弧焊電源智能控制研究范文

本站小編為你精心準(zhǔn)備了弧焊電源智能控制研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1智能控制方法

焊接過(guò)程一般采用閉環(huán)反饋控制方法，因?yàn)檫^(guò)程多輸入多輸出，各種參數(shù)耦合性強(qiáng)，而且非線性特征明顯，很難建立精確的數(shù)學(xué)模型。早期的過(guò)程控制多采用控制領(lǐng)域經(jīng)典的PID控制算法，隨著硬件電路的改進(jìn)和處理器運(yùn)算速度的提高，模糊控制技術(shù)、神經(jīng)網(wǎng)絡(luò)控制、遺傳算法、滑模變結(jié)構(gòu)和群智能算法等各種先進(jìn)的控制方法也開(kāi)始應(yīng)用在焊接電源的數(shù)字化智能控制中，取得不錯(cuò)的控制效果。

1．1模糊控制模糊控制（FuzzyControl，F(xiàn)C）作為一種比較成熟的非線性智能控制方法，被最早引入到焊接過(guò)程的控制中，F(xiàn)C的實(shí)質(zhì)是吸取了人類思維判斷事物時(shí)所表現(xiàn)出來(lái)的模糊性特點(diǎn)，利用模糊語(yǔ)言變量、模糊集合和模糊邏輯推理為基礎(chǔ)，使用模糊集合中的隸屬函數(shù)、模糊關(guān)系、模糊推理和決策等工具推導(dǎo)出控制動(dòng)作應(yīng)用于被控對(duì)象［3］。圖2所示為一種典型的模糊控制器工作模型，它將清晰量偏差e先進(jìn)行模糊化處理變?yōu)槟：縀，經(jīng)過(guò)模糊推理形成后得到一個(gè)模糊量U，最后進(jìn)行清晰化處理形成確定的控制量ui作用于控制對(duì)象。從事焊接控制研究的專家和學(xué)者認(rèn)為模糊控制的特點(diǎn)適合于焊接過(guò)程的控制，在焊接領(lǐng)域有廣闊的應(yīng)用前景，已經(jīng)在焊接質(zhì)量檢測(cè)、焊縫跟蹤和焊接設(shè)備等多方面使用。高延峰等人設(shè)計(jì)了一種具有預(yù)測(cè)功能的模糊控制器，主要是為了解決焊接機(jī)器人在彎曲轉(zhuǎn)角處焊縫跟蹤困難的問(wèn)題，其設(shè)計(jì)思想是通過(guò)焊槍偏差和傾角信息來(lái)確定焊槍移動(dòng)走向和焊縫方向之間的夾角，利用線性化模型預(yù)測(cè)焊槍移動(dòng)至下一點(diǎn)的位置，采用加權(quán)最小二乘方法預(yù)測(cè)焊縫下一點(diǎn)位置，同時(shí)根據(jù)模糊控制理論實(shí)現(xiàn)焊接小車轉(zhuǎn)彎時(shí)車輪和橫向滑塊之間的協(xié)調(diào)控制，在輪式移動(dòng)焊接機(jī)器人彎曲角進(jìn)行跟蹤焊接的試驗(yàn)中取得較好的跟蹤精度和焊接效果［4］。在熔化極氣體保護(hù)焊中，為了控制焊接熱輸入和熔滴過(guò)渡的形式，得到更好的焊接效果，Aghakhani，Masood等人針對(duì)ST37不銹鋼材料利用模糊邏輯建立了一個(gè)5因素的預(yù)測(cè)模型，該預(yù)測(cè)模型能夠確定送絲速度、電弧電壓、焊絲伸出長(zhǎng)、焊接速度和氣體流量之間的關(guān)系［5］。Malekjamshidi，Zahra等人設(shè)計(jì)了一種新型的基于模糊邏輯控制的恒流焊接電源，該智能化弧焊電源具有熱啟動(dòng)、防卡死和空閑待機(jī)等節(jié)能功能，同時(shí)保證焊接過(guò)程中的恒定直流輸出波動(dòng)較小，焊接質(zhì)量高，在移動(dòng)焊接領(lǐng)域有廣泛的應(yīng)用空間［6］。華南理工大學(xué)的王瑞超和薛家祥利用自適應(yīng)模糊邏輯控制設(shè)計(jì)了一款數(shù)字脈沖MIG焊接電源，該焊接電源采用雙閉環(huán)控制，能夠靈活、精確控制實(shí)時(shí)能量輸入，通過(guò)試驗(yàn)表明，所設(shè)計(jì)的控制策略能夠有效地適應(yīng)電弧長(zhǎng)度的變化，實(shí)現(xiàn)理想的一脈一滴熔滴過(guò)渡，焊接過(guò)程穩(wěn)定，電弧聲柔和，無(wú)飛濺產(chǎn)生，焊縫良好［7］。模糊控制是目前在弧焊電源中應(yīng)用領(lǐng)域最為廣泛的智能控制方法，從焊接質(zhì)量檢測(cè)、焊縫成形預(yù)測(cè)、焊接過(guò)程控制和焊接效果評(píng)價(jià)等都有成功的案例。盡管從理論上已經(jīng)證明模糊控制能夠以任意精度逼近任何非線性函數(shù)，是一種性能優(yōu)良的非線性控制方法，但受到當(dāng)前技術(shù)水平的限制，確定模糊邏輯中的隸屬函數(shù)還主要依靠人為因素和經(jīng)驗(yàn)，沒(méi)有形成統(tǒng)一的理論指導(dǎo)，模糊變量的分類和模糊規(guī)則數(shù)不能太多，導(dǎo)致模糊控制的精度還需要進(jìn)一步提高。

