本發(fā)明涉及人工智能，特別地涉及一種基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代工業(yè)制造領(lǐng)域，尤其是像橋梁、船舶、壓力容器等大型鋼結(jié)構(gòu)的構(gòu)建過程中，焊接工藝起著至關(guān)重要的連接與成型作用。多層多道焊作為一種常用且復(fù)雜的焊接技術(shù)，廣泛應(yīng)用于對焊縫質(zhì)量和結(jié)構(gòu)強(qiáng)度要求極高的場景。

2、焊接過程中，由于熱源集中且局部加熱冷卻速率不均，不可避免地會在焊件內(nèi)部生成殘余應(yīng)力。這些殘余應(yīng)力猶如隱藏在結(jié)構(gòu)內(nèi)部的“定時炸彈”，給焊件性能帶來諸多危害。一方面，它顯著降低結(jié)構(gòu)的靜載承載能力，使原本設(shè)計的強(qiáng)度冗余被削弱，極易引發(fā)結(jié)構(gòu)變形甚至垮塌事故；另一方面，還會加速材料疲勞損傷，促使裂紋過早萌生與擴(kuò)展，大幅縮短焊件的疲勞壽命。同時，殘余應(yīng)力與外界腐蝕環(huán)境耦合，極易催生應(yīng)力腐蝕開裂，進(jìn)一步侵蝕結(jié)構(gòu)的完整性。

3、傳統(tǒng)應(yīng)對殘余應(yīng)力的方法存在明顯短板，有損測量技術(shù)如切條法、盲孔法，雖能直接獲取應(yīng)力數(shù)據(jù)，但對焊件造成不可逆破壞，后期修復(fù)成本高昂，在實際工程尤其是已成型或在建大型結(jié)構(gòu)中根本無法施展。無損測量手段像x射線衍射法、中子衍射法，雖無損卻受限于設(shè)備昂貴、操作繁瑣，且面對大型復(fù)雜構(gòu)件時，測點(diǎn)布置艱難，難以精準(zhǔn)反映整體應(yīng)力全貌。

4、因此，亟需一種能夠高效、準(zhǔn)確的基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法來克服現(xiàn)有困境。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提出一種基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法及系統(tǒng)，能夠通過采集多層多道焊焊縫的相關(guān)數(shù)據(jù)構(gòu)建分類模型數(shù)據(jù)集和預(yù)測模型數(shù)據(jù)集，進(jìn)而訓(xùn)練出熔池圖像分類模型和殘余應(yīng)力預(yù)測模型，最終實現(xiàn)對待預(yù)測多層多道焊焊縫的殘余應(yīng)力進(jìn)行準(zhǔn)確預(yù)測。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法，包括：

4、采集多層多道焊焊縫的相關(guān)數(shù)據(jù)，所述相關(guān)數(shù)據(jù)包括熔池圖像、熱輸入?yún)?shù)、材料類型、焊縫參數(shù)和殘余應(yīng)力；

5、基于熔池圖像、熱輸入?yún)?shù)和材料類型構(gòu)建分類模型數(shù)據(jù)集；

6、基于熔池圖像、熱輸入?yún)?shù)和焊縫參數(shù)構(gòu)建預(yù)測模型數(shù)據(jù)集；

7、構(gòu)建熔池圖像分類模型，將所述分類模型數(shù)據(jù)集輸入所述熔池圖像分類模型進(jìn)行訓(xùn)練，以得到最優(yōu)熔池圖像分類模型；

8、構(gòu)建殘余應(yīng)力預(yù)測模型，將所述預(yù)測模型訓(xùn)練集輸入所述所述殘余應(yīng)力預(yù)測模型進(jìn)行訓(xùn)練，以得到最優(yōu)殘余應(yīng)力預(yù)測模型；

9、獲取待預(yù)測多層多道焊焊縫和所述待預(yù)測多層多道焊焊縫對應(yīng)的熔池圖像、熱輸入?yún)?shù)、材料類型、焊縫參數(shù)，將待預(yù)測多層多道焊焊縫對應(yīng)的熱輸入?yún)?shù)、熔池圖像和材料類型輸入最優(yōu)熔池圖像分類模型，得到待預(yù)測多層多道焊焊縫對應(yīng)的熔池圖像類別結(jié)果，將待預(yù)測多層多道焊焊縫對應(yīng)的熔池圖像類別結(jié)果、熔池圖像、熱輸入?yún)?shù)和焊縫參數(shù)輸入最優(yōu)殘余應(yīng)力預(yù)測模型，以得到待預(yù)測多層多道焊焊縫對應(yīng)的殘余應(yīng)力預(yù)測結(jié)果。

