Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于多因素映射模型的点焊熔核质量预测方法和设备 

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:华中科技大学;武汉数字化设计与制造创新中心有限公司

摘要:本发明提供了一种基于多因素映射模型的点焊熔核质量预测方法和设备,方法包括:采用Z‑score方法对白车身的原始数据集进行标准化处理,得到预处理数据;对预处理数据进行多流程特征融合操作,获取三类数据集,再利用特征选择方法对三类数据集进行统一表达,从而得到融合后的数据集合;将融合后的数据集合按照留出法切割为训练集和验证集;将训练集投入到多个机器学习模型迭代训练,并结合贝叶斯优化算法完成相应机器学习模型的参数选择,在验证集上验证训练后的相应机器学习模型是否满足选定的指标阈值,从而确定多因素映射的最佳机器学习模型,再利用该模型预测熔核的质量指标。本发明能够有效地进行焊接实验中车身塑形的在线可行性分析,从而降本提效。

主权项:1.一种基于多因素映射模型的点焊熔核质量预测方法,其特征在于,所述点焊熔核质量预测方法包括:采用Z-score方法对白车身的原始数据集进行标准化处理,得到预处理数据;对所述预处理数据进行多流程特征融合操作,获取仅包含工艺参数的数据集Xp与包含工艺参数和材料参数的数据集XD,以及利用主成分分析法分析所述数据集XD,获得工艺参数和材料参数融合的数据集XD’;利用特征选择方法对三类数据集进行统一表达:选取R2决定系数或者RMSE均方误差作为优化评判指标,确定三类数据集的最优特征组合,并对所述最优特征组合分配权重,从而得到融合后的数据集合;将所述融合后的数据集合按照留出法切割为训练集和验证集;将所述训练集投入到多个机器学习模型迭代训练,并结合贝叶斯优化算法完成相应机器学习模型的参数选择,在验证集上验证训练后的相应机器学习模型是否满足选定的指标阈值,从而确定多因素映射的最佳机器学习模型;利用所述最佳机器学习模型预测熔核的质量指标。

全文数据:

权利要求:

百度查询: 华中科技大学 武汉数字化设计与制造创新中心有限公司 一种基于多因素映射模型的点焊熔核质量预测方法和设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。