【技术实现步骤摘要】
本专利技术涉及电子信息，特别是涉及基于目标最优神经网络的电弧稳定性在线检测方法。
技术介绍
1、实际的焊接系统常在不确定、多变的工况环境中工作，造成模型参数发生变化，使一般模型不能很好地适应不确定或多变的工况，系统一般模型的输出为电弧稳定性评价指标的近似值，为了提高电弧稳定性在线检测的准确度，需要专利技术出一种在线建立适应不确定工况的电弧稳定性检测系统自适应模型的方法，实现模型参数根据工况在线自整定，提高电弧稳定性在线检测的准确度，有助于提高旋转电弧传感焊缝跟踪精度及焊缝成形质量，具有实际应用价值。
技术实现思路
1、为了解决现有技术存在的问题，本专利技术提供了一种基于目标最优神经网络的电弧稳定性在线检测方法，在线建立适应不确定工况的电弧稳定性检测系统自适应模型的方法，实现模型参数根据工况在线自整定，并进一步基于自适应模型实现电弧稳定性的精确检测，有助于提高机器自动焊接的质量。
2、为达此目的，本专利技术采用以下技术方案：
3、基于目标最优神经网络的电弧稳定性在线检测方法，包括：建立旋转电弧稳定性传感器输入与输出映射关系的一般模型及确定其重要的参数，基于目标最优神经网络的参数自适应模型建立方法，基于自适应模型的电弧稳定性在线检测方法。
4、进一步地，所述建立旋转电弧稳定性传感器输入与输出映射关系的一般模型及确定其重要的参数，具体内容如下，旋转电弧稳定性传感器输入与输出映射关系的一般模型z()满足下式，
5、w＝z(η(i),β(i),
6、式中，η(i)、β(i)、α(i)及γ(i)为旋转电弧传感信号的四个特征量，特征量η(i)可描述断弧或接近断弧的次数，特征量β(i)可描述同一圈旋转电弧内采样焊接电流方向变化次数，特征量α(i)可描述同一圈旋转电弧内相邻采样焊接电流大小变化，特征量γ(i)可描述相邻两圈旋转电弧的相同位置的采样焊接电流大小变化，这四个特征量可由采集到的旋转电弧传感信号计算出。因此，参数αmax、γmax、a、b、c、d及σ的值决定了旋转电弧稳定性传感器输入与输出映射关系的一般模型的准确性。αmax为电弧不稳定时α(i)的值，γmax为电弧不稳定时γ(i)的值，σ为高斯函数的标准差，a为电弧稳定点，b为电弧欠稳定点，c为开始出现电弧不稳定现象时对应的点，d为电弧不稳定点。经过理论分析及实验验证发现，参数c、d及σ的值满足c＝1、d＝2及σ＝0.4。w为识别出的电弧稳定性综合评价指标。
7、由于参数αmax及γmax会随着焊接参数及焊接工况的变化而发生改变，电弧稳定性识别的准确度对于电弧稳定点a及电弧欠稳定点b很敏感。因此，参数αmax、γmax、a及b是决定旋转电弧稳定性传感器的输入与输出映射关系精确模型的四个重要的变参数，影响识别电弧稳定性的准确度。
8、进一步地，基于目标最优神经网络的电弧稳定性在线检测方案，具体内容如下，首先，设计目标最优准则，研究基于目标最优在线自学习神经网络的参数自适应模型建立方法。然后，对前面建立的旋转电弧稳定性传感器一般模型的参数在线调整，建立基于目标最优神经网络的电弧稳定性与旋转电弧传感信号的自适应模型，并且，计算电弧稳定性评价指标对旋转电弧传感信号特征量的灵敏度。最后，研究基于自适应模型的电弧稳定性在线检测方法，并进行电弧稳定性在线检测实验，识别出电弧稳定性综合评价指标。
9、进一步地，所述基于目标最优神经网络的参数自适应模型建立方法，具体内容如下，系统一般模型的输出为电弧稳定性评价指标的近似值，而基于目标最优神经网络的自适应模型可以使识别出的电弧稳定性评价指标更准确。如果工况及焊接参数变化，使电弧稳定性与旋转电弧传感信号映射关系模型的参数发生变化。以电弧传感信号特征量的改变量为输入，设计出目标最优准则，基于目标最优神经网络，对系统一般模型的参数进行调整，最后通过自适应模型实现电弧稳定性在线自适应检测。
10、所述基于目标最优神经网络的参数自适应模型建立方法，主要包括三部分内容，基于神经网络辨识出旋转电弧稳定性传感器的一般模型重要参数的改变量，基于目标最优准则自动调整神经网络的权值，基于目标最优神经网络建立旋转电弧稳定性传感器的参数自适应模型。
11、进一步地，所述基于神经网络辨识出旋转电弧稳定性传感器的一般模型重要参数的改变量，具体内容如下，以电弧传感信号特征量的改变量(δη(i),δβ(i),δα(i),δγ(i))为输入，以旋转电弧稳定性传感器的一般模型重要参数的改变量(δαmax,δγmax,δa,δb)为输出。
12、隐含层第m个神经元第i次的总输入ym(i)满足下式，
13、
14、式中，wk,m(i)为输入层第k个神经元至隐含层第m个神经元的连接权值，xk(i)为输入层第k个神经元的输入，m表示隐含层神经元的序号，满足m＝1，2，...，6。δη(i)为η(i)的改变量，δβ(i)为β(i)的改变量，δα(i)为α(i)的改变量，δγ(i)为γ(i)的改变量。
15、采用sigmoid函数作为隐含层神经元的激活函数h()，隐含层第m个神经元第i次的输出ym'(i)满足下式，
16、
17、式中，ym(i)为隐含层第m个神经元第i次的总输入。
18、输出层第n个神经元第i次的实际输出zn(i)满足下式，
19、
20、可以得到神经网络的四个输出，
21、
22、输出层第n个神经元第i次的输出误差en(i)满足下式，
23、
