买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西咸新区大熊星座智能科技有限公司;西北工业大学

摘要：为了解决现有利用神经网络对焊缝成形质量进行评估预测的方法存在的预测精度较低的技术问题，本发明提出了一种基于Res‑LSTM的焊缝成形质量实时预测方法。本发明通过收集数据构建源域数据和目标域数据，利用基于CNN的焊缝成形迁移学习模型对源域数据进行特征提取，根据目标域数据对基于ResNet的焊缝成形诊断模型进行卷积层参数修正，利用基于LSTM构建焊缝成形质量预测模型预测下一焊接时刻的焊缝时序特征向量并输入到训练好的焊缝成形诊断模型的全连接层中，进而由焊缝成形诊断模型的全连接层输出焊接标签，从而预测出下一焊接时刻的焊缝成形状态，实现了焊缝成形质量的在线精确预测。

主权项：1.基于Res-LSTM的焊缝成形质量实时预测方法，其特征在于，包括以下步骤：步骤1：收集数据从公共数据集中收集与焊缝成形相关且具有缺陷标记的熔池图像数据，清洗后构成源域数据；从企业数据库中提取与焊接质量预测相关的熔池图像数据及对应的历史焊接过程数据，对与焊接质量预测相关的熔池图像数据标记缺陷后构成目标域数据；所述历史焊接过程数据包括焊接电流、焊接电压和送丝速度；步骤2：构建模型步骤2.1：基于CNN构建焊缝成形迁移学习模型并采用所述源域数据进行训练；步骤2.2：基于ResNet构建焊缝成形诊断模型，将训练好的所述焊缝成形迁移学习模型的最后一层卷积层的权重和偏置作为所述焊缝成形诊断模型的卷积层参数的初始值，并采用所述目标域数据对所述焊缝成形诊断模型的卷积层参数进行修正，得到训练好的焊缝成形诊断模型；步骤2.3：基于LSTM构建焊缝成形质量预测模型并采用所述历史焊接过程数据和所述焊缝成形诊断模型输出的一维特征向量进行训练；步骤3：实时预测步骤3.1：实时采集当前焊接任务的熔池图像数据和焊接过程数据，并进行数据清洗；步骤3.2：将步骤3.1的熔池图像数据输入步骤2.2训练好的焊缝成形诊断模型的卷积层中提取图像特征，待焊缝成形诊断模型的全局平均池化层将所述图像特征转化为一维特征向量后，将所述一维特征向量与步骤3.1的焊接过程数据拼接后输入步骤2.3训练好的焊缝成形质量预测模型中，得到下一时刻的焊缝时序特征向量；步骤3.3：将所述下一时刻的焊缝时序特征向量输入步骤2.2训练好的焊缝成形诊断模型的全连接层中，得到下一时刻的焊缝成形预测结果。

全文数据：

权利要求：

百度查询： 西咸新区大熊星座智能科技有限公司 西北工业大学 基于Res-LSTM的焊缝成形质量实时预测方法