基于RBF-NN和异常检测的焊接质量溯源模型的应用

针对目前焊接工艺试验效率低、重复率高的现状,采集多源数据,以焊接工艺质量UT检验数据为例,首先,进行了数据清洗和数据标准化处理,形成了可供模型训练的标准化数据集;其次,梳理了焊接质量溯源分析业务流程,根据需求设计建立了一种将径向基神经网络(Radial Basis Function Neural Network,RBF-NN)和异常检测相结合的焊接质量溯源模型,用于定位焊缝不合格品成因,为焊接工艺试验提供参数调整建议,降低试验时间成本;最后,通过实验结果证明该模型可为焊接工艺试验提供有效的参数调整建议,可减少工艺试验次数、降低成本。