[发明专利]基于神经网络的焊接工艺参数推荐方法、装置及机器人

权利要求书

1.一种基于神经网络的焊接工艺参数推荐方法，其特征在于，包括：

获取焊接经验场景信息和焊接经验工艺参数信息，并进行归一化处理，分别作为样本输入数据和样本输出数据；

建立神经网络，确定神经网络的输入层神经元数量、隐藏层数量以及输出层神经元数量；

根据所述样本输入数据和样本输出数据，采用反向传播算法确定神经网络的权重值和偏差值，对所述神经网络进行训练；

获取焊接目标场景参数，并输入至训练后的神经网络，输出焊接目标工艺参数；

其中，所述焊接经验场景信息至少包括第一板材厚度、第二板材厚度以及焊丝直径；

所述焊接经验工艺参数信息至少包括焊接电流值；

所述焊接经验场景信息和焊接经验工艺参数信息呈映射关系；

对焊接经验场景信息和焊接经验工艺参数信息进行归一化处理，包括：

计算每一类焊接经验场景信息或者焊接经验工艺参数信息的数量；

如果所述数量多于或者等于预设数量，则通过以下公式进行归一化处理：

其中，y为归一化后的值，x为一类焊接经验场景信息或者焊接经验工艺参数信息，为平均值，s为标准差，N为焊接经验场景信息或者焊接经验工艺参数信息的数量；

如果所述数量少于预设数量，则通过以下公式进行归一化处理：

y＝x/x_max；

其中，x_max为x可能合理出现的最大值。

2.根据权利要求1所述的基于神经网络的焊接工艺参数推荐方法，其特征在于，所述预设数量大于8个。

3.根据权利要求1所述的基于神经网络的焊接工艺参数推荐方法，其特征在于，所述神经网络的输入层神经元数量与焊接经验场景信息中的信息类型的数量相等；

所述神经网络的隐藏层数量至少为一层；

所述输出层神经元数量至少为一个。

4.根据权利要求1所述的基于神经网络的焊接工艺参数推荐方法，其特征在于，所述反向传播算法采用ADAM、SGD、Adagrad或者RMSprop。

5.根据权利要求1所述的基于神经网络的焊接工艺参数推荐方法，其特征在于，所述神经网络的激活函数为Tanh、linear、sigmoid或者relu。

6.根据权利要求1所述的基于神经网络的焊接工艺参数推荐方法，其特征在于，神经网络的训练周期大于1000，学习速率为0.01。

7.一种基于神经网络的焊接工艺参数推荐装置，其特征在于，包括：

数据处理模块，用于获取焊接经验场景信息和焊接经验工艺参数信息，并进行归一化处理，分别作为样本输入数据和样本输出数据；

神经网络建立模块，用于确定神经网络的输入层神经元数量、隐藏层数量以及输出层神经元数量；

训练模块，用于根据所述样本输入数据和样本输出数据，采用反向传播算法确定神经网络的权重值和偏差值，对所述神经网络进行训练；

预测模块，用于获取焊接目标场景参数，并输入至训练后的神经网络，输出焊接目标工艺参数；

其中，所述数据处理模块获取的焊接经验场景信息至少包括第一板材厚度、第二板材厚度以及焊丝直径；

所述焊接经验工艺参数信息至少包括焊接电流值；

所述焊接经验场景信息和焊接经验工艺参数信息呈映射关系；

所述数据处理模块还用于：

计算每一类焊接经验场景信息或者焊接经验工艺参数信息的数量；

如果所述数量多于或者等于预设数量，则通过以下公式进行归一化处理：

其中，y为归一化后的值，x为一类焊接特征场景信息或者焊接特征工艺参数信息，为平均值，s为标准差，N为焊接经验场景信息或者焊接经验工艺参数信息的数量；

如果所述数量少于预设数量，则通过以下公式进行归一化处理：

y＝x/x_max；

其中，x_max为x可能合理出现的最大值。