1．2神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)也稱為人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN），是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型，它具有分布式存儲(chǔ)信息、并行協(xié)同處理和自主學(xué)習(xí)的特點(diǎn)，常用來(lái)對(duì)輸入和輸出間復(fù)雜的關(guān)系進(jìn)行建模，探索數(shù)據(jù)的模式。神經(jīng)網(wǎng)絡(luò)目前在焊接過(guò)程建模控制、焊接質(zhì)量和接頭性能預(yù)測(cè)、焊接熔池圖像處理以及焊縫跟蹤等方面都有一定的應(yīng)用。圖3所示為一種多層結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)。輸入層有眾多神經(jīng)元，接收大量非線性輸入信息，輸入的信息被稱為輸入向量。輸出層輸出的信息稱為輸出向量，是信息在神經(jīng)元節(jié)點(diǎn)中傳輸、分析、權(quán)衡后形成的結(jié)果。隱藏層又稱為“隱層”，位于輸入層和輸出層之間，是由眾多神經(jīng)元節(jié)點(diǎn)和鏈接所組成的層面。隱藏層可以有1層，也可以用多層。隱藏層的神經(jīng)元節(jié)點(diǎn)數(shù)目不定，一般來(lái)說(shuō)，數(shù)目越多神經(jīng)網(wǎng)絡(luò)越復(fù)雜，非線性特征就越顯著，神經(jīng)網(wǎng)絡(luò)的健壯性就會(huì)越強(qiáng)。IrvingB在文獻(xiàn)［8］中介紹了神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于電弧焊、激光焊、電阻焊、電子束焊和攪拌摩擦焊等各種焊接方式的工藝優(yōu)化情況，并且認(rèn)為利用神經(jīng)網(wǎng)絡(luò)模型能夠有效節(jié)省成本，降低焊接操作人員的工作量，增強(qiáng)工作效率。Pal，Sukhomay等人設(shè)計(jì)了一種多層神經(jīng)網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)脈沖熔化極惰性氣體保護(hù)焊焊件的極限拉伸應(yīng)力，該模型通過(guò)輸入脈沖電壓、反饋電壓、脈沖寬度、脈沖頻率、送絲速度、焊接速度6個(gè)測(cè)量參數(shù)和平均焊接電流和電壓的均方根值來(lái)得到極限拉伸應(yīng)力輸出值，通過(guò)對(duì)比發(fā)現(xiàn)該模型預(yù)測(cè)值比多元回歸模型得到的值更準(zhǔn)確［9］。劉立君等人采用電弧聲對(duì)焊接過(guò)程熔透性進(jìn)行監(jiān)測(cè)與診斷，發(fā)現(xiàn)電弧聲特征參數(shù)是診斷成敗的關(guān)鍵，通過(guò)采用神經(jīng)網(wǎng)絡(luò)的特征評(píng)價(jià)和特征選擇方法，利用神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果對(duì)特征參數(shù)進(jìn)行評(píng)價(jià)能有效對(duì)特征參數(shù)降維，通過(guò)試驗(yàn)驗(yàn)證了該方法的可行性和有效性［10］。針對(duì)熔化極氣體保護(hù)焊在工業(yè)生產(chǎn)中的廣泛應(yīng)用，閆志鴻等人以低碳鋼為焊接對(duì)象，研究其焊縫成形過(guò)程的建模與仿真方法，文獻(xiàn)［11］利用BP神經(jīng)網(wǎng)絡(luò)建立了該過(guò)程的動(dòng)態(tài)模型，揭示了脈沖熔化極氣體保護(hù)焊過(guò)程的焊縫成形規(guī)律，提出了一種利用神經(jīng)網(wǎng)絡(luò)模型考察熔池正面特征參量與反面寬度之間關(guān)系的方法，驗(yàn)證了熔池特征參量的有效性與可靠性。從國(guó)內(nèi)外最新的相關(guān)文獻(xiàn)來(lái)看，報(bào)道的神經(jīng)網(wǎng)絡(luò)技術(shù)在焊接過(guò)程中的應(yīng)用多數(shù)是焊接過(guò)程建模及控制。通過(guò)研究發(fā)現(xiàn)，以采集效果較好的焊接試驗(yàn)數(shù)據(jù)作訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，建立一個(gè)焊接工藝參數(shù)能自動(dòng)優(yōu)化、在線調(diào)節(jié)的神經(jīng)網(wǎng)絡(luò)，可以指導(dǎo)焊接過(guò)程，獲得外形美觀、高強(qiáng)度、高質(zhì)量的焊縫。但是，神經(jīng)網(wǎng)絡(luò)的軟硬件技術(shù)還不成熟，實(shí)時(shí)性較差，網(wǎng)絡(luò)模型中的隱含層數(shù)目難以精確確定，同時(shí)，采用的算法還欠缺穩(wěn)定性，收斂性也比較慢。

