[0001] 本发明涉及焊接控制技术领域，特别涉及一种二氧化碳钢瓶的焊接控制方法。

[0002] 二氧化碳钢瓶广泛应用于工业、农业、食品加工和消防等领域。其制造过程中的焊接质量直接关系到钢瓶的安全性和使用寿命。现有的焊接控制方法主要基于相关技术人员的经验进行焊接参数的选取，并辅以简单的反馈调控。存在焊接控制成本高、参数选取粗放且受主观影响的技术问题。

[0015] 本发明的实施例中所提供的技术方案，为解决现有技术存在的焊接控制成本高、参数选取粗放且受主观影响的技术问题，所采用的整体思路如下：首先，获取二氧化碳钢瓶的历史焊接记录，所述历史焊接记录包括焊接参数记录与焊接质量评价记录。

[0016] 接着，根据所述焊接质量评价记录，提取焊接质量系数进行双向划分，将所述历史焊接记录划分为正向解集与反向解集。

[0017] 然后，基于所述正向解集进行影响成分分析，获取正向关键因素集，并基于所述正向关键因素集与所述焊接质量系数，构建焊接质量评价函数。

[0018] 进而，根据焊接任务信息，遍历所述正向解集进行双目标匹配，获取双目标匹配结果，并初始化第一种群和第二种群。

[0019] 而后，结合焊接质量评价函数，构建共享通路，对所述第一种群和所述第二种群进行协同优化，迭代获取最优焊接参数组合，其中，所述共享通路配置有共享约束。

[0020] 最后，基于所述最优焊接参数组合进行焊接控制。

[0021] 下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，以更好的理解上述技术方案。显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受仅用于解释本发明的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。此外，还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

[0022] 实施例图1为本发明一种二氧化碳钢瓶的焊接控制方法的流程示意图，其中，所述方法包括：
获取二氧化碳钢瓶的历史焊接记录，所述历史焊接记录包括焊接参数记录与焊接质量评价记录。

[0023] 可选的，二氧化碳钢瓶的历史焊接记录可以是交互目标生产场景获取的本地历史焊接记录或基于大数据获取的更广范围的在线历史焊接记录。示例性的，历史焊接记录的数据来源包括，生产场景中的焊接设备、焊接操作日志和质量检测系统、基于大数据平台获取的行业内其他生产场景的焊接记录。

[0024] 可选的，焊接参数记录包括电流、电压、焊接速度、焊接角度、气体流量等；焊接质量评价记录包括焊接强度、焊缝外观、无损检测结果（如X射线检测、超声波检测）等。

[0025] 可选的，历史焊接记录还包括标记的焊接任务信息与焊接设备信息，其中，焊接任务信息包括二氧化碳钢瓶的外形尺寸信息、材料信息、等级信息、质量控制信息等，焊接设备信息包括焊接设备的设备类型、设备型号、设备参数等。

[0026] 通过上述过程获取二氧化碳钢瓶的历史焊接记录。这有助于发现焊接过程中的问题和优点，从而便于后续优化焊接工艺，提高焊接质量，确保二氧化碳钢瓶的安全可靠。

[0027] 根据所述焊接质量评价记录，提取焊接质量系数进行双向划分，将所述历史焊接记录划分为正向解集与反向解集。

[0028] 可选的，提取焊接质量系数进行双向划分，首先，获取目标场景或目标焊接任务的质量控制要求，获取质量控制基线，而后，基于质量控制基线对获取的焊接质量系数进行阈值判别，若焊接质量系数满足或超过质量控制基线，则将对应的历史焊接记录存入正向解集。若焊接质量系数不满足质量控制基线，则将对应的历史焊接记录存入反向解集。

[0029] 其中，正向解集包含了提高焊接质量的相关控制因素，反向解集则包含了可能导致焊接质量不佳的控制因素。焊接质量系数是一个用于量化焊接质量的指标，可能包括焊接强度、焊接缺陷率、焊接一致性等。

[0030] 基于所述正向解集进行影响成分分析，获取正向关键因素集，并基于所述正向关键因素集与所述焊接质量系数，构建焊接质量评价函数。

[0031] 可选的，影响成分分析用于确定哪些因素对焊接质量影响最大，并识别出正向关键因素，示例性的，通过包括统计分析、机器学习方法（如回归分析、特征选择算法）等。分析正向解集中的焊接参数（如电流、电压、焊接速度）与焊接质量系数之间的关系，识别出对焊接质量影响最大的参数，从而获取正向关键因素集。其中，正向关键因素集是指对提高焊接质量起到主要贡献作用的控制参数或控制条件，包含焊接温度、焊接电压、焊接角度、预热温度等。

