人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用與發(fā)展

1、文章編號 :1671-5497(200404-0532-06收稿日期 :2004-05-08.基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目 (50175048;美國 GM 基金資助項(xiàng)目(200302.作者簡介:曹海鵬(1974-,男,博士研究生 .E -m ail :chai p en g !m ail .j lu .edu .cn通訊聯(lián)系人 :趙熹華(1941-,男,教授,博士生導(dǎo)師 .E -m ail :zhaoxh !j lu .edu .cn人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用與發(fā)展曹海鵬 1,趙熹華 1,趙賀 2,楊黎峰 1(1.吉林大學(xué)材料科學(xué)與工程學(xué)院 ,吉林長春 130022;2.長春

2、工業(yè)大學(xué)材料學(xué)院 ,吉林長春 130012 摘要:綜述了人工智能技術(shù) (人工神經(jīng)網(wǎng)絡(luò)、模糊控制、專家 系統(tǒng)技術(shù)、智能主體等在電阻點(diǎn)焊工藝參數(shù)設(shè)計(jì)、點(diǎn)焊過程控制、質(zhì)量預(yù)測與評判等領(lǐng)域的應(yīng)用特點(diǎn),分析了人工智能技術(shù)在解決非線性、病態(tài)求解問題中的優(yōu)勢 ,并指出多種智能技術(shù)的集成已經(jīng)成為人工智能技術(shù)在電阻點(diǎn)焊過程控制中應(yīng)用的趨勢。關(guān)鍵詞:材料合成與加工工藝 ;人工智能 ;電阻點(diǎn)焊;過程控制;質(zhì)量測評中圖分類號 :TG 453.9 文獻(xiàn)標(biāo)識碼 :AA pp lication and develo p m ent of artificial i ntelli g enceto resist ance s

3、p ot w el di n g contro lCAO ai p en g 1,ZAO x i hua 1,ZAO e 2,YANG L if en g 1(1.C olle g e o f M aterials s cience and e n g ineerin g ,Jilin unio ersit y ,C han g chun 130022,C hina ;2.C olle g e o f M aterials s cience and e n g ineerin g ,C han g chun unio ersit y o f T echnolo gy ,C han g chun

4、 130012,C hinaAbstract :T he a pp lication o f t he artificial i ntelli g ence such as artificial neural net w ork ,f uzz y contro l ,ex p ert s y ste m and i ntelli g ent a g ent etc .I n t he resistance s p ot w eldi n g i ncl udi n g its p rocessi n g p ara m eters desi g n ,p rocess contro l ,C

5、ualit y p rediction and eval uation w ere revie w ed.T he artificial i ntelli g ence a pp lied to resistance s p ot w el di n g w as m ore p ow erf ul on so lvi n g t he nonli near and ill-struct ured p roble m s.I nte g rati n g various artificial i ntelli g ence techno lo g ies and m aki n g f ull

6、 use o f t heir res p ecti ve advanta g es have becom e t he current trend.K e y words :m aterial s y nt hesizi n g and p rocessi n g ;artificial i ntelli g ence ;resistance s p ot w el di n g ;p rocess contro l ;C ualit y p rediction0引言電阻點(diǎn)焊是薄板連接中應(yīng)用最廣的方法 ,遍及車輛制造、航空、航天、家用電器以及電子工業(yè)等。電第 34卷第 4期吉林大學(xué)學(xué)報(bào) （工

7、學(xué)版V o l .34N 0.42004 年 10 月 Journal o f Jili n u n ivers it y (En g i neeri n g and T echno lo gy Ed ition !O ct .2004阻點(diǎn)焊過程是一個高度非線性、有多變量耦合作用和大量隨機(jī)不確定因素的過 程;同時電阻點(diǎn)焊的形核過程處于封閉狀態(tài) ,無法觀測 ,特征信號的提取比較困難 ;形核過程的時間極短 ,焊接質(zhì)量的監(jiān)測和控制難度較大。經(jīng)典點(diǎn)焊過程控制方法大都是基于一定假設(shè)條件下建立數(shù)學(xué)模型。而實(shí)際焊接過程比較復(fù)雜 ,因此這些模型與實(shí)際對象間差異較大 ,難以達(dá)到滿意的適應(yīng)效果 ,無法滿足工業(yè)發(fā)展

