CN107598401A - 基于模糊推理‑神经网络的等离子弧焊电流熔宽控制系统 - Google Patents
基于模糊推理‑神经网络的等离子弧焊电流熔宽控制系统 Download PDFInfo
- Publication number
- CN107598401A CN107598401A CN201610546220.3A CN201610546220A CN107598401A CN 107598401 A CN107598401 A CN 107598401A CN 201610546220 A CN201610546220 A CN 201610546220A CN 107598401 A CN107598401 A CN 107598401A
- Authority
- CN
- China
- Prior art keywords
- plasma arc
- welding
- weld seam
- arc welding
- seam tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明涉及焊接质量控制技术领域,具体的说是一种基于模糊推理‑神经网络的等离子弧焊电流‑熔宽控制系统。该系统包括上位机、等离子弧焊接控制器、焊缝跟踪传感器、焊枪,以及焊缝跟踪控制接口,上位机通过人机交互接口与等离子弧焊接控制器连接,等离子弧焊接控制器的输出端分别与焊缝跟踪传感器和焊枪相连,焊缝跟踪传感器和焊枪安装在滑台上,焊缝跟踪传感器通过焊缝跟踪控制接口与等离子弧焊接控制器的输入端相连,焊缝跟踪传感器与焊件对应,焊枪通过焊接头与焊件对应。焊缝跟踪传感器从其视觉区域实时检测熔池宽度是否有偏差,并将检测信号通过焊缝跟踪控制接口传送给等离子弧焊接控制器,从而减小熔池宽度偏差,提高焊接质量。
Description
技术领域
本发明涉及焊接质量控制技术领域,具体的说是一种基于模糊推理-神经网络的等离子弧焊电流-熔宽控制系统。
背景技术
焊接是现代金属加工中最重要的方法之一,它和金属切削加工、压力加工、铸造、热处理等其他金属加工方法一起构成的金属加工技术是现代一切制造工业的基础生产工艺。
等离子弧焊是一种高能量密度的压缩电弧,是现代发展起来的一种高温新热源。由于等离子弧的弧柱被压缩,使得气体达到高度的电离,而产生很高的温度,又使得能量集中于一个很小的柱体。因此可以用它作为各种用途的高温热源用于焊接,可以减少气流,改成“柔性弧”,用以减少冲击力。
然而,由于焊接熔池动态变化过程是一个高度非线性、多变量耦合作用、同时具有大量随机不确定因素的复杂过程,决定了对等离子弧焊的熔宽、熔透和焊缝成型等质量控制是非常困难的。由于焊接过程的复杂性决定了经典的对象建模方法不可能得到有效的可控制模型,这也就是长期以来焊接过程控制成为困扰焊接界和控制界的一大难题的主要原因。
发明内容
针对现有技术的不足,本发明提供一种基于模糊推理-神经网络的等离子弧焊电流-熔宽控制系统,其目的在于对焊接熔池的动态变化过程进行有效的实时控制,提高焊接自动化,提高加工效率,改善工艺性,并且减少由于热变形、安装误差等引起的各种焊接误差,提高焊接精度。
本发明的技术方案是:
一种基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,用于对等离子弧焊时熔宽的动态控制,包括上位机、等离子弧焊接控制器、焊缝跟踪传感器、焊枪,以及焊缝跟踪控制接口,具体结构如下:
上位机通过人机交互接口与等离子弧焊接控制器连接,等离子弧焊接控制器的输出端分别与焊缝跟踪传感器和焊枪相连,焊缝跟踪传感器和焊枪安装在滑台上,焊缝跟踪传感器通过焊缝跟踪控制接口与等离子弧焊接控制器的输入端相连,焊缝跟踪传感器与焊件对应,焊枪通过焊接头与焊件对应。
所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,滑台上的焊缝跟踪传感器在等离子弧焊接的同时,从其视觉区域实时检测熔池宽度是否有偏差,并将检测信号通过焊缝跟踪控制接口传送给等离子弧焊接控制器;等离子弧焊接控制器用于对焊机功率的控制,其发出的焊接控制信号,通过控制焊接电源输出实现对焊接质量的控制。
所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,焊缝跟踪控制接口将检测信号整定为模拟量信号,并将其反馈给等离子弧焊接控制器;等离子弧焊接控制器根据接受的模拟量信号判断熔池宽度,同时产生焊接电压调整信号,再将调整信号做模糊推理-神经网络控制算法整定后形成最终的焊接电压调整信号,改变焊接电源的输出功率,完成熔宽的动态调节。
所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,焊缝跟踪传感器为视觉传感器,采用熔池宽度跟踪相机。
所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,焊缝跟踪传感器的检测方向和焊枪的焊接头方向与焊缝所在的焊件成20~40°角度。
所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,基于模糊推理-神经网络控制算法,通过焊缝跟踪传感器检测熔池宽度的微小变化,形成闭环反馈,从而对等离子弧焊熔宽动态过程进行控制,以提高焊接精度。