[0032] 可选的，焊接质量评价函数量化的表征了焊接质量系数与正向关键因素集中多个因素的复杂映射关系，通过该焊接质量评价函数，可以实现基于焊接控制参数的前瞻性质量评价。

[0033] 通过影响成分分析，获取正向关键因素集。有助于后续的优化过程优先关注对焊接质量影响较大的控制参数或控制因素，实现控制优化中对控制参数数量的减量，从而提高后续控制优化效率。

[0034] 在一些实施例中，基于所述正向解集进行影响成分分析，获取正向关键因素集，包括：解析所述正向解集，以所述焊接参数记录与所述焊接质量评价记录，构建矩阵并标准化，生成标准正向数据阵；获取所述标准正向数据阵的相关矩阵，并进行所述相关矩阵的特征分析，获取特征值及特征向量；根据所述特征值序列化多个焊接参数，生成正向因素序列，并计算所述正向因素序列的贡献率序列；基于所述贡献率序列，选取所述正向因素序列中累积贡献率满足预设贡献率阈值的前N个正向因素，存储为所述正向关键因素集。

[0035] 可选的，基于正向解集进行影响成分分析，获取正向关键因素集，首先，解析正向解集，从正向解集中提取焊接参数记录和焊接质量评价记录，并基于预设的数据格式结构，构建一个矩阵𝑋 ，其中每一行表示一个焊接记录，每一列表示一项焊接参数或一项焊接质量评价指标。而后对矩阵𝑋 进行标准化处理，使得每个参数的数据具有零均值和单位方差，获取标准正向数据阵。其中。焊接参数记录可能包括焊接电流、焊接速度、焊接温度等。焊接质量评价指标包括焊接强度、缺陷率等。

[0036] 进一步的，获取标准正向数据阵的相关矩阵，相关矩阵为上述标准正向数据阵的协方差矩阵，该相关矩阵反映了标准正向数据阵中各参数及指标之间的线性相关性。具体而言，焊接记录在某个参数或指标上的差异越大，则这个参数或指标包含的信息量就越大，对应的协方差越大。

[0037] 可选的，使用线性代数库（如NumPy或SciPy）来计算特征值和特征向量，对相关矩阵进行特征分析。其中，特征值表征了参数或指标对数据的解释能力，特征值越大，对应的特征向量所表示的参数或指标对数据的解释能力越强，也就是在该方向上的变化越大，相应的参数或指标越重要。特征向量表征了数据在新空间中的方向。每个特征向量指向数据在该主成分上的最大方差方向。

[0038] 可选的，根据特征值的大小对焊接参数进行排序，生成正向因素序列，其中，该正向因素序列为降序序列，即特征值大的焊接参数位于序列的顶端。而后，基于正向因素序列计算贡献率，贡献率反映了每个特征值在总特征值中所占的比例。示例性的，通过以下公式计算每个特征值的贡献率：；
其中， 表征第i个正向因素的特征值；b为正向因素序列中正向因素的数量；
为所有特征值的总和。

[0039] 进一步的，基于贡献率序列，选取正向因素序列中累积贡献率满足预设贡献率阈值的前N个正向因素，其中，预设贡献率阈值基于目标生产场景的焊接控制需要确定，目标生产场景的质量要求越高、控制粒度越精细，则相应的贡献率阈值越高，以确保保留更多的特征信息，提升焊接控制的精确性和稳定性。低质量要求、粗略控制的场景可以使用较低的贡献率阈值，以简化模型和计算，进而提高焊接控制效率。

[0040] 示例性的，累积贡献率基于下式计算：；
其中，Cn表征所述累积贡献率，N表征选取前N个正向因素。

[0041] 综上所述，预设贡献率阈值应根据目标生产场景的具体需求来确定。对于质量要求高、控制粒度精细的场景，选择较高的贡献率阈值（如95%）可以确保焊接控制的精确性和稳定性，进而提高生产效率和产品质量。

[0042] 在一些实施例中，基于所述正向关键因素集与所述焊接质量系数，构建焊接质量评价函数，包括：以所述正向关键因素集为自变条件，所述焊接质量系数为因变量，构建参变数据集；对所述参变数据集进行数据拟合，输出拟合结果；基于所述焊接任务信息对所述拟合结果进行验证修正，生成所述焊接质量评价函数。

