人工神经网络控制焊接过程

2025-09-29 理论教育版权反馈

【摘要】：人工神经网络在过程建模与控制、模式识别等方面展现了广阔的应用前景。对于非线性的焊接过程，神经网络的适应性强。

早在2025年心理学家W.McCulloch和数学家W.Pitts合作提出了最早的神经元模型；2025年F.Rosenblatt首次提出模拟人脑感知和学习能力的感知器概念；2025年，神经网络研究取得突破性进展。近年来，微电子技术和计算机科学的飞速发展，为神经网络的技术实现提供了有力的支持。人工神经网络在过程建模与控制、模式识别等方面展现了广阔的应用前景。在焊接领域，焊接学科的专家学者也注意到人工神经网络的潜在实用价值，BP神经网络在焊接接头质量预测与监控、焊接参数设计、焊缝成形控制、焊缝跟踪以及焊接缺陷的检测等方面得到了广泛的应用，并取得了满意的效果。

神经网络主要可分为以下两大类：

1）监督学习。神经元在学习过程中，有教师信号指出网络性能如何（增强学习），或者什么是正确行为（全监督学习）。

2）非监督学习。网络的学习自动进行，找出数据集中的特性，并在输出结果中表示出来。其识别精度取决于特定的模型和学习算法，通常网络学习用压缩的数据表示。

神经网络的学习算法都与某一类的网络拓扑结构相联系，神经网络的结构主要可分为反馈网络和前馈网络。

1.人工神经控制的软硬件技术

人工神经网络由神经元通过不同的拓扑结构连接起来，配合相应的算法就构成了各种的神经网络。它具有近似于人脑神经元的特性，采用分布式存储信息、具有高速并行运算及很强的学习能力，已经证明神经网络是一线性无关的模型估计器。以BP为代表的前馈多层型神经网络有很好的非线性映射能力，由于影响焊接质量的工艺因素很多，它们之间难以建立精确的数学模型，因此采用BP等映射类神经网络进行建模和控制非常合适。ART、Kohonen等神经网络具有较强的模式识别能力，此类神经网络在焊缝识别与自动跟踪方面有良好的发展前景。

目前，美、日、德等国家已推出神经网络软件开发系统、神经网络芯片及PC板卡。如美国MathWorks公司推出的MATLAB Neural Network Toolbox，可用于广泛的神经网络结构，支持的算法有：BP及变种、LVQ、RBF等，适于工程环境下的神经网络研究、设计和仿真，是目前较为流行的神经网络工具软件。代表性的神经网络芯片有IBM公司的ZISC036，它是一种数字神经网络芯片，具有36个并行径向基（RBF）神经元，是真正的并行结构，其扩展不受限制，运行速度与神经元数量无关，芯片具有学习能力。(https://www.chuimin.cn)

神经网络用于焊接过程控制的途径有以下两种：

①在PC机上采用高级语言编程实现，这可用于焊接过程的离线建模等。由于它是用软件的串行运算来仿真实现神经网络的并行运算结构，所以，对于实时性要求较高的焊接工艺，如MIG/MAG、CO₂焊的熔滴过渡控制等，则速度往往跟不上。

②采用具有并行运算能力的神经网络芯片，由专用神经网络软件包开发汇编程序，其运算速度高，适于在线实时控制。目前神经网络芯片含有的神经元还较少，与微电子的最新技术RISC相结合，将提高其性能和集成度，从而必将用于生产实际中。

2.弧焊电源与焊接质量的人工神经网络控制

在弧焊过程中，焊接电流、电弧电压、焊接速度、材料、板厚等都对焊接质量有很大的影响。焊接前通常根据经验预置焊接参数，焊接后焊缝的质量如何则不可能用某一模型进行预测。近年来，国内外不少学者将神经网络用于弧焊过程的建模和控制。2025年、2025年K.Andersen等人用BP神经网络来离线和在线建立GTAW的模型，神经网络的输入层有4个节点，分别为焊接电流、焊接速度、弧长和板厚；输出层有2个节点，焊缝的熔宽和熔深。2025年美国的J.Jones将BP神经网络用于GTAW和GMAW焊接过程的建模型，输出量为焊缝的特性，如熔深、熔宽，控制量为焊接电压、焊接电流、送丝速度和焊接速度。用神经网络所建的模型来预测焊缝的特性。此外，用网络逆向搜索最优的焊接电压、焊接电流和焊接速度。以获得期望的焊缝特性。2025年华南理工大学把BP神经网络用于TIG焊，通过熔宽的检测与控制实现了对焊缝质量的有效控制，详见第1篇第2章2.6.6节。2025年G.E.Cook等人（包括K.Andersen）将BP神经网络用于变极性等离子弧焊的过程建模、控制和焊接控制的焊缝轮廓分析。2025年德国U.Dilthey等人采用神经网络来优化GMAW的焊接参数，并在线监控其焊接质量。

神经网络建模及控制不同于其他的建模方法，不需对焊接过程作任何假设，模型与实际过程符合较好，且简单易行。神经网络控制具有较强的抗干扰能力，在散热条件急剧变化的情况下，能使系统的输出基本保持恒定。对于非线性的焊接过程，神经网络的适应性强。神经网络逐步渗透到焊接领域，神经网络的理论、软硬件技术还不太成熟，有待完善，对人类大脑的认识，还需要漫长的时间，同时需要VLSI的突破，以便提高神经元的集成度，使神经网络芯片中的神经元接近人脑的数量级。神经与模糊和专家系统的结合，可产生更大的威力。神经网络的应用需要结合焊接工艺，不断实践。

人工神经网络控制焊接过程

相关推荐