基于Hammerstein模型的GMAW-P焊接熔深自适应预测控制

针对脉冲熔化极气体保护焊(Pulsed gas metal arc welding,GMAW-P)过程中焊接熔深的实时控制,使用脉冲峰值期间的电压变化幅值(ΔU)来表征焊接熔深变化,并且通过测量和控制ΔU的大小来间接达到熔深控制的目的。建立了以ΔU为输出和脉冲基值电流为输入的单输入单输出熔深控制系统。系统输入输出之间的静态关系模型显示该熔深控制系统具有一定非线性,因此,采用加入干扰的Hammerstein模型描述该非线性系统。在基于该Hammerstein模型的经典预测控制算法基础上,在控制过程中加入递推最小二乘法在线辨识模型参数,从而实现焊接熔深自适应控制。控制算法仿真和实时焊接试验表明该熔深控制算法能够较好地实现GMAW-P焊接过程中的熔深控制。变散热试验结果验证了该控制算法的有效性和适应性。     

CO2气体保护焊的焊缝形貌建模及虚拟化仿真系统开发

建立了CO₂气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开发了焊缝形貌预测与虚拟化仿真系统。结果表明：所建立的多层感知机神经网络预测模型对熔宽预测的最大偏差为0.097 mm,模型拟合优度为0.999 269,对熔深预测的最大偏差为0.051 mm,模型拟合优度为0.999 567;建立了以焊缝熔深和熔宽为输入变量的焊缝截面形貌数学模型和以焊缝熔宽为输入变量的表面形貌数学模型。     

圆柱-球体三自由度超声电机神经网络控制策略仿真

针对圆柱-球体三自由度超声电机难以建立精确数学模型的特点,设计了神经网络控制系统。该控制系统采用包含输入层、中间层和输出层3层网络的BP神经网络控制器。应用该控制器,实现了电机精确定位控制。结果表明,神经网络控制器的性能稳定,克服了常规控制存在的不足,得到了满意的控制效果。     

SG水位模糊积分控制器的设计与仿真研究

提出了一种基于模糊控制理论的蒸汽发生器水位控制器设计方法。考虑到蒸汽发生器水位控制系统对象模型参数存在不确定性,设计了模糊积分控制器。将水位偏差及其变化率作为模糊控制器的输入,模糊控制器输出与水位偏差积分构成整个控制器的输出。进行了仿真研究,仿真结果表明,设计的模糊积分控制系统总体性能优于经典PID设计的系统。     

焊接过程的模糊控制

从焊接过程的控制实测出发,简明扼要地引入模糊控制的一些最基本的概念,如模糊集合图与从属函数、模糊语言和逻辑推理过程、模糊控制器的结构原理及实用的算法。详细介绍了作者应用模糊控制于焊接过程的一些研究工作的结果。MIG焊熔透的模糊控制部分叙述了一个典型的单输入单输出模糊控制系统、焊缝轨迹自动跟踪的模糊控制部分讨论了如何确定系统参数与改善系统控制性能的方法、CO 2焊接规范参数的模糊控制部分则是一个多输入多输出模糊控制系统应用举例。     

多维意象下产品造型满意度预测模型研究

为均衡有效地满足用户多维复合意象的情感需求，提升多维意象下产品造型与用户满意度的匹配程度，提出一种结合熵权法与BP神经网络的产品造型满意度预测模型。以老年代步车为例，建立了产品造型元素集和多维意象集，采用语义差分法获取了样本评价值，并采用熵权法计算多维意象权重；将样本造型元素进行编码作为第1层BP神经网络模型的输入变量，将多维意象加权评价值作为第1层输出变量和第2层BP神经网络输入变量；将用户满意度评价值作为第2层BP神经网络输出变量，并通过K-fold交叉验证法训练和测试双重BP神经网络预测模型，验证结果显示：预测模型满意度MSE值小于0.01,表明该模型能有效映射多维意象下产品造型与满意度间的隐性关联。运用该模型对300个新方案进行预测，快速决策出最佳方案，为设计人员提供参考。     

