基于混杂petri网的多通道控制技术的研究

在支持多通道控制功能的高档数控系统中,通道工作状态的连续性以及能够引起通道状态变化的离散事件使得高档数控系统的控制表现出复杂的混杂特性.针对多通道数控系统的混杂特性,通过综合着色petri网和连续petri网的优势,提出一种混杂petri网模型.并在此模型基础上对多通道之间的协同控制技术进行研究,设计基于信号的消息机制实现通道间的协调控制.最后,以一个双通道协同控制工件程序为例,采用ptolemy Ⅱ仿真工具对所建立的协同控制petri网模型进行了仿真实验,仿真结果证明了模型的有效性.     

基于Petri网的OLED生产线建模与仿真

介绍了OLED(Organic Light Emitting Diodes)的制造过程及制造系统的PN模型。讨论了Petri网的分析技术。针对OLED制造生产线的复杂性,描述了具体的加工过程。采用结构化方法,综合应用自上而下与自下而上相结合的方法,建立了基于赋时变迁Petri网的OLED制造生产线模型,反映了整个生产线的加工动态特性。利用仿真工具Hpsim,对模型进行了仿真分析,并对其结果进行了定性分析,同时验证了模型的合理性和有效性。     

厚板T形接头焊接位置自主决策贝叶斯网络的实现

提出了一种基于贝叶斯网络模型的厚板T形接头GMAW焊接位置的实时自主决策方法。该方法首先根据视觉传感获得的坡口轮廓特征信息,将焊脚要求和当前填充状态转换为视觉描述特征,实现上述信息的实时判定,利用实时识别的焊缝轮廓特征点、判定的焊接状态建立贝叶斯网络模型,并依据焊接经验设计先验概率计算方法,利用自适应重要性抽样算法,基于最大后验概率准则实现焊接位置实时决策。 结果表明,与层次分析法的对比,提出的该模型能满足不同厚度T形接头多道焊焊接位置实时自主决策要求,具有更高的决策稳定性,对伪特征点的抗干扰能力强,其决策结果与依据焊接经验实施的决策结果一致,正确率约为95%。 该方法能提高焊接效率,同时可为提高厚板GMAW自动化焊接水平提供实现的途径。 创新点： (1)根据视觉传感获得的坡口轮廓特征信息,将焊脚要求和当前填充状态转换为视觉描述特征,实现上述信息的实时判定。 (2)利用实时识别的焊缝轮廓特征点、判定的焊接状态建立贝叶斯网络模型。 (3)依据焊接经验设计了贝叶斯网络中相应节点的先验概率计算方法。     

基于CSCW的遥控焊接机器人系统协同工作模型

复杂遥控焊接任务需要操作者与主端控制计算机、主端控制计算机与从端控制计算机、从端控制计算机与焊接机器人在内的多个控制环路支持,将这些控制环路之间的协作定义为一种计算机支持的协同工作系统(CSCW),采用Petri网建立了其交互协作模型(RWCM),并对其定义、部件设计及具体实现进行了分析与讨论.RWCM能够在逻辑层次上清晰描述遥控焊接系统复杂的协作关系,因此它对系统软件设计和实现具有重要的参考意义.     

基于T-S模型和模糊神经网络的焊接电源群控

利用多台焊接电源同时对同一工件进行焊接,当外电压波动时,众焊接电源依靠自身控制系统进行各自调节的过程也是对外电网干扰的再生过程.将模糊理论与神经网络相结合,并应用于多焊接电源的群控.在分析和设计了状态变量的隶属度函数、推理规则、解模糊算法等基础上,完成了基于T-S(Tanaki-Sugeno)模型的自适应模糊神经推理控制器设计.利用该控制模型在Simulink搭建的焊接电源群控模型上进行仿真.结果表明,该控制模型具有调整时间短,超调量小的优点(与众焊接电源各自单独调节相比较,调整时间缩短了22%,超调量减小了40%),反映出良好的动态特性.     

