基于機器學習的汽車點焊動態(tài)電阻優(yōu)化控制

陽明霞

摘 要：為了提高汽車點焊動態(tài)電阻控制能力，提出基于機器學習的汽車點焊動態(tài)電阻控制模型，并采用統(tǒng)計特征分析進行汽車點焊動態(tài)電阻控制的實證分析。構建汽車點焊動態(tài)電阻控制統(tǒng)計信息分析模型，根據汽車點焊動態(tài)電阻控制信息的挖掘結果，對汽車點焊動態(tài)電阻控制特征量進行電阻阻抗分析和功率點因素特征檢測，提取汽車點焊動態(tài)電阻模糊度特征量，對檢測的汽車點焊動態(tài)電阻控制特征量進行模糊聚類處理，分析汽車點焊動態(tài)電阻控制互相關信息融合的規(guī)則性特征量，以此為約束條件進行汽車點焊動態(tài)電阻控制和阻抗匹配，采用機器學習方法進行汽車點焊動態(tài)電阻的統(tǒng)計分析和尋優(yōu)控制。仿真結果表明，采用該方法進行汽車點焊動態(tài)電阻控制的魯棒性水平較高，控制結果準確可靠，提高了汽車點焊動態(tài)電阻的量化分析能力。

關鍵詞：機器學習;汽車點焊;動態(tài)電阻;優(yōu)化控制;魯棒性

Abstract： In order to improve the control ability of automotive spot welding dynamic resistance， a machine learning based automotive spot welding dynamic resistance control is proposed. A dynamic resistance control model of auto spot welding based on machine learning is proposed. The statistical information analysis model of auto spot welding dynamic resistance control is constructed. According to the mining results of auto spot welding dynamic resistance control information， the characteristic of auto spot welding dynamic resistance control is analyzed by resistance impedance analysis and power point factor characteristic detection. The impedance characteristic matching and auto-correlation matching of the dynamic resistance of auto spot welding are carried out by using the power factor mining method of power grid output. The characteris -tic quantity of auto spot welding dynamic resistance control is fuzzy clustered， and the regular characteristic of auto spot welding dynamic resistance control information

引言

隨著汽車點焊技術的發(fā)展，進行汽車點焊動態(tài)電阻控制，提高汽車點焊動態(tài)輸出穩(wěn)定性，對汽車點焊動態(tài)電阻輸出穩(wěn)定性要求越來越高，需要構建汽車點焊動態(tài)電阻的控制模型，結合大數據分析方法，進行對汽車點焊動態(tài)電阻控制和識別，提高對汽車點焊動態(tài)電阻控制的輸出穩(wěn)定性，采用汽車點焊動態(tài)電阻評估方法進行質量控制，提高汽車點焊動態(tài)電阻的輸出穩(wěn)定性和可靠性，研究汽車點焊動態(tài)電阻控制，在促進汽車點焊動態(tài)電阻輸出穩(wěn)定性方面具有重要意義，相關的汽車點焊動態(tài)電阻控制和評估模型研究受到人們的極大關注[1]。分析汽車點焊動態(tài)電阻控制模型，推進汽車點焊動態(tài)電阻提升，能有效提升汽車點焊動態(tài)電阻控制的質量。傳統(tǒng)方法中，對汽車點焊動態(tài)電阻控制方法主要有汽車點焊動態(tài)電阻輸出功率因素挖掘方法、統(tǒng)計分析方法、自相關特征匹配方法等[2]，并采用統(tǒng)計特征分析進行汽車點焊動態(tài)電阻控制的實證分析。本文提出基于機器學習的汽車點焊動態(tài)電阻控制，對檢測的汽車點焊動態(tài)電阻控制特征量進行模糊聚類處理，分析汽車點焊動態(tài)電阻控制互相關信息融合的規(guī)則性特征量，以此為約束條件進行汽車點焊動態(tài)電阻控制和阻抗匹配，最后進行實驗測試分析，得出有效性結論。