8、對電阻點(diǎn)焊質(zhì)量提出的高可靠性的要求。以人工神經(jīng)網(wǎng)絡(luò) (ANN 技術(shù)、模糊邏輯控制 (FLC 、專家系統(tǒng) (ES 、智能主體 (a g ent為標(biāo)志的人工智能技術(shù)在解決高度非線性和嚴(yán)重不確定系統(tǒng)控制方面比經(jīng)典控 制方法具有更大的優(yōu)勢和潛力。在信號處理、智能控制、模式識別、機(jī)器視覺、非 線性優(yōu)化、自動目標(biāo)識別、傳感技術(shù)等方面取得了很大的進(jìn)展。模糊控制是根據(jù)狀態(tài)變量及操作者的經(jīng)驗(yàn)或?qū)＜业姆治鲞M(jìn)行模糊推理而確定控制系統(tǒng)的輸出的,并不需要知道控制對象的精確數(shù)學(xué)模型 ,故適用于控制對象數(shù)學(xué)模型復(fù)雜及系統(tǒng)動態(tài)變化劇烈的場合 (例如非線性及多輸入多輸出的控制對象。隨著人工智能技術(shù)的不斷發(fā)展和成熟 ,電阻點(diǎn)焊過

9、程的智能控制已經(jīng)成為電阻點(diǎn)焊質(zhì)量控制的一個重要的方向。l 人工智能技術(shù)在電阻點(diǎn)焊工藝參數(shù)設(shè)計(jì)中的應(yīng)用電阻點(diǎn)焊過程是一個高度非線性、多變量藕合作用的復(fù)雜過程。焊接工藝參數(shù) 集中體現(xiàn)了焊接技術(shù)本身的復(fù)雜性與經(jīng)驗(yàn)性 ,其正確選擇是保證焊接質(zhì)量的前提 ,因而電阻點(diǎn)焊工藝被視為焊接生產(chǎn)中最關(guān)鍵的技術(shù)之一。電阻點(diǎn)焊工藝設(shè)計(jì)智能系統(tǒng) 平、創(chuàng)造性。應(yīng)用人工智能技術(shù)進(jìn)行電阻點(diǎn)焊工藝參數(shù)規(guī)劃是一條有效途徑。屬于設(shè)計(jì)型智能系統(tǒng) ,具備一般工程設(shè)計(jì)的特點(diǎn)高度智能、復(fù)雜、專家水文獻(xiàn)I 提出的電阻點(diǎn)焊工藝參數(shù)選擇人工智能系統(tǒng)采用專家系統(tǒng)技術(shù)和人工神經(jīng)網(wǎng)絡(luò) 技術(shù)進(jìn)行電阻點(diǎn)焊工藝參數(shù)規(guī)劃 ,通過集成多種人工智能技術(shù)建成一個智

10、能混合系 統(tǒng),充分利用了多重人工智能技術(shù)的優(yōu)勢。系統(tǒng)使用模糊技術(shù)對電阻點(diǎn)焊工藝參數(shù) 進(jìn)行幾次優(yōu)化后 ,就可以得到相應(yīng)理想的點(diǎn)焊工藝參數(shù)。文獻(xiàn)2研究的電阻點(diǎn)焊工藝參數(shù)選擇系統(tǒng)將神經(jīng)網(wǎng)絡(luò)和其他幾種知識表示形式集成在 同一個系統(tǒng)中 ,以神經(jīng)網(wǎng)絡(luò)的表示形式作為系統(tǒng)的核心 ,利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能對大量現(xiàn)有事例進(jìn)行學(xué)習(xí) ,提取隱含的內(nèi)在規(guī)律 ,并轉(zhuǎn)化為網(wǎng)絡(luò)自身的結(jié)構(gòu)。該系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)的非線性映射特性 ,能夠較完整地表示點(diǎn)焊過程中焊接工藝規(guī)范參數(shù)選擇和焊點(diǎn)質(zhì)量評估所需的專家知識 ; 能夠迅速響應(yīng)外部請求并作出判斷 ,從而滿足 了點(diǎn)焊過程對實(shí)時性的要求 ;由傳統(tǒng)的知識表示形式為神經(jīng)網(wǎng)絡(luò)提供所需的預(yù)處理和

11、知識解釋 ,從而充分發(fā)揮各自的優(yōu)勢 ,有效地解決神經(jīng)網(wǎng)絡(luò)存在的不精確和缺乏對推理過程的明顯解釋等自身缺陷。圖 l 模糊推理關(guān)系示意圖 3F i g .l S ketch o f f uzz y i nf erence 3 電阻點(diǎn)焊工藝 參數(shù)眾多 ,參數(shù)之間一般是一種離散的、病態(tài)的多對多映射關(guān)系。采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)電阻點(diǎn)焊工藝參數(shù)規(guī)劃時,在較大范圍內(nèi)使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行輸入和輸出之間的映射比較困難。如果樣本集數(shù)量與網(wǎng)絡(luò)結(jié)構(gòu)規(guī)模比例相差很大則其泛化能力很差。文獻(xiàn)3,4提出的點(diǎn)焊工藝參數(shù)智能規(guī)劃系統(tǒng)其將點(diǎn)焊工藝事例屬性劃分為兩類:事例特征 !和事例特征 "。設(shè)計(jì)了相似點(diǎn)焊工藝事例的檢