基于遗传算法的模糊神经网络控制器在GTAW中的应用

GTAW(钨极气体保护电弧焊)是一种能够很好控制线能量，进行高质量薄板焊接的方法。焊接过程是一个复杂的、多参数耦合的高度的非线性系统，在实际焊接过程中难以实现实时、有效的在线控制。模糊控制吸收了人的经验思维的特点；神经网络则对信息的处理具有自组织、自学习的特点；遗传算法是一种全局优化搜索方法，具有简单通用、普遍性强，适合并行处理和应用范围广的优点。作者将三者有机地结合起来，在模糊神经网络控制器的基础上利用了改进的遗传算法，并分析了其网络结构和离线学习的方法，协调利用三者的优势设计了一种新型的模糊控制器，并使之用于脉冲GTAW仿真中，结果证明了该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性。     

基于T-S模型和模糊神经网络的焊接电源群控

利用多台焊接电源同时对同一工件进行焊接，当外电压波动时，众焊接电源依靠自身控制系统进行各自调节的过程也是对外电网干扰的再生过程。将模糊理论与神经网络相结合，并应用于多焊接电源的群控。在分析和设计了状态变量的隶属度函数、推理规则、解模糊算法等基础上，完成了基于T—S（Tagaki—Sugeno）模型的自适应模糊神经推理控制器设计。利用该控制模型在Simulink搭建的焊接电源群控模型上进行仿真。结果表明，该控制模型具有调整时间短，超调量小的优点（与众焊接电源各自单独调节相比较，调整时间缩短了22％，超调量减小了40％），反映出良好的动态特性。     

不锈钢烧结网滤芯TIG焊工艺研究

不锈钢烧结网滤芯是液压、机械、船舶、冶金等行业自动反冲洗过滤器的关键部件，其纵向对接焊缝的焊接质量直接影响着滤芯的过滤精度和自动反清洗装置的平稳运行，是不锈钢烧结网滤芯生产过程的关键环节。采用钨极氩弧焊，使用专用焊接工装，对多层不锈钢烧结网滤芯纵向焊缝进行焊接，探寻合理的焊接工艺参数，利用光学显微镜、显微硬度仪、能谱仪分析了焊缝金属的组织性能、凝固模式和物相组成。结果表明，采用钨极氩弧焊，通过控制焊接热输入量，提高焊缝背面冷却速度等方法，可以得到成形良好、无断丝、无明显缺陷的不锈钢烧结网焊接接头，观察焊缝成形情况，确定较优的焊接电流为90～95 A，所得焊缝组织为柱状奥氏体及骨架状铁素体组织，该组织具有较优的抗裂纹扩展能力。     

焊接结构件装配CAAP软件应用系统开发

针对焊接结构件装配工艺设计自动化程度低．影响产品制造周期和质量的问题，设计了CAAP(计算机捕助装配工艺规划)装配自动化系统，包括确立焊接结构件装配顺序的设计方法、明确其装配过程的工艺基准和建立零件间的信息与约束模型3个过程。并利用VC 编程语言，完成其应用软件开发，该系统已实用化。     

水下湿法焊条电弧焊接过程稳定性评价

焊接电参数(电弧电压、焊接电流)包含着丰富的焊接过程信息.针对水下湿法焊条电弧焊工艺,在不同焊接工艺条件(不同水深、不同焊条)时在线采集焊接电弧电压瞬时值,然后对其进行统计处理.利用电弧电压标准差σU以及电弧电压瞬时值与电弧电压平均值差值H的频率对比和焊接过程稳定性指数W相结合的方式,对水下湿法焊条电弧焊接过程的稳定性进行直观分析和定量评价.结果表明,利用W可以很好地识别不同焊接过程的稳定性,为水下焊接工艺稳定控制提供了新的方法,具有重要的理论意义.     

