等问题，全面保证焊接参数可控，综合提高焊接施工质量，及时制止无效焊接任务量，精准推送焊接辅助提升建议；另一种典型的公开号为CN113537621A的现有技术公开了一种大数据驱动的船舶薄板焊接质量预测方法，包括如下步骤：利用建立好的物联网组建框架，进行实时焊接数据的采集与上行传输；对采集的焊接质量影响因素数据进行关键数据特征优选，完成焊接大数据中初始特征集合的数据降维；通过建立好的自适应模拟退火粒子群算法优化的BP神经网络预测模型，根据数据降维后的数据特征集，输出船舶薄板焊接质量预测结果；该方案建立了一种SAPSO_BP预测模型，改善了BP神经网络预测模型的容易陷入局部极小点、收敛速度慢、鲁棒性差等缺陷，从而实现了对于船舶薄板焊接过程的在线监测与焊接质量的精准预测，提升了预测结果精度，为焊接工艺的优化决策提供可靠性高的参考价值；上述方案仅可通过实时采集数据对船舶焊接缺陷进行预测，用户在接收到缺陷识别结果后才能做出相关反应措施，无法提前对可能出现的船舶焊接缺陷进行预测，如果用户可以提前获取到可能出现的船舶焊接缺陷相关的预测信息，便可以更好的对船舶焊接缺陷进行评估并作出相应反应措施，且可以增加用户对于焊接缺陷的补救时间。