12、索策略 :在事例特征 !的約束下 ,以事例特征 " 中所包含的材質(zhì)的熱物理性質(zhì)和板厚作為檢索相似事例的依據(jù)。應(yīng)用模糊推理的方法對檢索到的相應(yīng)的相似事例庫中所含有的工藝知識、規(guī)則進(jìn) 行提取、總結(jié) ,進(jìn)而指導(dǎo)對新的點(diǎn)焊工藝事例的求解 ,從而較好地解決了點(diǎn)焊工藝設(shè)計(jì)中基于事例推理時 ,難以建立合適的模型對檢索到的相似事例進(jìn)行修正的難點(diǎn) ,使點(diǎn)焊工藝參數(shù)的智能求解過程更加符合領(lǐng)域?qū)＜业乃季S,過程更加靈活 ,具有開放性。其模糊推理關(guān)系示意圖見圖 l 。? 335? 第 4 期曹海鵬 ,等 :人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用與發(fā)展2人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用電阻點(diǎn)焊過程是一個熱

13、、力、電三者耦合的時變過程 ,而且過程時間短、難以 直接對焊接質(zhì)量進(jìn)行檢測 ;點(diǎn)焊實(shí)施過程中干擾因素較多 （網(wǎng)壓波動、電極磨損、電流波動等 ,使點(diǎn)焊過程難以建立精確的數(shù)學(xué)模型 ,用傳統(tǒng)的控制方法對電阻點(diǎn)焊質(zhì)量進(jìn)行監(jiān)控也非常困難。而用人工智能技術(shù)替代傳統(tǒng)的控制方法對電阻點(diǎn)焊過程進(jìn)行 控制獲得了較好的效果。圖 2FLC 算法框圖 4F i g .2B lock d ia g ra m o f FLC al g os it h m 4 圖 3 模糊自適應(yīng)控制框圖 6F i g .3B lock d ia g ra m o f f uzz y ada p tive contro6文獻(xiàn)5提出的智能點(diǎn)焊控

14、制系統(tǒng)采用模糊邏輯推理技術(shù)補(bǔ)償在電阻點(diǎn)焊過程中工藝參數(shù)的偏差對點(diǎn)焊熔核形成過程的影響。采用模糊邏輯控制（FLC解決了電阻點(diǎn)焊工藝過程中缺少精確數(shù)學(xué)模型的缺陷。在電阻點(diǎn)焊實(shí)時控制中 ,采用電極位移量作為焊接熔核形成過程的表征信號 ,并以其作為調(diào)節(jié)焊接過程參數(shù)的反饋參數(shù)來獲得合適的電阻點(diǎn)焊熔核形成熱量輸入。在一個較寬的焊接工藝條件范圍內(nèi) ,以大量實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ) ,提取出相關(guān)的電阻點(diǎn)焊過程控制規(guī)則。采用人工神經(jīng)網(wǎng)絡(luò)提供點(diǎn)焊過程中輸入?yún)?shù)與輸出參數(shù)之間的映射并調(diào)整相應(yīng)的模糊規(guī)則。其控制總體示意圖見圖 2。該 ANN(結(jié)構(gòu)為 4-7-1的 BP 網(wǎng)絡(luò)是以實(shí)驗(yàn)數(shù)據(jù)離線訓(xùn)練成的標(biāo)準(zhǔn)電極位移 (!和位移變 化

15、率("與加熱百分?jǐn)?shù) (#%和焊接時間 ($的模型。電阻點(diǎn)焊過程中 ,ANN 實(shí)時提供不同 焊接條件下的電極位移和位移變化率。模糊控制器輸出可控硅的控制角 ,以調(diào)節(jié)焊接輸入能量 ,使實(shí)際電極位移曲線不斷逼近標(biāo)準(zhǔn)電極位移曲線 ,達(dá)到控制焊接質(zhì)量的目的。其缺點(diǎn)是電極位移不能排除電阻點(diǎn)焊設(shè)備自身特性的影響 ,這對 ANN 的樣本集提出很 高的要求 ,在實(shí)際應(yīng)用過程中較難實(shí)現(xiàn)。文獻(xiàn)6提出了電阻點(diǎn)焊模糊自適應(yīng)控制系統(tǒng) ,建立了電流參考模型 ,根據(jù)動態(tài)電阻的劃分提出了一種點(diǎn)焊質(zhì)量的評估方法。首先根據(jù)焊接電流和動態(tài)電阻 ,采用有限元法離線計(jì)算出焊接能量、焊接電流與核心尺寸間關(guān)系的參考模型。在實(shí)際控制