1．3遺傳算法遺傳算法（GeneticAlgorithm，GA）是一種參照生物界的適者生存、優(yōu)勝劣汰遺傳進(jìn)化規(guī)律演化而來(lái)的搜索算法［12］。其主要特點(diǎn)是不存在求導(dǎo)和函數(shù)連續(xù)性的限定，直接對(duì)對(duì)象進(jìn)行操作。算法最初是參考進(jìn)化生物學(xué)中的遺傳、自然選擇、雜交以及突變等現(xiàn)象，這些現(xiàn)象具有良好的全局尋優(yōu)能力和內(nèi)在的并行性，在尋優(yōu)方法上采用概率化思想，事先不確定的規(guī)則，利用算法自動(dòng)獲取和優(yōu)化搜索空間，自適應(yīng)地調(diào)整搜索方向。遺傳算法的自尋優(yōu)性質(zhì)被人們廣泛地應(yīng)用于機(jī)器學(xué)習(xí)、自適應(yīng)控制、信號(hào)處理、組合優(yōu)化和人工智能等領(lǐng)域。KimD和RheeS希望找到一種在沒(méi)有確定的數(shù)學(xué)模型的情況下，通過(guò)優(yōu)化焊接工藝參數(shù)來(lái)確定熔化極氣體保護(hù)焊的焊縫幾何形狀的方法。在文獻(xiàn)提到的遺傳算法尋優(yōu)中，4個(gè)輸入?yún)?shù)分別是焊縫根部間隙、送絲速度、電弧電壓和焊接速度，輸出參數(shù)是焊縫高度和熔深，當(dāng)輸入?yún)?shù)的數(shù)量為4，16，16和16時(shí)，總的搜索目標(biāo)點(diǎn)可以達(dá)到16384個(gè)，是一種通過(guò)較少的試驗(yàn)結(jié)果數(shù)據(jù)獲得最優(yōu)工藝參數(shù)的方法［13］。為了焊接帶有防銹層的奧氏體不銹鋼，YoganandhJ等人利用多元回歸方法設(shè)計(jì)了一個(gè)GMAW焊接數(shù)學(xué)模型，使用遺傳算法對(duì)參數(shù)進(jìn)行了優(yōu)化，試驗(yàn)取得良好的焊接效果［14］。SathiyaP等人用直徑1．2mm焊絲焊接奧氏體不銹鋼薄板也采用遺傳算法進(jìn)行工藝參數(shù)優(yōu)化。通過(guò)試驗(yàn)采集氣體流量、電弧電壓，焊接速度、送絲速度、焊縫高度、寬度和熔深等數(shù)據(jù)建立一個(gè)回歸分析數(shù)學(xué)模型，遺傳算法優(yōu)化的工藝參數(shù)能在盡量減少焊縫高度和寬度的前提下獲得較深的熔深效果［15］。遺傳算法在焊接中的應(yīng)用主要表現(xiàn)在焊接工藝參數(shù)最優(yōu)值的搜索功能方面，利用少量的試驗(yàn)數(shù)據(jù)，通過(guò)不斷地進(jìn)行全局尋優(yōu)，能準(zhǔn)確、高效地確定適用于最佳焊接效果的工藝參數(shù)。

