[发明专利]基于XGBoost机器学习模型的焊接系统

权利要求书

1.一种基于XGBoost机器学习模型的焊接系统，包括：

焊口质量样本数据采集单元，用于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；

数据分析单元：用于对所采集的焊口质量样本数据进行数据分析；

参数调整单元：用于根据所述模型特征列表调整焊接参数；

焊接单元：用于根据焊接参数对输油管材进行环绕自动焊接；

控制单元：用于对所述焊口质量样本数据采集单元、所述数据分析单元、所述参数调整单元和所述焊接单元进行统一调控。

2.如权利要求1所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述数据分析单元包括：

样本数据分类子单元：用于将所述焊口质量样本数据分为训练集与测试集；

机器学习单元：用于采用集成学习模型XGBoost的机器学习模型；

模型特征列表形成单元：用于根据机器学习模型达到预定效果的模型训练以及模型测试结果的各项参数，确定影响模型预测目标的模型特征列表。

3.如权利要求2所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述机器学习单元，还用于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。

4.如权利要求3所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述模型特征列表形成单元，还用于根据各个模型特征对模型目标的影响程度将模型特征由大到小的进行排序，选取排序在前五的五项特征确定影响模型预测目标的模型特征列表。

5.如权利要求4所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述控制单元控制的参数调整方式分为两个工作模式：

1）通过控制单元进行自动或者人工干预，使得各个工作组件之间的参数正常传递，控制整个系统按照指令工作；

2）通过连接数据分析单元，获得5个最关键的参数调整指令，自动控制相关组件工作，提高焊接质量。

6.如权利要求5所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述焊接单元包括焊接轨道、焊枪、环绕自动焊接装置，所述焊枪固定在所述环绕自动焊接装置上，所述环绕自动焊接装置在所述焊接轨道限定的移动轨迹上沿输油管材的管壁做圆周运动。

7.如权利要求6所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述环绕自动焊接装置进一步包括：

行走机构：所述行走机构包括点击和齿轮传动机组；

送丝机构：用于向所述焊枪输送焊丝。

8.如权利要求7所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述焊口质量样本数据采集单元包括：

GPS地理定位仪：用于确认管材焊接的地理方位信息；

环境监测仪：用于实施监控并采集管材焊接点的温度、湿度、氧气浓度、二氧化碳浓度；

系统数据监控系统：用于监控环绕自动焊接装置的各项参数。

9.如权利要求8所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述系统数据监控系统包括：

电机监测装置：用于监测所述焊接系统各个结构中电子的电流和电压；

送丝监测装置：用于监测所述送丝机构的送丝速度，转动惯量，动态性能，驱动转矩；

焊枪监测装置：用于监测焊枪相对焊缝左右摆动频率、左右端停留的频率、上下左右转动频率，焊枪偏转角度；

轨道监控装置：用于监测环绕自动焊接装置行走的平稳度和位置度。

10.如权利要求9所述的一种基于XGBoost机器学习模型的焊接系统，其特征在于：所述数据分析单元根据所述焊口质量样本数据采集单元采集到的各项数据，汇集为信息表，以GPS定位参数为坐标，使用描述性统计方法，分析各项与焊接质量之间的关系，寻找与焊接质量相关的多个因素之间的关系。