16、系統(tǒng)中 將動態(tài)電阻分成 4 個不同的階段 ,根據(jù)實(shí)時檢測出的焊接過程的動態(tài)電阻值 ,通過電流參考模型得出過程的參考參數(shù) ,由模糊控制器發(fā)出自適應(yīng)控制指令 ,完成點(diǎn)焊過程的自適應(yīng)控制。由于在電阻點(diǎn)焊過程中鋁合金以及不銹鋼動態(tài)電阻曲線不同于低碳 鋼動態(tài)電阻的變化 ,因此這種方法難以在鋁合金、不銹鋼等中獲得應(yīng)用。文獻(xiàn)7提出了神經(jīng)網(wǎng)絡(luò)與模糊技術(shù)相結(jié)合的點(diǎn)焊質(zhì)量控制系統(tǒng)。該系統(tǒng)采用人工神經(jīng) 網(wǎng)絡(luò)模塊作為以時間為輸入 ,以電極位移、電極位移速率為輸出的映射 ;而以電極位移作為模糊控制器的模糊偏差輸入量 ,以提供給熔核的能量作為輸出控制量。計(jì)算機(jī)模擬結(jié)果顯示該系統(tǒng)抗干擾能力強(qiáng) ,而且能對在線工藝擾動進(jìn)行補(bǔ)償

17、 ,并得到滿意的點(diǎn)焊接頭。其模糊自適應(yīng)控制框圖見圖 3。文獻(xiàn) 8提出了一個復(fù)雜的基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的點(diǎn)焊在線質(zhì)量監(jiān)控系統(tǒng)。該系435? 吉林大學(xué)學(xué)報(bào) ( 工學(xué)版第 34 卷統(tǒng)包含的人工神經(jīng)網(wǎng)絡(luò)不需要任何的材質(zhì)、電極和焊機(jī)特性之間的規(guī)則說明。通過基于樣本的訓(xùn)練 ,系統(tǒng)可依據(jù)電流和電壓測量值對焊點(diǎn)質(zhì)量進(jìn)行預(yù)測。由于神經(jīng)網(wǎng)絡(luò)能夠識別結(jié)果中的干擾 ,通過相應(yīng)的訓(xùn)練 ,該系統(tǒng)可以自適應(yīng)識別電極磨損、 電極形狀、工件厚度以及分流等工藝參數(shù)的變化 ,并預(yù)測其對焊接質(zhì)量的影響。傳統(tǒng)的電阻點(diǎn)焊電源的控制器多采用 P I D 控制方式 ,而模糊控制器與 P I D 控 制器相比具有調(diào)節(jié)速度快、魯棒性好等優(yōu)點(diǎn) ,

18、因此采用模糊控制算法的點(diǎn)焊控制器的應(yīng)用越來越廣泛。文獻(xiàn) 8,9都開發(fā)了電阻點(diǎn)焊模糊控制器。工藝試驗(yàn)結(jié)果表明模 糊控制器性能良好 ,具有較高的精度及穩(wěn)定性。近年來隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的迅速發(fā)展 ,分布式人工智能技術(shù)已經(jīng)成為一個新的研究熱點(diǎn)。在分布式人工智能研究中 ,多智能主體 (m ulti p le a g ents 由于可以通過知識共享而相互交流交互 ,越來越引起眾多學(xué)者的關(guān)注。智能主體在沒有人進(jìn)行干涉的情況下具有推理決策能力即較高的智能性。文獻(xiàn) 10提出了應(yīng)用多智能體系統(tǒng)實(shí)現(xiàn)點(diǎn)焊機(jī)器人柔性加工系統(tǒng)的協(xié)調(diào)控制系統(tǒng)。該系 統(tǒng)針對電焊柔性加工系統(tǒng)的特點(diǎn) ,構(gòu)造了具有任務(wù)管理智能體、通信管理智能體以