[0043] 可选的，基于拟合方法，构建焊接质量评价函数，其中，正向关键因素集为拟合分析的自变条件，焊接质量系数为因变量，反映了焊接参数中正向关键因素组合对应的焊接产品的质量水平。

[0044] 可选的，将正向关键因素集和焊接质量系数组合形成参变数据集，对参变数据集进行数据拟合，数据拟合方法包括线性回归、非线性回归、支持向量回归等。具体的，基于正向关键因素集与焊接质量系数的相关线性度，选择合适的拟合方法，进而得到拟合结果，该拟合结果包括数学模型、决策树模型或机器学习模型，反映了自变量（正向关键因素）与因变量（焊接质量系数）之间复杂映射关系。

[0045] 可选的，基于焊接任务信息中质量控制信息，对拟合结果进行验证，确保获取的拟合结果可以正确的反映目标生产场景的焊接任务对焊接产品的质量需求，输出为焊接质量评价函数。示例性的，对拟合结果进行验证修正，包括调整多个正向关键因素的权重系数。

[0046] 根据焊接任务信息，遍历所述正向解集进行双目标匹配，获取双目标匹配结果，并初始化第一种群和第二种群。

[0047] 可选的，对正向解集中所有记录进行遍历，以便与焊接任务信息进行匹配，其中，双目标匹配包括第一匹配目标与第二匹配目标，其中，第一匹配目标为焊接质量，第二匹配目标为焊接效率，第一匹配目标为必须严格满足的匹配条件，而第二匹配目标为可以在一定范围内宽容的匹配条件。

[0048] 可选的，基于双目标匹配结果，分别初始化第一种群与第二种群，其中，第一种群与第二种群可以为遗传算法或粒子群优化算法等的解集。其中，第一种群的种群大小小于与第二种群的种群大小，第一种群的种群大小较小，可以更专注地在局部区域进行优化，有助于加速优化过程和提高解的精度，第二种群的种群大小较大，可以更广泛地搜索解空间，有助于发现全局最优解。

[0049] 通过初始化具有不同大小的第一种群和第二种群，有助于提高后续优化的优化效率与收敛速度，同时便于在更广泛的空间内搜索最优解。

[0050] 在一些实施例中，遍历所述正向解集进行双目标匹配，获取双目标匹配结果，包括：基于所述焊接任务信息，提取任务特征；以所述任务特征为索引约束，于所述正向解集进行同一匹配，获取第一匹配结果；基于所述任务特征，于所述正向解集进行扩充匹配，获取第二匹配结果；根据所述第一匹配结果与所述第二匹配结果，输出所述双目标匹配结果。

[0051] 可选的，任务特征包括目标焊接任务的焊接质量特征与焊接效率特征，分别对应双目标匹配中的第一匹配目标与第二匹配目标。具体的，焊接质量特征包括焊接强度、焊接外观、焊接缺陷率等；焊接效率特征包括焊接时间、焊接速度、焊接材料利用率等。

[0052] 可选的，对遍历的每条记录进行双目标匹配，包括严格匹配和扩充匹配，其中，严格匹配用于匹配获取正向解集中完全符合第一匹配目标与第二匹配目标的解，换而言之，第一匹配结果中的解（焊接控制方案）同时满足目标焊接任务的质量需要与效率需要。扩充匹配用于获取正向解集中在完全符合第一匹配目标但是在第二匹配目标上稍有差异但仍较为接近的解，在确保匹配结果的质量的前提下，提高了匹配结果的多样性。

[0053] 具体而言，基于任务特征，包括目标焊接任务的焊接质量特征与焊接效率特征，于正向解集进行扩充匹配，首先，根据焊接质量特征与焊接效率特征，设定焊接质量的目标值和焊接效率的目标值，以及焊接效率的容差范围，获取第一匹配目标、第二匹配目标。而后，遍历正向解集，评估每个解的焊接质量和焊接效率。筛选满足焊接质量目标且焊接效率在容差范围内的解，存储为第二匹配结果。

[0054] 结合焊接质量评价函数，构建共享通路，对所述第一种群和所述第二种群进行协同优化，迭代获取最优焊接参数组合，其中，所述共享通路配置有共享约束。

[0055] 可选的，通过构建共享通路，对初始的第一种群（同一匹配结果）和第二种群（扩充匹配结果）进行协同优化，迭代获取最优焊接参数组合。包括：通过焊接质量评价函数的质量评价；基于质量评价结果优解和非优解划分，交叉变异与子代更新；迭代寻优与共享约束。其中，共享约束规定了第一种群和第二种群进行信息共享的条件。