BP-PID在无线网络控制系统中的应用

为了处理无线网络的引入对控制系统带来的不确定时延干扰问题,结合PID控制器和BP神经网络的学习能力,设计了具有神经网络调节能力的综合PID控制器。该控制器首先获得无线网络控制系统的输入、输出和偏差信息,而后通过不断地调整BP神经网络的权值来对PID控制器的三个参数进行整定。当PID控制器获得整定后的参数后,会通过增量式算法计算出被控对象的输入信号。为验证该控制器的性能,利用Matlab的TrueTime工具箱搭建出了基于无线网络控制系统的实时仿真环境。仿真数据表明,BP-PID控制器比单一的PID控制器具有更强的抗干扰性,它具有的在线整定能力弥补了单一PID控制器的不足。     

活性电子束焊接法研究

研究了表面活性剂在电子束焊中的行为,结果发现使用活性剂可以使电子束焊的熔深增加。在研究单一活性剂对焊接熔深影响规律的基础上,研制了由SiO、TiO2和Cr2O3等组成的不锈钢电子束焊活性剂,可使散焦电子束焊接熔深增加2倍多,焊缝表面成形良好。使用活性剂后,聚焦电流和束流对电子束焊熔深增加有较大影响。分析电子束焊熔深增加的原因认为:一方面,活性剂改变了熔池金属的表面张力梯度,使熔池金属的流动方向发生了改变,因此电子束焊熔深增加,焊缝变窄;另一方面,涂层物质的熔点较高,它的存在减小了电子束熔化母材的区域。在以上试验和分析的基础上提出了活性电子束焊的概念。     

基于模糊C均值聚类的模糊RBF神经网络预测焊接接头力学性能建模

针对焊接过程的高度非线性,多种因素的复杂交互作用,难以预测焊接接头力学性能的问题和常用反馈(Back propagation,BP)神经网络的不足,利用模糊C均值(Fuzzy C-means,FCM)聚类算法和伪逆法相结合,建立焊接接头力学性能模糊径向基(Radial basis function,RBF)神经网络预测模型。以TC4钛合金惰性气体钨极保护焊(Tungsten inert gas arc welding,TIG焊)焊接工艺参数(焊接电流、焊接速度和氩气流量)作为模型的输入参数,以焊后力学性能(抗拉强度、抗弯强度、伸长率、焊缝硬度和热影响区硬度)作为模型的输出参数。利用27组试验数据对所建模型进行学习训练,用另外9组试验数据进行仿真。结果表明,利用该方法所建模型具有结构稳定、训练速度快、适应性强、鲁棒性好、预测精度高的特点,能够预测焊接接头力学性能。通过数学解析,用函数形式表达焊接工艺参数与接头力学性能之间的规律,可以优化焊接工艺参数,为调控焊接接头的质量提供依据。     

基于BP神经网络的铝合金搅拌摩擦焊接头疲劳性能研究

以焊接母材、搅拌头旋转速度、焊接速度、轴向压力、搅拌头倾角和板材厚度为输入参数,以疲劳寿命为输出参数,构建6×18×9×1四层拓扑结构的铝合金FSW接头疲劳性能BP神经网络模型,并进行了试验验证和产线应用研究。结果表明,神经网络模型具有较高的预测能力和预测精度,相对训练误差小于5.5%、相对预测误差小于6%;生产线上铝合金板材的搅拌摩擦焊工艺参数经神经网络优化后,接头疲劳寿命较神经网络优化前增加51.11%,接头疲劳性能显著提高。     

ARTIFICIAL NEURAL NETWORK AND FUZZY LOGIC CONTROLLER FOR GTAW MODELING AND CONTROL

0 INTRODUCTION(The satisfied control of the overall weld process is not easily accomplished, largely due to the inadequacies of the available process models. Without exceptions, most welding control methods are based upon the analytical welding models. Although these models are derived directly from the physical laws that govern the main features of the weld pool, a number of assumptions are made to obtain the mathematical solutions and some variables are ignored due to the complexity of t…     

Prediction of pulsed GTAW penetration status based on BP neural network and D-S evidence theory information fusion

This paper used multi-sensor information fusion technology in pulsed gas tungsten arc welding. Arc sensor, visual sensor, and sound sensor were used simultaneously to obtain weld current, voltage, weld pool image, and weld sound information about the pulsed gas tungsten arc welding process, and special algorithms were designed to extract the respective signal features of different sensors’ information. Then D-S evidence theory was used to fuse the different signal features to predict the penetration status about the welding process. Aimed at the difficulty of obtaining basic probability assignment in D-S evidence theory, back-propagation (BP) neural network was used to obtain the basic probability assignment. Experiments were done to obtain data for training the BP neural network and test the prediction reliability of D-S evidence theory information fusion, and comparison results showed that D-S evidence theory could effectively use the information obtained by different sensors and obtain better prediction result than single sensor.     