1 汽車點焊動態(tài)電阻控制參數模型和功率點因素特征分析

1.1 汽車點焊動態(tài)電阻控制參數模型

為了實現(xiàn)基于機器學習的汽車點焊動態(tài)電阻控制模型優(yōu)化設計，采用大數據融合調度和統(tǒng)計信息挖掘方法進行汽車點焊動態(tài)電阻控制，首先進行汽車點焊動態(tài)電阻先驗數據分析，根據汽車點焊動態(tài)電阻先驗數據分析結果進行汽車點焊動態(tài)電阻評價與決策，采用層次分析和模糊參量融合方法進行汽車點焊動態(tài)電阻控制建模[3]，把汽車點焊動態(tài)電阻控制的等級x（0）劃分為N個等級，用粗糙集算法進行汽車點焊動態(tài)電阻的統(tǒng)計分析，采用樣本回歸檢驗分析方法，在卷積神經網絡學習算法約束下[4]，建立汽車點焊動態(tài)電阻控制的量化分析模型，得到汽車點焊動態(tài)電阻控制的自適應調節(jié)模型為：

上式表示為汽車點焊動態(tài)電阻評價的約束指標參量集，為一個標準的正態(tài)分布函數，ω為汽車點焊動態(tài)電阻控制的統(tǒng)計特征分布的慣性權重，考慮關聯(lián)規(guī)則約束項對汽車點焊動態(tài)電阻控制的干擾因素[5]，引入汽車點焊動態(tài)電阻控制觀測集userInput（）、sanitize x、flipCoin（）和exec（flipCoin（sanitize （））），對汽車點焊動態(tài)電阻控制模型進行綜合分析和調度[6]，設定汽車點焊動態(tài)電阻控制的可靠性權重ω的取值為：

其中ωmax和ωmin分別表示汽車點焊動態(tài)電阻控制的調控系數，Tmax為最大控制時間尺度，t為汽車點焊動態(tài)電阻控制的關聯(lián)性因子，采用分段樣本檢驗法進行汽車點焊動態(tài)電阻的統(tǒng)計分析，構建汽車點焊動態(tài)電阻影響的模糊信息特征分析模型，提高汽車點焊動態(tài)電阻控制的準確[7]。

1.2 功率點因素特征分析

構建汽車點焊動態(tài)電阻控制的隨機分布概念集，得到隨機概率分布為：

設汽車點焊動態(tài)電阻控制的目標窗口函數為 ，采用多維層次挖掘方法，進行汽車點焊動態(tài)電阻的模糊相關性調度[8]，得到汽車點焊動態(tài)電阻控制電阻阻抗分析和功率點因素特征檢測輸出為：

當時，根據汽車點焊動態(tài)電阻的電阻阻抗分析和功率點因素特征檢測結果，構建汽車點焊動態(tài)電阻控制統(tǒng)計信息分析模型，根據汽車點焊動態(tài)電阻控制信息的挖掘結果，對汽車點焊動態(tài)電阻控制特征量進行電阻阻抗分析和功率點因素特征檢測，結合量化回歸分析方法構建汽車點焊動態(tài)電阻控制的大數據模型，對汽車點焊動態(tài)電阻控制特征量進行電阻阻抗分析和功率點因素特征檢測[9]，構建汽車點焊動態(tài)電阻控制的回歸分析模型，表示為：

通過自相關特征匹配，得到汽車點焊動態(tài)電阻控制的約束參量模型，采用特征預測方法進行汽車點焊動態(tài)電阻的非線性統(tǒng)計特征分析[9]，得到汽車點焊動態(tài)電阻評價的約束參量集RN與XN存在的關聯(lián)映射關系為：

結合機器學習方法進行汽車點焊動態(tài)電阻時效性評價和自動干預，根據汽車點焊動態(tài)電阻控制信息的挖掘結果，對汽車點焊動態(tài)電阻控制特征量進行電阻阻抗分析和功率點因素特征檢測。

2 汽車點焊動態(tài)電阻優(yōu)化控制

2.1 汽車點焊動態(tài)電阻的阻抗分析

提取汽車點焊動態(tài)電阻模糊度特征量。采用電網輸出功率因素挖掘方法進行汽車點焊動態(tài)電阻的阻抗特征匹配和自相關匹配檢測，汽車點焊動態(tài)電阻控制的模糊迭代計算式為：

2.2 電阻控制優(yōu)化

采用電網輸出功率因素挖掘方法進行汽車點焊動態(tài)電阻的阻抗特征匹配和自相關匹配檢測，對檢測的汽車點焊動態(tài)電阻控制特征量進行模糊聚類處理，汽車點焊動態(tài)電阻控制的阻抗特征匹配的特征分布集為：