[0056] 在一些实施例中，如图2所示，结合焊接质量评价函数，构建共享通路，对所述第一种群和所述第二种群进行协同优化，迭代获取最优焊接参数组合，所述方法还包括：通过所述焊接质量评价函数分别对所述第一种群和所述第二种群进行质量评价，获取质量评价结果；基于所述质量评价结果，分别将所述第一种群和所述第二种群划分为优解个体集和非优解个体集；进行所述优解个体集的交叉变异，获取子代个体集，并更新所述子代个体集至所述第一种群和所述第二种群，进行迭代寻优，当迭代过程满足所述共享约束，则通过所述共享通路进行解个体共享。

[0057] 具体的，首先，基于焊接质量评价函数分别对第一种群和第二种群进行焊接质量评价，获取质量评价结果，该焊接质量结果反映了第一种群和第二种群中解的质量，质量评价结果较好的解可认为具有较高的质量。通过质量评价，量化了第一种群和第二种群中每个解（个体）的焊接质量，进而后续的优解筛选和优化提供依据。

[0058] 进一步的，根据质量评价结果，将第一种群中的个体划分为优解个体集和非优解个体集，同时，将第二种群中的个体划分为优解个体集和非优解个体集。其中，优解个体集指质量评价得分较高的个体集合，非优解个体集指质量评价得分较低的个体集合。示例性的，优解个体与劣解个体的划分基于预设的比例约束实现，如将质量评价结果中质量评价得分前20%的解划分优解个体集，将质量评价结果中质量评价得分后80%的解划分非优解个体集。通过优解和非优解划分，得以集中资源在优解个体的优化上，提高优化效率和效果。

[0059] 可选的，对优解个体集进行交叉操作，生成新的个体。而后，对新生成的个体进行变异操作，增加种群的多样性，并将生成的子代个体集更新至第一种群和第二种群，替换非优解个体集中的部分非优解个体，实现第一种群和第二种群的更新。示例性的，可采用随机替换或末位淘汰的方法，用子代个体集替换非优解个体集中的部分非优解个体。

[0060] 可选的，根据更新后的第一种群与第二种群进行多次迭代优化，直至达到预设的终止条件，如最大迭代次数或质量得分不再显著提升。其中，每次迭代包括焊接质量评价、优解划分、交叉变异和子代更新。

[0061] 可选的，当迭代过程满足共享约束，如达到一定的优化代数或优解个体集的质量得分达到一定水平，则通过共享通路在第一种群和第二种群之间共享优解个体。其中，优解个体包括第一种群中的局部最优解与第二种群中的全局最优解。通过共享通路在两种群之间传递优解个体，实现信息交流和协同优化，有助于避免局部最优解，从而提高整体优化效果。

[0062] 在一些实现方式中，所述共享约束包括周期约束、跃迁约束、累积约束，当所述周期约束、所述跃迁约束、所述累积约束中任意一者被满足时，进行所述第一种群和所述第二种群的优解共享。

[0063] 可选的，通过设定共享约束来控制第一种群和第二种群之间的优解共享。其中，共享约束包括周期约束、跃迁约束和累积约束。当任意一个共享约束被满足时，则进行优解共享。

[0064] 具体而言，周期约束是指在预设的固定迭代周期内进行优解共享，包括设定一个固定的迭代周期，当迭代次数达到迭代周期的整数倍时，则触发优解共享。通过周期约束进行周期性的优解共享，有助于定期在种群之间交换信息，促进多样性和协同优化。换而言之，周期约束为优解共享的线下约束，定义了第一种群与第二种群之间的最大共享间隔。

[0065] 具体而言，跃迁约束是指当种群中优解个体的质量得分超过预设的阈值时，进行优解共享。示例性的，包括设定一个质量得分阈值Q，当种群中任意一优解个体的质量得分提升量或提升比例超过Q时，则触发优解共享。通过跃迁约束，可以在发现显著优解时立即进行共享，快速传播优解信息，提升优化效率。

[0066] 具体而言，累积约束是指当种群内优解个体的累积质量得分达到预设的阈值时，进行优解共享。具体的，包括设定一个累积质量得分阈值C，而后，随着迭代优化，计算种群中所有优解个体的累积质量得分，当累积得分达到C时，触发优解共享。累积约束通过统计优解个体的整体质量，确保在种群整体质量达到一定水平时进行共享，促进整体优化，有助于避免局部最优解。