10、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)：

11、可選地，采集多層多道焊焊縫對應(yīng)數(shù)據(jù)后：

12、基于ffa-net網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)特征權(quán)重對熔池圖像進(jìn)行篩選，得到最終熔池圖像。

13、可選地，所述基于ffa-net網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)特征權(quán)重對熔池圖像進(jìn)行篩選，得到最終熔池圖像，包括：

14、通過公式(1)計算峰值信噪比；

15、

16、其中，psnr為峰值信噪比，m為圖像的行數(shù)，n為圖像的列數(shù)，mmax為圖像的最大像素值255，i、k為兩張單色圖像，(i,j)像素點(diǎn)坐標(biāo)；

17、基于psnr對熔池圖像進(jìn)行進(jìn)行質(zhì)量評價，剔除psnr值小于指標(biāo)數(shù)值的熔池圖像，以得到最終熔池圖像。

18、可選地，所述將所述分類模型數(shù)據(jù)集輸入所述熔池圖像分類模型進(jìn)行訓(xùn)練，以得到最優(yōu)熔池圖像分類模型，包括：

19、所述熔池圖像分類模型的模型主干為alexne網(wǎng)絡(luò)；

20、通過調(diào)整感受野的大小來調(diào)整卷積核的大小和池化層的排列方式對熔池圖像分類模型進(jìn)行優(yōu)化。

21、可選地，所述將所述分類模型數(shù)據(jù)集輸入所述熔池圖像分類模型進(jìn)行訓(xùn)練，以得到最優(yōu)熔池圖像分類模型，還包括：

22、通過公式(2)計算alexne網(wǎng)絡(luò)中第n層感受野的大?。?/p>

23、rn＝rn-1+(kn-1)·sn-1?????????????????????????公式(2)；

24、式中，rn表示第n層感受野的大小，rn-1表示第n-1層感受野的大小，kn表示第n層卷積核的大小，sn-1表示第n-1層步幅長度。

25、可選地，所述將所述預(yù)測模型訓(xùn)練集輸入所述所述殘余應(yīng)力預(yù)測模型進(jìn)行訓(xùn)練，以得到最優(yōu)殘余應(yīng)力預(yù)測模型，包括：

26、所述熔池圖像分類模型的訓(xùn)練算法選取adam算法，確定所述熔池圖像分類模型的超參數(shù)，所述超參數(shù)包括熔池圖像分類模型的學(xué)習(xí)率和隨機(jī)失活的丟棄率，其中，學(xué)習(xí)率設(shè)置為0.0015，隨機(jī)失活的丟棄率設(shè)置為0.6。

27、可選地，所述將所述預(yù)測模型訓(xùn)練集輸入所述所述殘余應(yīng)力預(yù)測模型進(jìn)行訓(xùn)練，以得到最優(yōu)殘余應(yīng)力預(yù)測模型，還包括：

28、對所述殘余應(yīng)力預(yù)測模型進(jìn)行優(yōu)化：

29、對熔池圖像和熱輸入?yún)?shù)的特征進(jìn)行提取，得到熔池圖像特征和熱輸入?yún)?shù)特征；

30、將熔池圖像特征和熱輸入?yún)?shù)特征進(jìn)行降維融合，得到融合特征；將融合特征傳入全連接層。

31、一種基于深度學(xué)習(xí)的多層多道焊焊縫殘余應(yīng)力預(yù)測系統(tǒng)，包括：

32、采集模塊，用于采集多層多道焊焊縫的相關(guān)數(shù)據(jù)，所述相關(guān)數(shù)據(jù)包括熔池圖像、熱輸入?yún)?shù)、材料類型、焊縫參數(shù)和殘余應(yīng)力；

33、數(shù)據(jù)集構(gòu)建模塊，用于基于熔池圖像、熱輸入?yún)?shù)和材料類型構(gòu)建分類模型數(shù)據(jù)集，基于熔池圖像、熱輸入?yún)?shù)和焊縫參數(shù)構(gòu)建預(yù)測模型數(shù)據(jù)集；

34、分類模型構(gòu)建模塊，用于構(gòu)建熔池圖像分類模型，將所述分類模型數(shù)據(jù)集輸入所述熔池圖像分類模型進(jìn)行訓(xùn)練，以得到最優(yōu)熔池圖像分類模型；

35、預(yù)測模型構(gòu)建模塊，用于構(gòu)建殘余應(yīng)力預(yù)測模型，將所述預(yù)測模型訓(xùn)練集輸入所述所述殘余應(yīng)力預(yù)測模型進(jìn)行訓(xùn)練，以得到最優(yōu)殘余應(yīng)力預(yù)測模型；