基于RBF神经网络PID的焊接电源电流智能控制

焊接电源输出是一个多变量、非线性、参数时变的被控对象,传统的PID控制参数固定不变,难以根据实际情况对参数进行自适应调整,最终输出的焊接电流效果较差。针对以上情况,提出了一种基于RBF(Radial Basis Function)神经网络的PID的焊接电流智能控制方法。建立了3层神经网络模型,由RBF神经网络在线辨识得到了梯度信息,最后由梯度信息对PID中的三个参数进行在线调整,从而提高了焊接电源信号的精确控制。最后,对文中所提方法进行了仿真验证,结果表明所设计控制方法具有响应速度快、超调量小、收敛速度快、稳态精度高等优点。     

汽车后桥车间物流系统分析及其方案优化

针对汽车后桥车间生产物流系统建立petri网模型,分析了petri网的可达性,研究了零部件加工、装配工艺流程和物流系统通畅性,采用了不同的算法,对生产物流的两部分工序物流和工艺物流分别计算最小物流量距积和,得出局部和整体优化方案.     

焊接裂纹金属磁记忆信号的神经网络识别

金属磁记忆检测技术是一种新型的利用铁磁材料内在信息对材料进行检测和评价的无损检测方法,对裂纹类缺陷进行早期检测具有潜在的优势.利用小波包分析技术,对水压试验条件下API 5L X70管线钢焊缝中有无焊接裂纹的金属磁记忆信号能量特征进行了分析,确定了焊接裂纹金属磁记忆信号的小波包能量特征,并利用其作为输入特征向量建立了BP(back propagation)神经网络,对焊缝中是否含有裂纹等缺陷进行智能识别.结果表明,利用小波包能量和神经网络技术可以较好的实现焊接裂纹的识别.     

基于DSP和CPLD的全数字CO2焊机系统

CO2气体保护焊是当今国内最重要的焊接方法之一,国内外许多学者提出多种控制思想,而实现这些控制思想的前提条件是焊机本身要具有良好的可控性和快速的反应能力.采用数字信号处理器 (DSP)TMS320F2812和复杂可编程控制器(CPLD)EPM7192S构建了全数字CO2焊接系统,完成硬件和软件设计,并进行了焊接试验.系统采用数字软件滤波技术提高信号的抗干扰性,并通过CCS环境对其进行仿真验证.为了克服模拟PWM器件精度低的缺陷,设计了基于CPLD的数字PWM.同时对过电流、过热等保护信号进行处理.试验结果证明,焊接系统具有控制精度高、性能稳定等特点,波形一致性好,焊接飞溅小,成形好.     

基于视觉处理的焊缝质量检测与控制系统

采用视觉处理方法是实现焊接质量检测与控制的重要途径之一,而视觉处理算法是其可靠、准确应用的关键环节.采用CCD传感器直接摄像法获取焊接熔池的图像,利用数学形态学的图像处理方法,建立统一的非线性处理算法,对熔池图像进行预处理和特征提取,获取熔池边缘信息并确定焊缝中心和熔宽、熔高等信息,将这些信息与模糊逻辑相融合,实现高性能的跟踪和焊接质量PID模糊闭环控制.试验结果表明,基于视觉处理的焊接质量检测与控制系统具有良好的稳定性和准确性.     

QWDK系列电阻焊机控制箱及其QS型电网平衡控制系统

介绍了具有电网平衡功能的ＱＷＤＫ系列电阻焊机控制箱，对其原理和控制方案作了说明，对ＱＳ型电网平衡控制系统的方案，组成，原理进行了论述，提出了该系统在汽车焊装生产线上应用的现实意义，为均衡利用电网，减少网压波动，保证焊接质量和生产过程提供了一种有产的方法。     

基于SVR模型的水下焊接最佳工艺

焊接工艺参数的确定,是水下焊接研究领域的重要内容,但恶劣的焊接环境使之成为研究的难点. 以水下湿法浅水药芯电弧焊(FCAW)为研究对象,将其看成一个多输入多输出(MIMO)的非线性系统,利用支持向量回归机(SVR)提高建模精度和预测速度. 首先在正交试验设计的基础上,利用SVR构建水下焊接模型,并与多元非线性回归及BP神经网络所构建的模型进行拟合精度的比较,然后将SVR模型融入进化算法(EA)的全局优化中,利用模型计算个体的评价函数,通过种群进化操作,得到满足要求的最优参数. 结果表明,该方案具有使用方便,效率高,精度好的优点,并能推广应用于众多类似领域,具有重要的理论和实践价值.     