1．4群智能算法為了使焊接過(guò)程能被更好的控制，取得高質(zhì)量的焊接效果，人們除了使用模糊控制、人工神經(jīng)網(wǎng)絡(luò)控制和遺傳算法外，還把模擬退火算法（Simulat-edAnnealingMethods，SA）、蟻群算法（AntColonyOptimization，ACO）和粒子群算法（ParticleSwarmOptimization，PSO）等智能優(yōu)化算法應(yīng)用于弧焊電源的控制中。模擬退火算法是基于Monte-Carlo迭代求解策略的一種隨機(jī)尋優(yōu)算法，工作原理是考慮了固體物質(zhì)的退火過(guò)程和一般組合優(yōu)化問(wèn)題之間的相似性。算法執(zhí)行過(guò)程是從某一較高初始溫度出發(fā)，隨著溫度數(shù)值的不斷下降，結(jié)合概率突跳特性在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解。KatherasanD等人研究藥芯焊絲電弧焊工藝時(shí)，為了得到滿足要求的焊縫寬度、熔深和接頭強(qiáng)度，用模擬退火算法和遺傳算法聯(lián)合進(jìn)行送絲速度、電弧電壓、焊接速度和焊槍傾角的參數(shù)優(yōu)化，焊接后的效果良好，能大大提高生產(chǎn)效率［16］。焊接接頭的質(zhì)量受焊接熔深的影響很大，因此，準(zhǔn)確預(yù)測(cè)和獲得最大化的熔深是非常必要的。文獻(xiàn)［17］提到一種不銹鋼鎢極氬弧焊的熔深預(yù)測(cè)與優(yōu)化模型，該模型是3層前饋性神經(jīng)網(wǎng)絡(luò)，4個(gè)輸入?yún)?shù)是焊接電流、焊接速度、保護(hù)氣體流量和焊槍傾角，輸出參數(shù)是焊縫熔深，模型經(jīng)過(guò)模擬退火算法優(yōu)化訓(xùn)練后能精確預(yù)測(cè)熔深。群智能算法是計(jì)算機(jī)工作者受螞蟻群、魚群、蜂群、鳥(niǎo)群等具有社會(huì)性特點(diǎn)的動(dòng)物群體行為啟發(fā)，通過(guò)對(duì)社會(huì)性動(dòng)物生活的模擬產(chǎn)生的一系列對(duì)于傳統(tǒng)優(yōu)化問(wèn)題的解決方法，焊接領(lǐng)域中研究較多的是蟻群算法和粒子群算法。文獻(xiàn)［18］把蟻群算法應(yīng)用于自適應(yīng)焊接機(jī)器人中，通過(guò)焊接機(jī)器人雙目立體視覺(jué)系統(tǒng)和小型線性激光發(fā)射器檢測(cè)焊縫位置和方向，蟻群算法能根據(jù)焊接機(jī)器人手臂移動(dòng)角度增量給出優(yōu)化后的焊接工藝參數(shù)指導(dǎo)焊接軌跡。曲線焊縫和馬鞍形焊縫的試驗(yàn)結(jié)果顯示，基于蟻群優(yōu)化算法的自適應(yīng)焊接機(jī)器人比傳統(tǒng)的PID控制和模糊控制焊接精度要高。粒子群算法優(yōu)化用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)的優(yōu)化已取得了不錯(cuò)效果，Malviya等人在熔化極惰性氣體保護(hù)焊中就采用了粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)［19］。KatherasanD在藥芯焊絲電弧焊中建立了送絲速度、電弧電壓、焊接速度和焊槍傾角為輸入?yún)?shù)，焊縫寬度、強(qiáng)度和熔深為輸出參數(shù)的神經(jīng)網(wǎng)絡(luò)模型，焊接試驗(yàn)數(shù)據(jù)采用粒子群算法進(jìn)行優(yōu)化，實(shí)現(xiàn)了在較窄的焊縫上得到最大的熔深［20］。