19、及與物理設(shè)備相對應(yīng)的多個節(jié)點(diǎn)智能體控制系統(tǒng)。該多智能體系統(tǒng)采用黑板結(jié)構(gòu)通過集中式的網(wǎng)絡(luò)結(jié)構(gòu)以及協(xié)商的合作協(xié)調(diào)機(jī)制在系統(tǒng)中進(jìn)行資源分配,規(guī)劃生產(chǎn)任務(wù) ,監(jiān)視資源運(yùn)行 ,以便充分利用系統(tǒng)資源。3人工智能在電阻點(diǎn)焊焊點(diǎn)質(zhì)量估測中的應(yīng)用文獻(xiàn)11,12利用焊接電流有效值、每半個周波的動態(tài)電阻值、電極直徑及焊接能量作為BP 網(wǎng)絡(luò)的輸入?yún)?shù)對焊點(diǎn)直徑進(jìn)行估測 ,根據(jù)焊點(diǎn)直徑所處區(qū)域來確定焊接電流的增加步長 ,這樣既完成了對焊點(diǎn)質(zhì)量的估測 ,又完成了為補(bǔ)償點(diǎn)焊電極磨損而對焊接電流增加步長的優(yōu)化設(shè)定。將 ANN 模式識別和映射能力與 FLC 處理不確定和非 精確數(shù)據(jù)的能力相結(jié)合 ,建立新的控制系統(tǒng) ,可以克服現(xiàn)

20、有控制系統(tǒng)在鍍鋅鋼板焊接質(zhì)量監(jiān)控方面的不足和局限性。文獻(xiàn)13提出了用掃描聲學(xué)顯微鏡 (SAM 結(jié)合人工神經(jīng)網(wǎng)絡(luò)技術(shù)來監(jiān)控電阻點(diǎn)焊焊點(diǎn)質(zhì) 量的方法。該方法采用數(shù)學(xué)形態(tài)學(xué)技術(shù)從焊點(diǎn)的 C 掃描圖像中得到點(diǎn)焊熔核的幾 何尺寸參數(shù) ,如熔核軸向尺寸等 ,并以這些參數(shù)作為人工神經(jīng)網(wǎng)絡(luò)的入口參數(shù)。采用點(diǎn)焊熔核的剝離試驗(yàn)及專家的評判作為神經(jīng)網(wǎng)絡(luò)的輸出參數(shù)。采用 J AVA 編程來 實(shí)現(xiàn)掃描圖像處理 ,人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)等。通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練得到輸入輸出參數(shù)之間的映射。結(jié)果表明其具有很高的辨識正確率。文獻(xiàn)14針對鋁合金的電阻點(diǎn)焊 ,研究了人工神經(jīng)網(wǎng)絡(luò)在點(diǎn)焊質(zhì)量估測中的應(yīng)用。以LD 10CS 鋁合金為例 ,分析了

21、鋁合金焊接時動態(tài)電極電壓的變化 ,提出了以每周波動態(tài)電 極電壓為輸入?yún)?shù) ,以焊點(diǎn)強(qiáng)度和熔核直徑為輸出參數(shù)的誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)對點(diǎn)焊質(zhì)量進(jìn)行估測的方法。由于電極間的動態(tài)電壓綜合了動態(tài)電阻和焊接電流兩方面 的因素 ,可以較好地反映焊點(diǎn)的狀態(tài) ,因此,將焊接過程每周波 (0.02s 的動態(tài)平均電 壓!"#倂=1,2,1表征為網(wǎng)絡(luò)的輸入，而焊點(diǎn)的拉剪力、熔核直徑作為網(wǎng)絡(luò)的輸出。根據(jù)網(wǎng)絡(luò)的輸入輸出矢量 ,構(gòu)造了一個輸入層單元數(shù)為 14,一個隱含層 ,一個輸出層單元數(shù)為2 的 BP 網(wǎng)絡(luò) ,以試驗(yàn)提供的 36 組訓(xùn)練數(shù)據(jù)作為樣本網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明該估測方法可行,為鋁合金點(diǎn)焊的在線質(zhì)量估測奠定了