激光-MIG复合焊根部驼峰缺陷预测

激光-熔化极惰性气体(melt inert gas，MIG)复合焊过程中容易出现根部驼峰缺陷，为了实现焊接过程根部驼峰缺陷的同步预测，研究根部驼峰缺陷预测的算法并对其预测结果进行分析. 采用高速摄像机进行复合焊接过程的实时视觉传感采集，提取焊接过程的正面熔池和匙孔的时序特征信息，并对这些特征信号进行小波包分解(wavelet packet decomposition，WPD)与重构. 应用激光扫描仪获得背部焊缝余高，以此作为驼峰状态标记的依据. 再通过长短期记忆(long short-term memory，LSTM)神经网络对焊接过程中根部驼峰状态进行预测. 结果表明，WPD-LSTM算法对根部驼峰预测的准确率达到97.85%. 相比其它算法，基于焊接过程正面视觉传感时序特征信息的WPD-LSTM算法预测准确率更高，且预测结果具有较高的连续性，有利于实现对焊接过程根部驼峰缺陷的同步检测与控制.     

基于神经网络的药芯焊丝GMAW发尘率预测

焊接工艺对焊接发尘率有直接的影响,建立基于相关焊接工艺参数的焊接发尘率预测模型,预测特定焊接工艺的发尘率对控制和降低焊接烟尘的排放具有重要意义。鉴于焊接发尘率影响因素复杂,存在高度非线性特征,提出了基于神经网络的熔化极气体保护焊(GMAW)焊接发尘率的预测模型。通过药芯焊丝E501T-1发尘率实测数据,分别建立了BP和Elman神经网络模型,并采用遗传算法(GA)对2种神经网络进行了优化。基于15组实测数据的验证,结果表明,采用遗传算法优化后,BP和Elman神经网络模型的预测合格率分别提升了6.7%和13.4%,遗传算法优化的BP神经网络模型(GA-BP)的均方误差为586.21,平均绝对百分比误差为3.01%,均为4个模型中最小,其预测结果更为准确可靠。基于GA-BP模型所预测数据,对不同焊接电流和电弧电压的发尘率进行预测,在一定的焊接速度和保护气流量条件下,焊接电流约为170 A,电弧电压约为26 V时,焊接发尘率最小。 创新点： (1)将神经网络模型引入到焊接发尘率数值预测中,并通过遗传算法对神经网络的权值和阈值进行优化,提高了预测准确性和可靠性。 (2)根据优化后的模型的预测结果,分析了焊接电流和电弧电压对发尘率的影响规律,为进一步控制焊接发尘率提供了有益的指导。     

应用联合时频分析研究CO2焊接过程中的电信号

CO2焊接过程的电弧电压、焊接电流信号蕴含了丰富的焊接信息.利用联合时频分析对CO2焊接过程电信号进行研究,分析了短时傅里叶变换窗函数的选择对谱图的时频集聚性的影响,并选择汉宁窗获得了较好的时频集聚性.为了获得CO2焊接电信号中短路过渡的信息,尝试利用时频分析谱图对焊接试验中采集到的几组焊接电流信号进行分析,研究了其能量分布及熔滴过渡的特征,并利用联合时频分析三维谱图,对采用不同焊接参数获得的电弧电压信号进行对比.结果表明,利用联合时频分析对CO2焊接过程电信号进行分析,能够获得更多的有价值信息,该方法具有较好的研究应用前景.