2弧焊電源發(fā)展與展望

模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法、群智能算法與專家系統(tǒng)各有特點(diǎn)，隨著弧焊電源智能控制研究的不斷深入，部分技術(shù)已經(jīng)開(kāi)始相互結(jié)合，應(yīng)用會(huì)越來(lái)越廣泛。弧焊電源的智能化是數(shù)字化焊接電源發(fā)展的方向，通過(guò)對(duì)現(xiàn)代電力電子技術(shù)和電子信息技術(shù)的整合，再加入嵌入式操作系統(tǒng)與網(wǎng)絡(luò)通信功能，未來(lái)的弧焊電源就如同1臺(tái)功能強(qiáng)大的具有焊接功能的計(jì)算機(jī)，具有精確的數(shù)字化控制能力，未來(lái)研究的方向有：（1）具備互聯(lián)網(wǎng)控制功能。用戶可以通過(guò)手持設(shè)備遠(yuǎn)程控制弧焊電源，可以在線調(diào)試、編程、升級(jí)軟件。（2）具備柔性化制造功能。弧焊電源內(nèi)置自適應(yīng)專家系統(tǒng)，能根據(jù)不同焊材的焊接要求自動(dòng)選擇合適的程序工作。（3）模塊化焊接機(jī)器人。智能弧焊電源配置自動(dòng)送絲系統(tǒng)和機(jī)器手臂等構(gòu)成自動(dòng)焊接機(jī)器人。電源設(shè)計(jì)模塊化可方便拆卸與維修，機(jī)器人具備全方位焊接功能，能夠?qū)崟r(shí)跟蹤焊縫，在線反饋焊接質(zhì)量。

作者：朱強(qiáng) 薛家祥 徐敏 單位：廣東交通職業(yè)技術(shù)學(xué)院 電子與通信工程學(xué)院 華南理工大學(xué) 機(jī)械與汽車工程學(xué)院