22、良好的基礎(chǔ)。文獻(xiàn)15,16建立了人工神經(jīng)網(wǎng)絡(luò)點(diǎn)焊質(zhì)量預(yù)測與評估模型。利用 ANN 對輸入輸出的映射 , 以點(diǎn)焊的過程參數(shù)動態(tài)電阻作為輸入?yún)?shù) ,焊點(diǎn)質(zhì)量 (如熔核尺寸、焊點(diǎn)拉剪強(qiáng)度等作為輸出參數(shù) ,用實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本對 BP 網(wǎng)絡(luò)進(jìn)行訓(xùn)練 ,訓(xùn)練后的網(wǎng)絡(luò)能自動完成從輸入到輸出的映射 ,從而能對電阻點(diǎn)焊焊接熔核質(zhì)量進(jìn)行評估。文獻(xiàn)17研究了人工神經(jīng)網(wǎng)絡(luò)點(diǎn)焊質(zhì)量預(yù)測模型中網(wǎng)絡(luò)結(jié)構(gòu)、樣本集選取以及作用函數(shù) 等對神經(jīng)網(wǎng)絡(luò)訓(xùn)練及輸出結(jié)果精度的影響。文獻(xiàn)18提出了一個采用神經(jīng)網(wǎng)絡(luò)與模糊算法相結(jié)合的電阻點(diǎn)焊智能質(zhì)量控制系統(tǒng)。該 系統(tǒng)以沒有飛濺情況下的與點(diǎn)焊電極位移相關(guān)的 4 個參變量以及在產(chǎn)生飛濺條件下

23、的不同焊接周波的動態(tài)電阻作為模糊邏輯的輸入?yún)?shù) ,以點(diǎn)焊熔核的強(qiáng)度特性作為輸出構(gòu)造了一個模糊系統(tǒng)。采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)？ 535?第4期曹海鵬，等:人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用與發(fā)展算法作為模糊輸入的前處理，提高了系統(tǒng)的學(xué)習(xí)能力和智能性。模糊推理采用T aka g i-s u g eno為內(nèi)核。實(shí)驗(yàn)結(jié)果反映出系統(tǒng)具有較小的預(yù)測誤差。其框圖見圖系統(tǒng)控制框圖18F i g .4B lock d ia g ra m o f s y ste m contro l184人工智能技術(shù)應(yīng)用于電阻點(diǎn)焊過程中存在的問題及其發(fā)展前景人工神經(jīng)網(wǎng)絡(luò)技術(shù)和模糊技術(shù)是電阻點(diǎn)焊智能化過程中應(yīng)用較為廣泛的兩種技 術(shù)。人

24、工神經(jīng)網(wǎng)絡(luò)主要是通過對樣本集的學(xué)習(xí)訓(xùn)練來獲得輸入向量與輸出向量之間 的映射關(guān)系。在電阻點(diǎn)焊工藝過程中 ,影響因素眾多 ,參數(shù)之間一般是一種離散的、 病態(tài)的多對多映射關(guān)系 ,在大范圍內(nèi)輸入和輸出之間的映射很難實(shí)現(xiàn) ;如果樣本集數(shù)量與網(wǎng)絡(luò)結(jié)構(gòu)規(guī)模比例相差很大 ,則其泛化能力很差。而由于點(diǎn)焊過程中樣本集的獲得大多是依賴于工藝試驗(yàn) ,所以給人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用帶來一定困難。模糊控制 中的模糊規(guī)則多取決于相關(guān)領(lǐng)域?qū)＜业慕?jīng)驗(yàn) ,或同樣來源于工藝試驗(yàn)數(shù)據(jù)的提取 ,這 給其規(guī)則更新 ,進(jìn)一步提高其學(xué)習(xí)能力帶來一些不便。將模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合可以相互取長補(bǔ)短。模糊技術(shù)的特點(diǎn)是邏輯推理能力強(qiáng),將模糊技術(shù)引入

25、神經(jīng)網(wǎng)絡(luò) ,可大大地拓寬神經(jīng)網(wǎng)絡(luò)處理信息的范圍和能力 ,使其不僅能處理精確信息 ,也能處理模糊信息或其他不精確信息。神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)和自動模式識別方面有極強(qiáng)的 優(yōu)勢 ,采取神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行模糊信息處理 ,則有可能實(shí)現(xiàn)模糊規(guī)則的自動提取及模糊隸屬函數(shù)的自動生成 ,使模糊系統(tǒng)成為一種自適應(yīng)模糊系統(tǒng)。集成多種智能技術(shù)可以揚(yáng)長避短。其應(yīng)用已經(jīng)成為人工智能技術(shù)在電阻點(diǎn)焊過 程控制中應(yīng)用的趨勢 ,如模糊神經(jīng)網(wǎng)絡(luò)技術(shù)、采用遺傳算法優(yōu)化模糊推理規(guī)則等。 由于人工智能技術(shù)在解決非線性及多輸入多輸出問題、賦予系統(tǒng)學(xué)習(xí)功能、尋求最 優(yōu)化等方面分別具有古典控制理論與現(xiàn)代控制理論不可比擬的優(yōu)點(diǎn) ,隨著人工智能領(lǐng)域研究的不