自适应神经模糊推理的方向驾驶员模型研究

以方向驾驶员模型为研究对象,讲解了自适应神经模糊推理系统的原理和结构,并基于自适应神经模糊推理系统建立了一种两输入单输出的方向驾驶员模型.输入变量是道路参考线到预瞄点的横向偏差和道路参考线与车辆X轴之间面积偏差,输出是车辆方向盘转角.首先,通过车辆动力学仿真软件Carsim获取车辆的仿真数据.其次,自适应神经模糊推理系...     

Optimization of Inconel 718 alloy welds in an activated GTA welding via Taguchi method, gray relational analysis, and a neural network

The purpose of this work is to optimize the weld bead geometry of Inconel 718 alloy gas tungsten arc (GTA) welds that are coated with activating flux before welding. In order to obtain the optimal welding parameters with multiple quality characteristics (QCs) such as penetration and depth-to-width ratio (DWR) of weld bead, the Taguchi method (TM), gray relational analysis (GRA), and a neural network (NN) are employed in this work. The TM is first used to construct a database for the NN. The GRA is adopted to solve the problem of multiple QCs. The gray relational grade (GRG) obtained from the GRA is used as the output of the backpropagation (BP) NN. Then, a NN with the Levenberg–Marquardt BP (LMBP) algorithm is used to provide the nonlinear relationship between welding parameters and GRG of each specimen. The optimal parameters of the activated GTA welding process are determined by simulating parameters using a well-trained BPNN model. The experimental procedure of the proposed approach not only improves the DWR of weld bead but also increases the penetration of Inconel 718 alloy welds.     

基于神经网络的超磁致伸缩智能构件滑模控制

提出了一种利用超磁致伸缩材料（giant magnetostrictive material GMM）智能构件精密加工活塞异形孔方法。 为了消除GMM智能构件迟滞非线性影响,提出一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制。将智能构件的输出位移及其变化率作为小脑模型神经网络（CMAC）输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型,神经网络的建模近似误差以及外界干扰通过离散滑模变结构控制器来消除。仿真结果表明此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,可实现智能构件的精密位移控制。     

大功率盘形激光焊焊缝背面宽度预测

提出了通过视觉传感获取焊接过程中的焊接特征信息并利用神经网络模型预测焊缝背面宽度的方法。利用大功率盘形激光器焊接了低碳钢SS400焊件,在焊接过程中改变焊接功率、焊接速度和焊接路径,并利用两台高速摄像机同步获取焊件正面和侧面出现的焊接特征信息。对获取的图像进行色彩空间转换、分层、滤波去噪和空域图像处理,提取飞溅、熔池和金属蒸气等焊接特征信息,观察焊接路径对各个特征的影响。最后,建立了一个三层的LMBP(LevenbergMarquardt Back Propagation)神经网络模型,将提取的特征信息作为输入量,预测焊缝的背面宽度。结果显示:当熔透不稳定或出现未熔透状态时,LMBP神经网络拟合度大于0.83,最大训练误差均值为0.002 8mm,最大实际误差均值为0.225 6mm。试验结果表明所建立的预测模型具有良好的准确性和稳定性。     

连续顺序电阻点焊分流率的反向传播神经网络预测

建立以材料电阻率、板厚、焊点间距为输入空间,分流率为输出空间的连续顺序电阻点焊分流率的3层误差反向传播(Back propagation,BP)神经网络预测模型.依据电阻点焊恒流控制的特点和点焊过程的电阻变化规律建立分流率的理论计算模型,由该模型所得数据作为样本对网络进行训练和检验.对2.0 mm厚度的20钢及1.5 ...     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

一种电解加工间隙的智能测控方法研究

从理论上推导了电解加工中阴极表面上承受的力与阴阳极间间隙的关系;采集电解加工过程中阴极表面上的力信号,经过信号处理后用其训练一个BP神经网络,实现间隙的在线检测;设计了一个模糊控制器,把间隙的误差转化为力的误差,将误差的变化信号作为模糊控制器的输入,将进给速度的增量作为模糊控制器输出。在MATLAB的Simulink模块中建立间隙智能控制系统进行了仿真试验,结果表明,该模糊控制器对间隙的控制效果较好。