[0067] 在一些实现方式中，所述方法还包括：根据所述反向解集，提取获取反向因素集；解析所述反向因素集，配置相应的惩罚因子，并添加所述惩罚因子至所述焊接质量评价函数。

[0068] 可选的，反向解集中的多个历史焊接记录包含了导致焊接质量不合格的控制参数，反向解集和反向因素集的引入可以帮助识别和避免不良焊接参数组合，并进一步优化焊接质量评价函数，从而提高整体优化效果。

[0069] 可选的，根据反向解集，提取获取反向因素集，包括采用统计分析方法，如频率分析、相关性分析等，识别出在反向解集中频繁出现的参数组合和特征，从而确定对焊接质量有显著负面影响的参数。

[0070] 可选的，基于上述影响成分分析，获取正向关键因素集同样的方法原理，解析反向解集，识别出影响焊接质量的关键因素，存储为反向因素集，需理解的是，为了说明书的简洁，在此不做进一步的展开说明。

[0071] 可选的，惩罚因子用于在焊接质量评价函数中对反向因素进行惩罚，从而降低包含这些因素的参数组合的得分。具体的，对每个反向因素配置一个惩罚因子，惩罚因子的系数或参数根据反向因素对焊接质量的负面影响程度确定。具体的，惩罚因子的配置通过实验数据或经验知识进行调整。通过配置惩罚因子，可以在焊接质量评价函数中对包含反向因素的参数组合进行惩罚，从而避免选择这些不良组合。

[0072] 可选的，修改焊接质量评价函数，将惩罚因子添加至函数中，获取优化后的焊接质量评价函数，具体的，对于每个焊接参数组合，优化后的焊接质量评价函数将计算其包含的反向因素，并根据惩罚因子的配置对其质量得分进行调整。示例性的，将惩罚因子添加至焊接质量评价函数，包括在焊接质量评价函数中加上或减去多个反向因素的多个惩罚因子。

[0073] 基于所述最优焊接参数组合进行焊接控制。

[0074] 在一些实施例中，所述方法还包括：通过所述最优焊接参数组合进行预焊接控制，获取焊接试样；对所述焊接试样进行质量评估，获取质量评估结果，其中，所述质量评估结果包括试样质量评估系数与试样质量偏差信息；基于所述质量评估结果进行反馈优化。

[0075] 具体的，首先，根据当前的最优焊接参数组合（如电流、电压、焊接速度等），设置焊接设备进行预焊接操作，生成焊接试样。而后，基于目标焊接任务的质量需要或质量控制标准，对焊接试样进行质量评估，获取焊接试样的质量评估结果，该质量评估结果为最优焊接参数组合的真实焊接质量系数。

[0076] 进一步的，基于质量评估结果，分析试样的实际质量与预期质量之间的差异，具体的，包括计算质量评估结果的真实焊接质量系数与优化过程中最优焊接参数组合基于焊接质量评价函数的焊接质量系数的差值。获取焊接试样与目标焊接任务的质量需要或质量控制标准间的质量指标差异，获取质量偏差信息。

[0077] 而后，利用试样质量评估系数和质量偏差信息，对应的优化焊接质量评价函数，示例性的，包括基于质量偏差信息的偏差程度，为焊接质量评价函数中不同指标的评价部分设定不同的参数调整步长，并以试样质量评估系数与基于焊接质量评价函数的焊接质量系数的差值最小为目标，调整质量评价函数。

[0078] 综上所述，本发明所提供的一种二氧化碳钢瓶的焊接控制方法具有如下技术效果：通过获取包括焊接参数记录与焊接质量评价记录的二氧化碳钢瓶的历史焊接记录；提取焊接质量系数进行双向划分，将历史焊接记录划分为正向解集与反向解集；基于正向解集进行影响成分分析，获取正向关键因素集，并基于正向关键因素集与焊接质量系数，构建焊接质量评价函数；根据焊接任务信息，遍历正向解集进行双目标匹配，获取双目标匹配结果，并初始化第一种群和第二种群；结合焊接质量评价函数，构建共享通路，对第一种群和第二种群进行协同优化，迭代获取最优焊接参数组合，其中，共享通路配置有共享约束；基于最优焊接参数组合进行焊接控制。进而实现降低焊接控制成本、提高焊接参数选取精确性与客观性的技术效果。

[0079] 应当理解的是，本发明所公开的实施例及上述说明，可以使得本领域的技术人员运用本发明实现本发明。同时本发明不被限制于上述所提到的这部分实施例，应当理解：本领域的普通技术人员依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。