分析汽車點焊動態(tài)電阻控制互相關信息融合的規(guī)則性，并進行汽車點焊動態(tài)電阻控制的向量量化分解，分解形式為：

用 表示汽車點焊動態(tài)電阻控制的特征分析，構建汽車點焊動態(tài)電阻控制的最優(yōu)決策函數，汽車點焊動態(tài)電阻控制的關聯(lián)規(guī)則函數為：

采用自適應學習算法，實現(xiàn)汽車點焊動態(tài)電阻控制，控制結果為：

提取汽車點焊動態(tài)電阻關聯(lián)特征信息，得到汽車點焊動態(tài)電阻控制智能學習模型描述為：

根據特征提取結果，實現(xiàn)對汽車點焊動態(tài)電阻控制的模糊關聯(lián)規(guī)則調度，進行汽車點焊動態(tài)電阻控制優(yōu)化設計。

3 仿真實驗與結果分析

為了測試本文方法進行汽車點焊動態(tài)電阻控制中應用性能，進行仿真分析，對汽車點焊動態(tài)電阻控制數據采樣長度為1024，汽車點焊動態(tài)電阻控制的樣本訓練集為400，諧振電流為200A，汽車點焊的相電感60mH，根據上述仿真參量設定，進行汽車點焊動態(tài)電阻控制，得到汽車點焊動態(tài)電阻的輸出荷載如圖1所示。

分析圖1得知，本文方法能有效實現(xiàn)汽車點焊動態(tài)電阻控制，測試輸出功率增益，如圖2所示。

分析圖2得知，本文方法進行汽車點焊動態(tài)電阻控制的輸出功率增益較高，測試控制的精度，得到對比結果見表1，分析表1得知，本文方法進行汽車點焊動態(tài)電阻控制的精度較高。

4 結語

構建汽車點焊動態(tài)電阻的控制模型，結合大數據分析方法，進行對汽車點焊動態(tài)電阻控制和識別，提高對汽車點焊動態(tài)電阻控制的輸出穩(wěn)定性，提出基于機器學習的汽車點焊動態(tài)電阻控制模型，采用統(tǒng)計特征分析進行汽車點焊動態(tài)電阻控制的實證分析。構建汽車點焊動態(tài)電阻控制統(tǒng)計信息分析模型，根據汽車點焊動態(tài)電阻控制信息的挖掘結果，對汽車點焊動態(tài)電阻控制特征量進行電阻阻抗分析和功率點因素特征檢測，提取汽車點焊動態(tài)電阻模糊度特征量。采用電網輸出功率因素挖掘方法進行汽車點焊動態(tài)電阻的阻抗特征匹配和自相關匹配檢測，采用機器學習方法進行汽車點焊動態(tài)電阻的統(tǒng)計分析和尋優(yōu)控制。分析得知，采用本文方法進行汽車點焊動態(tài)電阻控制的魯棒性水平較高，控制結果準確可靠，精度較高。

參考文獻

[1] 李震生.汽車制造中電阻點焊常見缺陷及應對措施[J].科技創(chuàng)新與應用，2016（12）：117.

[2] 古惠南，鄭純麒等.電阻點焊數字化在線監(jiān)控技術在白車身焊接領域的研究及應用[J].焊接技術，2019，48（11）：36-39.

[3] 陳威，張展鴻，鄧汝炬.機器人自動電阻點焊系統(tǒng)組成與實現(xiàn)方案探討[J].汽車工藝與材料，2019（04）：13-17+24.

[4] 蔡明，徐向前，周好斌.基于動態(tài)電阻理論的支持向量機點焊質量評估方法[J].新技術新工藝，2018（12）：37-40.

[5] 易鐵，田永強，蔣冬，葉綠.不同自適應控制系統(tǒng)在汽車點焊中的應用[J].焊接技術，2018，47（10）：80-84+6.

[6] 齊永成，廉杰.淺析汽車白車身點焊質量控制措施[J].民營科技，2018（12）：74.

[7] 徐向前，周好斌.基于動態(tài)電阻理論的SVR點焊質量評估方法[J].焊管，2018，41（11）：31-34.

[8] 范秋月.基于動態(tài)電阻與超聲波檢測的不銹鋼電阻點焊質量評估研究[D].吉林大學，2017.

[9] 郭毅，周祿軍，李樹棟，陳月園.電阻點焊焊接質量控制[J].金屬加工（冷加工），2016（S1）：873-875.

[10] 姚子鈴，包曄峰，蔣永鋒，陳輝.基于動態(tài)電阻理論分析與試驗的點焊質量預測模型建立[J].熱加工工藝，2016，45（09）：243-246.