36、預(yù)測模塊，用于獲取待預(yù)測多層多道焊焊縫和所述待預(yù)測多層多道焊焊縫對應(yīng)的熔池圖像、熱輸入?yún)?shù)、材料類型、焊縫參數(shù)，將待預(yù)測多層多道焊焊縫對應(yīng)的熱輸入?yún)?shù)、熔池圖像和材料類型輸入最優(yōu)熔池圖像分類模型，得到待預(yù)測多層多道焊焊縫對應(yīng)的熔池圖像類別結(jié)果，將待預(yù)測多層多道焊焊縫對應(yīng)的熔池圖像類別結(jié)果、熔池圖像、熱輸入?yún)?shù)和焊縫參數(shù)輸入最優(yōu)殘余應(yīng)力預(yù)測模型，以得到待預(yù)測多層多道焊焊縫對應(yīng)的殘余應(yīng)力預(yù)測結(jié)果。

37、一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并在處理器上運(yùn)行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)如所述方法的步驟。

38、一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)所述方法的步驟。

39、本發(fā)明具有如下優(yōu)點(diǎn)：

40、本發(fā)明中基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法，綜合運(yùn)用熔池圖像、熱輸入?yún)?shù)以及材料類型等多維度數(shù)據(jù)構(gòu)建模型。熔池圖像如同焊接過程的“實時窗口”，呈現(xiàn)熔池動態(tài)變化，反映焊接瞬間熱量分布、液態(tài)金屬流動走向，這些細(xì)節(jié)與殘余應(yīng)力緊密關(guān)聯(lián)；熱輸入?yún)?shù)精確量化焊接熱量供給，直接影響熔池狀態(tài)和焊縫冷卻速率，進(jìn)而左右殘余應(yīng)力大小與分布；材料類型涵蓋母材與填充材特性，不同材料熱物理性質(zhì)各異，決定熱量傳導(dǎo)、膨脹收縮模式，是殘余應(yīng)力形成關(guān)鍵因素。三者有機(jī)結(jié)合，克服傳統(tǒng)方法對復(fù)雜焊接過程簡化過度弊端，讓殘余應(yīng)力預(yù)測更貼合實際，有力保障焊件質(zhì)量，降低因殘余應(yīng)力失控引發(fā)變形、開裂等缺陷風(fēng)險。。

41、本發(fā)明中基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法，構(gòu)建熔池圖像分類模型先行對熔池圖像按類別區(qū)分，不同類別熔池圖像背后對應(yīng)著特定焊接工況與工藝參數(shù)組合。經(jīng)分類模型精準(zhǔn)判別后，殘余應(yīng)力預(yù)測模型能依據(jù)不同熔池圖像類別，有的放矢地調(diào)用適配算法與參數(shù)配置，針對性處理各類別數(shù)據(jù)，使預(yù)測結(jié)果更精準(zhǔn)，確保從微觀焊縫層面到宏觀焊件結(jié)構(gòu)，殘余應(yīng)力都處于可控、可預(yù)估狀態(tài)。

42、本發(fā)明中基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法，在多層多道焊作業(yè)現(xiàn)場，實時采集熔池圖像、熱輸入?yún)?shù)等數(shù)據(jù)，快速通過訓(xùn)練好的模型運(yùn)算。操作人員能即時得到殘余應(yīng)力預(yù)測結(jié)果，據(jù)此動態(tài)優(yōu)化調(diào)整焊接工藝，如微調(diào)熱輸入大小、改變焊接速度、優(yōu)化焊接順序等，避免盲目焊接，減少廢品產(chǎn)出，顯著提升一次焊接合格率，大幅縮短生產(chǎn)周期，尤其在大規(guī)模、高精度焊接任務(wù)中，降本增效效果顯著。

43、本發(fā)明中基于深度學(xué)習(xí)的多層多道焊殘余應(yīng)力預(yù)測方法，相較于傳統(tǒng)的有損測量方法，如切條法、盲孔法等會對焊件造成不可逆物理損傷，增加修復(fù)成本，本方法基于焊接過程自然產(chǎn)生的熔池圖像與易采集的參數(shù)，完全無損焊件，節(jié)省修復(fù)開支。同時，相比部分昂貴且操作復(fù)雜的無損測量手段，如中子衍射法、x射線衍射法，該方法利用常規(guī)設(shè)備采集數(shù)據(jù)，成本低廉，降低了殘余應(yīng)力檢測門檻。