-
公开(公告)号:CN114119595A
公开(公告)日:2022-03-01
申请号:CN202111479871.2
申请日:2021-12-06
Applicant: 上海交通大学
IPC: G06T7/00 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于集成深度学习的GMAW焊接质量在线监测及评价方法,包括:采集焊接过程中包括焊接熔池图像、电弧声音信号、焊接电压信号和焊接电流信号在内的焊接信息;对焊接信息进行预处理,并进行特征提取;对获取的不同信号源的特征进行连接融合,构建融合后的特征向量;构建质量基础检测模型,将融合后的特征向量输入至质量基础检测模型中,输出当前状态下的焊接质量;采用不同质量基础检测模型获取当前状态下的焊接质量,根据不同质量基础检测模型的结果获取最后的决策结果。与现有技术相比,本发明具有实现在线监测、提升检测质量准确性等优点。
-
公开(公告)号:CN118247202A
公开(公告)日:2024-06-25
申请号:CN202211669016.2
申请日:2022-12-23
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于多信息监测的热影响区应变预测方法、设备、介质,所述方法包括如下步骤:获取包括原始信息以及工艺参数信息;将原始信息经过预处理并提取特征后,获取特征提取信息,特征提取信息以及工艺参数信息构成综合特征信息,输入预训练好的热影响区应变预测模型中,获取热影响区应变预测数据。与现有技术相比,本发明使用数字图像相关法,具有无接触、全场测量、精度高的优点,使用机器学习模型对应变进行预测可以快速得到应变值,节省了计算时间,为应变调控策略提供了思路。
-
公开(公告)号:CN118013251A
公开(公告)日:2024-05-10
申请号:CN202410007302.5
申请日:2024-01-03
Applicant: 上海交通大学
IPC: G06F18/213 , G06F18/25 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于深度学习的挖掘机动臂机器人焊接质量在线检测方法,包括以下步骤:使用多种传感器实时监测焊接过程中的焊接信息,包括焊接熔池图像、焊接电流信号、焊接电压信号以及电弧声音信号;分别利用不同的深度学习模型对收集到的熔池图像和电流、电压、声音信号进行特征提取,得到特征向量;将提取得到的不同信号源的特征向量进行融合;搭建特征融合模型,将融合后的特征向量作为融合模型输入,输出当前状态下的焊接质量分类结果;将融合模型输出的焊接质量分类结果输出为概率分布,并将概率最大的类别作为对当前焊接状态的预测结果。与现有技术相比,本发明可以实现在线监测、具有更高的可移植性和质量监测准确性。
-
-