26、斷深入 ,其在電阻點(diǎn)焊過程中會有更大的發(fā)展前景。參考文獻(xiàn):1趙熹華,王宸煜,張若冰,嚴(yán)慶光.點(diǎn)焊工藝設(shè)計(jì)智能混合系統(tǒng)的研究 J .焊 接,2000(3:11-14.ZAO x i hua ,W ANG Chen y u ,ZANG Ruob i n g ,YAN G i n gg uan g .A n i nte lli g ent h y bri d s y ste m f or s p o t w e ld i n gp rocedure des i g n J .W e ld i n g ,2000(3:11-14?. 635? 吉林大學(xué)學(xué)報(bào) ( 工學(xué)版 第 34 卷第 4 期 曹海鵬，

27、 等： 人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用與發(fā)展 ?537 ? 2 陳益平， 胡德安， 陳鵬展， 李唐柏. 智能點(diǎn)焊專家系統(tǒng)集成策略的研究 （： J . 機(jī)械工程學(xué)報(bào)， 2001 7） 61 -64 . CHEN Y i pi ng ， HU Dean ，CHEN Pengzhan， LI T angbai . S t udy on t he i ntegrati on tactics of i ntelli gent eXpert syste mi n （ ： spot Wel di ng J . Chi nese Journal of M echanical Engi neeri ng

28、 ， 2001 7） 61 -64 . 3 曹海鵬， 趙熹華， 趙蕾. 基于事例推理的點(diǎn)焊工 藝參數(shù)的智能求解 （： J . 焊接學(xué)報(bào)， 2003 6） 1 -4 . CAO H ai peng ，ZHAO X i hua ， ZHAO Lei . An i ntelli gent i nf erence f or resistance spot Wel di ng procedure para meter on （ ： CBR J . T ransacti ons of t he Chi na W el di ng I nstit uti on ， 2003 6） 1 -4 . 4 曹海鵬，

29、 趙熹華， 趙蕾. 鋁合金電阻點(diǎn)焊焊接參 數(shù)選擇的智能化 工學(xué)版， （ ： J . 吉林大學(xué)學(xué)報(bào)： 2004 ， 34 1） 56 - 59 . ， ， CAO H ai peng ZHAO X i hua ZHAO Lei . S t udy on i ntelli gent choice of resistance spot Wel di ng f or al u m i nu m alloys J . （ Engi neeri ng and T，： Journal of Jili n Uni versit y echnology Edisi on ） 2004 ， 34 1） 56 -5

30、9 . 5 ， ， MESSLER R W J J OU M i n J AMES L C. An I ntelli gent control syste m f or resistance spot Wel di ng usi ng a neural C net Wor k and f uzzy logic !Conf erence Record-I AS Annual M eeti ng， 1995 ： 1757 -1763 . 6 CHEN X i ngCiao ， ARAKI Kenji . Fuzzy adapti ve process control of resistance s

31、pot Wel di ngW it h a current ref erence model C ! Proceedi ngs of t he I EEE I nternati onal Conf erence on I ntelli gent Processi ng Syste m，s Beiji ng ， Chi na ， 1997 ： 190 194 .7 （Tuni ng ） D J OU M i n . An i ntelli gent control syste mf or resistance王志強(qiáng)， 薛家祥， 方平. 逆變式點(diǎn)焊電源恒spot Wel di ng usi ng

32、f uzzy logic and neural net Wor k . Rensselaer Pol ytechnic I nstit ute ， 1994 . 8 吳祥淼， 黃石生，流系統(tǒng)的智能控制 （： J . 焊接，2001 3） 19 -22 . WU X iang m iao ，HUANG Shisheng ， WANG Zhi CiangXUE JiaXiang ， FANG P i ng .I ntelli gentcontrol syste m of constant ， （ ）poWer J . W el di ng 2001 3 19 -22 .9 ： current f

33、or i nverter- based spot Wel di ng 杜全營， 陳善本， 于有生. 基于模糊邏輯的電阻點(diǎn)焊恒流控制系統(tǒng) （： J . 焊接， 2003 6） 17 -21 . DU Guanyi ng ，CHEN Shanben， YU Yousheng . Constant current control syste m of resistance spot Wel di ng based on f uzzy ，（ ）： logic J . W el di ng 2003 6 17 -21 . 朱振友， 丘濤， 陳善本. 點(diǎn)焊柔性加工系統(tǒng)多智能體的協(xié)調(diào)控制 ( ： 10 樸永

