[发明专利]基于XGBoost机器学习模型的焊接方法

说明书

本发明提供了一种基于XGBoost机器学习模型的焊接方法。包括以下步骤：S210）采集焊口质量样本数据，所述焊口质量样本数据至少包括地理方位参数、环境参数和焊接设备参数；S220）对所采集的焊口质量样本数据进行数据分析；S230）根据所述模型特征列表调整焊接参数；S240）根据调整后的焊接参数对输油管材进行环绕自动焊接。利用本发明，能够根据焊口焊接质量样本数据，自动确定焊接系统需要调整的相关参数，并自动进行参数调整，以及时调整不适宜的焊接参数，提高输油管道的管材焊接质量和焊接效率。

技术领域

本发明涉及输油管道管材焊接技术领域，更为具体地，涉及一种基于XGBoost机器学习模型的焊接方法。

背景技术

随着石油天然气及石油化工工业的发展，我国长输管道建设也得到高速发展。用于运送石油及石油产品的管道系统被称之为输油管道系统，主要由输油管线、输油站及其他相关辅助设备组成。原油和石油产品的管道运输方式和同属于陆上运输方式的铁路和公路输油相比，具有运量大、密封性好、成本低和安全系数高的优点。

输油管道的管材一般为钢管，使用焊接和法兰等连接装置连接成长距离管道，并使用阀门进行开闭控制和流量调节。其中，管材的焊接质量在输油管道系统建设过程中尤为重要。

在现有的输油管道管材焊接过程中，一般采用管道全自动焊接技术，应用微处理计算机实现对焊接机构的控制，来模拟人工操作。一般分为三个基本模块：动力模块、控制模块和辅助设施模块。动力模块由发电机组和焊接电源构成；控制模块包括系统动力供给分配器、焊接参数控制器和焊接机械手三部分、辅助设施模块由保护气体混合器、电子仪器冷却除湿设备、焊枪冷却设备、编程器和打印输出设备等构成。

现有的管道全自动焊接技术按照事先规定的焊接工艺流程对输油管管材进行自动焊接，工艺标准容易控制、焊接效率高。但是，面对施工环境、管材铺设情况等各种不确定因素的存在，无法自动调节焊接过程中的相关参数，对于管材焊接的设备管理及焊口质量保障尚存在一些问题。

发明内容

鉴于上述问题，本发明的目的是提供一种基于XGBoost机器学习模型的焊接方法。可以根据焊接现场的环境、设备设施等各项因素，实时调整焊接设备的各项参数，以保障管材焊接的焊口质量。

技术方案如下：

一种基于XGBoost机器学习模型的焊接方法，其特征在于，包括以下步骤：

S210）采集焊口质量样本数据，所述焊口质量样本数据至少包括地理方位参数、环境参数和焊接设备参数；

S220）对所采集的焊口质量样本数据进行数据分析；

S230）根据所述模型特征列表调整焊接参数；

S240）根据调整后的焊接参数对输油管材进行环绕自动焊接。

进一步的，在所述步骤S220中，

1）将所述焊口质量样本数据分为训练集与测试集，选用可实现二分类的机器学习模型，根据对所述训练集模型训练的AUC/ROC值以及对所述测试集进行模型测试的准确率、精准率以及召回率，对机器学习模型的效果进行评估；

2）如果模型训练以及模型测试结果的各项参数的指标值表明机器学习模型达到预定效果，则输出影响模型预测目标的模型特征列表。

进一步的，所述输出影响模型预测目标的模型特征列表时，确定各个模型特征对模型预测目标的影响程度，并根据各个模型特征对模型预测目标的影响程度由大到小的进行排序。

进一步的，在根据所述模型特征列表调整焊接参数的过程中，选择排序靠前的模型特征作为调整焊接参数的依据。