-
Patent Agency Ranking
公开(公告)号：CN113290302A
公开(公告)日：2021-08-24
申请号：CN202110277762.6
申请日：2021-03-15
Applicant: 南京理工大学
Abstract: 本发明涉及一种电弧焊增材制造的余高定量预测方法，以熔池视觉传感系统、定位系统和三维系统为基础构建CMT增材余高预测系统，熔池视觉传感系统采集CMT基值时刻第1ms的熔池图像，使用定位系统确定所采熔池图像在焊缝上的位置，由于当前熔敷层对下一层熔敷层有重熔过程，使用三维系统测量焊缝当前高度；将预处理后的熔池图像输入到余高预测网络中，得到预测的余高信息，利用熔池视觉信息对电弧增材制造过程中各熔覆层的余高增量进行监控。本发明基于CMT单道多层熔池形态和温度特征变化规律，构建了CMT增材余高预测系统，预测熔覆层余高变化趋势，从而提升该预测系统的精度和泛化能力，具有高精度、高稳定性。
-
公开(公告)号：CN113706485B
公开(公告)日：2024-07-26
申请号：CN202110942162.7
申请日：2021-08-17
Applicant: 南京理工大学
Abstract: 本发明涉及一种焊缝余高超前定量预测方法，包括如下步骤：1.通过熔池图像得到熔池图像预测模型。2.得到定量回归模型。3.将实时熔池图像输入熔池图像预测模型得到预测熔池图像a，将预测熔池图像a输入定量回归模型，得到余高预测值。本发明多用于对形态质量的超前预测，当熔焊增材过程中出现质量问题，工件只能废弃或返修。为了保障熔焊增材过程平稳可靠运行，就需要对形态质量进行超前分析。超前分析是通过处理T0时刻熔池图像或包含前序的熔池图像序列进而得到T+N时刻的形态质量，超前得到未来时刻的形态质量，这样就可以通过实现闭环控制而不是单一的实时监测。
-
公开(公告)号：CN110414388B
公开(公告)日：2022-09-06
申请号：CN201910630633.3
申请日：2019-07-12
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度预测网络的驼峰和熔透预警方法，将熔池图像样本数据输入构建的驼峰和熔透预警模型，利用反向传播算法更新驼峰和熔透预警模型网络参数，直至损失函数值变化量小于设定阈值，选取此时训练的模型参数作为该模型的网络参数；将实时采集的熔池图像输入训练好的驼峰和熔透预警模型得到五十帧之后的熔池图像是否为驼峰或熔透。本发明采用基于深度预测网络的驼峰和熔透预警模型，能够实时预测熔池形态的变化以判断焊接过程是否有产生驼峰或熔透的趋势。
-
公开(公告)号：CN113706485A
公开(公告)日：2021-11-26
申请号：CN202110942162.7
申请日：2021-08-17
Applicant: 南京理工大学
Abstract: 本发明涉及一种焊缝余高超前定量预测方法，包括如下步骤：1.通过熔池图像得到熔池图像预测模型。2.得到定量回归模型。3.将实时熔池图像输入熔池图像预测模型得到预测熔池图像a，将预测熔池图像a输入定量回归模型，得到余高预测值。本发明多用于对形态质量的超前预测，当熔焊增材过程中出现质量问题，工件只能废弃或返修。为了保障熔焊增材过程平稳可靠运行，就需要对形态质量进行超前分析。超前分析是通过处理T0时刻熔池图像或包含前序的熔池图像序列进而得到T+N时刻的形态质量，超前得到未来时刻的形态质量，这样就可以通过实现闭环控制而不是单一的实时监测。
-
公开(公告)号：CN110414388A
公开(公告)日：2019-11-05
申请号：CN201910630633.3
申请日：2019-07-12
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度预测网络的驼峰和熔透预警方法，将熔池图像样本数据输入构建的驼峰和熔透预警模型，利用反向传播算法更新驼峰和熔透预警模型网络参数，直至损失函数值变化量小于设定阈值，选取此时训练的模型参数作为该模型的网络参数；将实时采集的熔池图像输入训练好的驼峰和熔透预警模型得到五十帧之后的熔池图像是否为驼峰或熔透。本发明采用基于深度预测网络的驼峰和熔透预警模型，能够实时预测熔池形态的变化以判断焊接过程是否有产生驼峰或熔透的趋势。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