24、式(4-6)中，wm,n(i)为隐含层第m个神经元至输出层第n个神经元的连接权值，ym'(i)为隐含层第m个神经元第i次的输出，n表示输出层神经元的序号。δαmax(i)为一般模型参数αmax(i)的改变量，δγmax(i)为参数γmax(i)的改变量，δa(i)为参数a的第i次改变量，δb(i)为参数b的第i次改变量。zn,0(i)为输出层第n个神经元第i次的理想输出，zn,0(i)＝(δαmax、δγmax、δa、δb)。zn(i)为输出层第n个神经元第i次的实际输出。
25、进一步地，所述基于目标最优准则自动调整神经网络的权值，具体内容如下，要实现基于目标最优神经网络自动调整传感器系统一般模型的参数，需要设计出目标最优准则。经过分析电弧传感信号特征量的变化量与一般模型重要参数的改变量的关系，可以确定出目标最优准则，共分为三类：第一类规则表示存在断弧或接近断弧的情况；第二类规则表示虽然没有发生断弧或接近断弧的情况，但电弧稳定性发生了一般强度的改变；第三类规则表示在误差范围内电弧稳定性没有发生改变。下面将分别对第一类规则、第二类规则、第三类规则的一种情况进行说明，其它规则含义可以类推。
26、第一类规则的一种情况：当断弧或接近断弧的次数增加64次，同一圈旋转电弧内采样焊接电本文档来自技高网...
【技术保护点】
1.基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：包括：建立旋转电弧稳定性传感器输入与输出映射关系的一般模型及确定其重要的参数，基于目标最优神经网络的参数自适应模型建立方法，基于自适应模型的电弧稳定性在线检测方法。
2.根据权利要求1所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述建立旋转电弧稳定性传感器输入与输出映射关系的一般模型及确定其重要的参数，包括：旋转电弧稳定性传感器输入与输出映射关系的一般模型Z()满足下式，
3.根据权利要求2所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于目标最优神经网络的参数自适应模型建立方法，包括三部分内容，基于神经网络辨识出旋转电弧稳定性传感器的一般模型重要参数的改变量，基于目标最优准则自动调整神经网络的权值，基于目标最优神经网络建立旋转电弧稳定性传感器的参数自适应模型。
4.根据权利要求3所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于神经网络辨识出旋转电弧稳定性传感器的一般模型重要参数的改变量，包括：以电弧传感信号特征量的改
5.根据权利要求4所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于目标最优准则自动调整神经网络的权值，包括：要实现基于目标最优神经网络自动调整传感器系统一般模型的参数，需要设计出目标最优准则；经过分析电弧传感信号特征量的变化量与一般模型重要参数的改变量的关系，确定出目标最优准则，共分为三类：第一类规则表示存在断弧或接近断弧的情况；第二类规则表示虽然没有发生断弧或接近断弧的情况，但电弧稳定性发生了一般强度的改变；第三类规则表示在误差范围内电弧稳定性没有发生改变；
6.根据权利要求5所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于目标最优神经网络建立旋转电弧稳定性传感器的参数自适应模型，包括：利用目标最优准则对目标最优神经网络进行训练，当每条最优关系准则对应的误差都很小时，此时，输入层神经元至隐含层神经元的连接权值w1、隐含层神经元与输出层神经元的连接权值w2分别满足下式，
7.根据权利要求6所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于自适应模型的电弧稳定性在线检测方法，包括：以第i次的旋转电弧传感信号的四个特征量(η(i),β(i),α(i),γ(i))为输入，利用旋转电弧稳定性传感器的自适应模型，可输出第i次识别出的电弧稳定性综合评价指标w(i)；
...【技术特征摘要】
1.基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：包括：建立旋转电弧稳定性传感器输入与输出映射关系的一般模型及确定其重要的参数，基于目标最优神经网络的参数自适应模型建立方法，基于自适应模型的电弧稳定性在线检测方法。
2.根据权利要求1所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述建立旋转电弧稳定性传感器输入与输出映射关系的一般模型及确定其重要的参数，包括：旋转电弧稳定性传感器输入与输出映射关系的一般模型z()满足下式，
3.根据权利要求2所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于目标最优神经网络的参数自适应模型建立方法，包括三部分内容，基于神经网络辨识出旋转电弧稳定性传感器的一般模型重要参数的改变量，基于目标最优准则自动调整神经网络的权值，基于目标最优神经网络建立旋转电弧稳定性传感器的参数自适应模型。
4.根据权利要求3所述的基于目标最优神经网络的电弧稳定性在线检测方法，其特征在于：所述基于神经网络辨识出旋转电弧稳定性传感器的一般模型重要参数的改变量，包括：以电弧传感信号特征量的改变量(δη(i),δβ(i),δα(i),δγ(i))为输入，以旋转电弧稳定性传感器的一般模型重要参数的改变量(δαmax,δγmax,δa,δb)为输出；
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。