技术实现思路

[0004]本专利技术的目的在于，针对所存在的不足，提出了一种基于人工智能的船舶焊接缺陷识别系统。
[0005]本专利技术采用如下技术方案：
[0006]一种基于人工智能的船舶焊接缺陷识别系统，其特征在于，包括数据获取模块、特征提取模块、缺陷识别模块和缺陷预测模块；
[0007]所述数据获取模块用于获取船舶焊接缺陷相关的多维数据，所述特征提取模块用
于提取出所述多维数据中与焊接缺陷相关性较大的维度数据，所述缺陷识别模块用于对船舶焊接缺陷进行识别，所述缺陷预测模块基于识别结果对可能出现的船舶焊接缺陷进行预测；
[0008]所述数据获取模块包括实时数据获取模块和历史数据获取模块，所述实时数据获取模块用于获取实时焊接过程中的多维数据，所述历史数据获取模块用于获取历史焊接过程中的多维数据及对应时间点缺陷信息；所述实时数据获取模块包括数据感知单元和数据集成单元，所述数据感知单元用于采集实时焊接过程中的多维数据，所述数据集成单元用于对所述多维数据进行校准、格式化和时间同步操作处理；
[0009]所述特征提取模块通过以下步骤提取出多维数据中与焊接缺陷相关性较大的维度数据：
[0010]S101：准备数据：获取历史焊接过程中的多维数据及对应时间点缺陷信息；
[0011]S102：构建粗糙集：基于上个步骤中获取的数据，建立粗糙集模型，所述粗糙集模型可以表示为(U,C∪D),其中U为论域，即包含历史焊接过程中多维数据的数据集；C为条件特征集，包含论域U中的所有维度，D为决策特征集，包含各种缺陷类别及缺陷类别取值；所述缺陷类别取值即为该缺陷类别对应的维度；
[0012]S103：提取重要维度：计算每个维度的近似分类质量，所述近似分类质量通过各维度的下近似与论域的比值计算；并将这些近似分类质量与设定的提取阈值比较，将大于阈值的近似分类质量对应维度作为与焊接缺陷相关性较大的维度；
[0013]进一步的，所述缺陷识别模块建立一个BP神经网络模型，并使用历史焊接过程中与焊接缺陷相关性较大的多维数据及对应时间点缺陷信息作为训练集对所述神经网络模型进行训练，并将训练好的神经网络模型用于船舶焊接缺陷识别；所述神经网络模型的输入为与焊接缺陷相关性较大的多维数据，输出为多种焊接缺陷的发生概率，所述多种焊接缺陷分别为焊接开裂、焊接孔洞、焊接夹渣、焊接错边、焊接过渡区不足和焊接变形；
[0014]进一步的，所述缺陷预测模块对于可能出现的船舶焊接缺陷进行预测的具体方式包括以下步骤：
[0015]S301：以当前时间为截止时间向前截取10组包含时序性的神经网络模型识别结果；其中每组识别结果包括船舶焊接时出现焊接开裂、焊接孔洞、焊接夹渣、焊接错边、焊接过渡区不足和焊接变形的概率；
[0016]S302：计算每种焊接缺陷在10组识别结果内的平均概率值；
[0017]S303：提取出S302步骤中平均概率值最大的两种焊接缺陷对应的识别结果；
[0018]S304：根据S303步骤中提取的数据计算预警值warning：
[0019][0020]其中，为各焊接缺陷中平均概率值最大的焊接缺陷对应的平均概率值，a
max
为各焊接缺陷中平均概率值最大的焊接缺陷在其10组识别结果中的最大值，a
min
为各焊接缺陷中平均概率值最大的焊接缺陷在其10组识别结果中的最小值；Δa为各焊接缺陷中平均概率值最大的焊接缺陷在其10组识别结果中，距离当前时间最近的识别结果与距离当前时间第二近的识别结果的差值；b
max
为各焊接缺陷中平均概率值第二大的焊接缺陷在其10组识别结果中的最大值，b
min
为各焊接缺陷中平均概率值第二大的焊接缺陷在其10组识别结
果中的最小值，Δb为各焊接缺陷中平均概率值第二大的焊接缺陷在其10组识别结果中，距离当前时间最近的识别结果与距离当前时间第二近的识别结果的差值；
[0021]S305：将预警值与缺陷阈值相比较，当预警值大于缺陷阈值时，输出S304步骤中各焊接缺陷中平均概率值最大的焊接缺陷作为预测出的可能出现的船舶焊接缺陷。
[0022]本专利技术所取得的有益效果是：
[0023]本系统的特征提取模块基于粗糙集理论，通过计算每个维度的近似分类质量来衡量每个维度的重要性，可以过滤掉对缺陷判定没有明显影响的维度，提取出更具有区分性和预测能力的维度；减少了计算和存储的开销，提高特征选择和数据分析的效率，并更好地支持后续船舶焊接缺陷的识别和预测任务；通过缺陷识别模块对实时船舶焊接缺陷进行识别，通过缺陷预测模块对未来可能出现的船舶焊接缺陷进行预测，从而保证用户可以根据实时识别结果和预测结果更好的对船舶焊接缺陷进行评估并作出相应反应措施，增加了用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的船舶焊接缺陷识别系统，其特征在于，包括数据获取模块、特征提取模块、缺陷识别模块和缺陷预测模块；所述数据获取模块用于获取船舶焊接缺陷相关的多维数据，所述特征提取模块用于提取出所述多维数据中与焊接缺陷相关性较大的维度数据，所述缺陷识别模块用于对船舶焊接缺陷进行识别，所述缺陷预测模块基于识别结果对可能出现的船舶焊接缺陷进行预测；所述数据获取模块包括实时数据获取模块和历史数据获取模块，所述实时数据获取模块用于获取实时焊接过程中的多维数据，所述历史数据获取模块用于获取历史焊接过程中的多维数据及对应时间点缺陷信息；所述实时数据获取模块包括数据感知单元和数据集成单元，所述数据感知单元用于采集实时焊接过程中的多维数据，所述数据集成单元用于对所述多维数据进行校准、格式化和时间同步操作处理；所述特征提取模块通过以下步骤提取出多维数据中与焊接缺陷相关性较大的维度数据：S101：准备数据：获取历史焊接过程中的多维数据及对应时间点缺陷信息；S102：构建粗糙集：基于上个步骤中获取的数据，建立粗糙集模型，所述粗糙集模型可以表示为(U,C∪D),其中U为论域，即包含历史焊接过程中多维数据的数据集；C为条件特征集，包含论域U中的所有维度，D为决策特征集，包含各种缺陷类别及缺陷类别取值；所述缺陷类别取值即为该缺陷类别对应的维度；S103：提取重要维度：计算每个维度的近似分类质量，所述近似分类质量通过各维度的下近似与论域的比值计算；并将这些近似分类质量与设定的提取阈值比较，将大于阈值的近似分类质量对应维度作为与焊接缺陷相关性较大的维度。2.如权利要求1所述的一种基于人工智能的船舶焊接缺陷识别系统，其特征在于，所述缺陷识别模块建立一个BP神经网络模型，并使用历史焊接过程中与焊接缺陷相关性较大的多维数据及对应时间点缺陷信息作为训练集对所述神经网络模型进行训练，并将训练好的神经网络模型用于船舶焊接缺陷识别；所...

【专利技术属性】
技术研发人员：黎泉，冯志强，黎欣，吕娜，陈善本，石南辉，蒋庆华，贾广攀，向晓宏，曾宪平，潘祖富，袁浩，孟春利，黄小虎，
申请(专利权)人：北部湾大学，
类型：发明
国别省市：