34、 杰， J . 焊接學(xué)報(bào)， 2003 5) 17 -20 . ， ， ， PI AO Yongjie ZHU Zhenyou G IUT ao CHEN Shanben . M ulti- agent syste m s coordi nati on control f or spot Wel di ng ( ： J . T ransacti on of t he Chi na W el di ng I nstit uti on ， 2003 5) 17 -20 .fleXi ble manuf act ure syste m 11 BROWN J D ， J OBLI NG C P . Op

35、ti m izati on of si gnal i n- puts to a neural net Wor k f or modeli ng spot Wel di ng of zi nc coated C steels ! 51st Annual A ssse mbl y of II W， H a mburg ， Ger many ， 1998 . 12 BROWN J D ， RODD M G. Applicati on of artificial i ntelli gence techniCues to resistance spot Wel di ng J . Iron M aki

36、ng ， ， ( ) ： and S teel M aki ng 1998 25 3 199 -204 . 13 LEE H sut ung ，WANG M ichael ，MAEV Roman ，MAEVA E lena . S t udy on usi ng scanni ng acoustic m icroscopy and ， neural net Wor k techni Cues to eval uate t he Cualit y of resistance spot Wel di ng J . I nt J Adv M anuf T echnol 2003 ， 22 ： 727

37、 -732 . 饒德林， 陳立功， 倪純珍. LD10CS 鋁合金點(diǎn)焊的神經(jīng)網(wǎng)絡(luò)質(zhì)量估測 (： 14 J . 上海交通大學(xué)學(xué)報(bào)， 2003 2) 167 -170 . RAO Deli n ， CHEN L i gong ，NI Chunzhen . Gualit y esti mati on ofLD10CS al u m i nu m alloy spot Wel di ng usi ng artificial ( ： neural net Wor kJ . Journal of Shanghai Jiaotong Uni versit y， 2003 2) 167 -170 . ， 15

38、 CHO2000Yongj oon RHEE Sehun . Ne W technology f or measuri ng dyna m ic resistance and esti mati ng strengt h i n resistance ( ： spot Wel di ng J . M eas S ci T echnol， 11 ) 1173 -1178 . 16 ZHANG Zhongdian ， LI DongCi ng ， ZHAO hongyun ，YU Yan . Eff ects of modeli ng means on properties of monitori

39、 ng models of spot Wel di ng Cualit y J . Chi na W el di ng ， 2002 11 ) 119 -123 . 冬青， 趙洪運(yùn)， 范偉光. 建立點(diǎn)焊質(zhì)量神經(jīng)網(wǎng)絡(luò)監(jiān)測模型時作用函數(shù)的選?。?17 張忠典， J . 焊接學(xué)報(bào)， 2002 3) 59 63 . ZHANG Zhongdian ， LIDongCi ng ， ZHAO Hongyun ， FAN W ei guang . Selecti on of acti on f uncti onWhen establishi ng t he ( ： neural net Wor k moni

40、tori ng model on Cualit y of spotWel di ng J . T ransacti on of t he Chi na W el di ng I nstit uiton， 2002 3) 59 -63 . 18 LEE S R ， CHOO YJ ， LEE T Y ， KI M M H ， CHO I S K . ACualit y assurance techni Cue f or resistance spot Wel di ng usi ng (： a neuro-f uzzy al gorit h m J . Journal of M anuf act

41、 uri ng Syste m s， 2001 5) 320 -328 . (責(zé)任編輯 陳 永杰)人工智能技術(shù)在電阻點(diǎn)焊過程控制中的應(yīng)用與發(fā)展 作者： 作者單位： 刊名： 英文刊名： 年，卷 (期： 曹海鵬， 趙熹華， 趙賀， 楊黎峰 曹海鵬 ,趙熹華,楊黎峰 (吉林大學(xué),材料科學(xué)與工程學(xué)院 ,吉林,長春, 1 30022， 趙賀(長 春工業(yè)大學(xué) ,材料學(xué)院 , 吉林,長春,130012 吉林大學(xué)學(xué)報(bào) (工學(xué)版 JOURNAL OF JILIN UNIVERSITY(ENGINEERING AND TECHNOLOGY EDITION 2004,34(4 參考文獻(xiàn) (18條 1.ZHANG Zhongdian;LI Dongqing;ZHAO hongyun;YU Yan Effects of modeling means on properties of monitoring models of spot welding quality外文期干刊2002(11 2. 張忠典;李冬青;趙洪運(yùn);范偉光 建立點(diǎn)焊質(zhì)量神經(jīng)網(wǎng)絡(luò)監(jiān)測模型時作用函數(shù)的選取 期干論文 -焊接學(xué)報(bào) 2002(03 3.Lee S R;CHOO Y J;LEE T Y;KIM M H, C