所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,采用模糊控制器将误差e和误差的变化量ee限幅,并模糊化为模糊神经网的输入变量E、EE,共14个输入节点,e对应9个,ee对应5个;FANN是用于记忆表1的模糊规则的3层BP网络,其节点数N1、N2、N3分别为14、25、11,其输出是控制电流的模糊相量U,对应11个节点,经反模糊清晰化得到焊接电流调节量的实际值u;与某一逻辑变量对应的一组节点上的数值表示神经元的兴奋程度,是其节点名义值所对应的模糊量隶属度,节点名义值所对应的模糊量的隶属度函数取为高斯函数g(N,u,d)=exp[-(N-u)2/d];式中,N为节点数,u和d为均值和方差,各变量的隶属函数定义如下:
E:GE={g(n,xe,de)},n=-4,…,+4,de=2.5
CE:GCE={g(m,xc,dc)},m=-2,…,+2,dc=2.0
U:GU={g(k,xu,du)},k=-5,…,+5,du=2.5。
本发明的优点及有益效果是:
1、经典的常规控制手段几乎无法有效地应用到焊接动态过程,这是因为经典控制理论基于对象的数学建模,由于焊接过程的复杂性决定了经典的对象建模方法不可能得到有效的可控制模型,这也就是长期以来焊接过程控制成为困扰焊接界和控制界的一大难题的主要原因。为了解决上述问题,本发明基于模糊推理-神经网络控制算法,通过焊缝跟踪传感器检测熔池宽度的微小变化,形成闭环反馈,从而对等离子弧焊熔宽动态过程进行控制,以提高焊接精度。
2、本发明可以在进行等离子弧焊接的同时实现对焊缝的跟踪控制,通过对等离子弧焊熔宽动态过程控制设计了模糊神经网络控制系统。模糊控制器是采用神经网络来记忆抽象的焊工操作经验规则,比通常直接应用模糊推理规则更符合人的认识模式,当采用复杂作用条件的经验规则时,只须规定网络的输入输出节点的含意,而无须改变整个控制器的结构和算法。而且,神经网控制器作用于系统时,其计算量与经验知识的多少并没有关系,网络对经验规则的容错性和鲁棒性也比直接应用经验规则推理好。因此,模糊神经网控制器比常用的模糊推理控制器具有更广泛的通用性和应用前景。
附图说明
图1是本发明的等离子弧焊接焊缝跟踪控制系统整体框架图。
图2是本发明的双光束焊接前端结构示意图。图中,1滑台;2焊缝跟踪传感器;3焊枪;4焊件。
图3是等离子弧焊熔宽动态过程模糊推理-神经网络控制系统图。
图4是模糊神经网络控制模型图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
如图1-图2所示,本发明基于模糊推理-神经网络的等离子弧焊电流-熔宽控制系统,用于等离子弧焊时熔池宽度的动态控制,包括上位机、等离子弧焊接控制器、焊缝跟踪传感器(如:熔池宽度跟踪相机等)、焊枪,以及焊缝跟踪控制接口(即:熔池宽度跟踪控制接口)等,具体结构如下:
上位机通过人机交互接口与等离子弧焊接控制器连接,等离子弧焊接控制器的输出端分别与焊缝跟踪传感器2和焊枪3相连,焊缝跟踪传感器2为视觉传感器,焊缝跟踪传感器2和焊枪3安装在滑台1上,焊缝跟踪传感器2通过焊缝跟踪控制接口与等离子弧焊接控制器的输入端相连,焊缝跟踪传感器2与焊件4对应,焊枪3通过焊接头与焊件4对应。
上位机负责人机交互界面显示的管理、控制系统状态的实时监控、对用户输入的参数进行响应与处理等工作,例如:系统状态显示、图形显示、参数输入等。
等离子弧焊接控制器集成数字信号和模拟信号的响应、底层的模糊推理-神经网络控制算法、焊接电源功率控制环节等功能。焊缝跟踪传感器从其视觉区域实时检测熔池宽度是否有偏差,并将检测信号通过焊缝跟踪控制接口传送给等离子弧焊接控制器;等离子弧焊接控制器用于对焊机功率的控制,其发出的焊接控制信号,通过控制焊接电源输出实现对焊接质量的控制,从而减小熔池宽度偏差,提高焊接质量。
如图2所示,两个支架根据工艺要求按照一定角度、一定距离安装在滑台1上,具体来说焊缝跟踪传感器2和焊枪3与焊缝所在的焊件4成20~40°左右角度。
焊缝跟踪传感器2随滑台1一起运动,在焊接的同时从其视觉区域实时的检测熔池宽度,并将检测信号传送给焊缝跟踪控制接口。
焊接时,当两个焊缝跟踪传感器2实时检测熔池宽度,并把检测信号发送给焊缝跟踪控制接口,焊缝跟踪控制接口将该检测信号整定为适用于等离子焊接控制器的模拟量信号,并将其发送出去。等离子焊接控制器接受模拟量信号并判断熔池偏差,一旦出现可控的微小偏差,等离子焊接控制器便产生偏差量信号,之后将偏差量信号做等离子模糊推理-神经网络整定后,形成焊接偏差修正信号修正焊接电源功率,最后输出经过修正后的焊接电压完成焊接偏差修正。
下面,通过附图对模糊推理-神经网络在等离子弧焊的应用进行详细分析:
在确定的母材及工艺参数规范下,主要影响等离子弧焊熔宽变化的因素是焊接速度和焊接电流。另外,考虑到一般情况下等离子弧焊工艺操作是将焊速固定而调节焊接电流,因此本发明也选择控制焊接电流—正面熔宽的单入单出系统作为控制量。
对电流熔宽作阶跃响应试验显示了熔宽随电流变化过程具有明显的非线性特性,依试验数据并考虑焊工经验归纳出如表1所示模糊规则。
表1脉冲TIG焊熔宽模糊控制规则
表中,E、EE为误差e和误差变化ee的模糊量,P、N表示正负,B、M、S、0分别表示大、中、小、零的模糊语义,规则表示的是焊接电流调节的模糊量U。
如图3所示,在设计中采用人工神经网络来记忆上述规则,实现模糊神经网络控制系统功能。模糊控制器将误差e和误差的变化量ee限幅,并模糊化为模糊神经网的输入变量E、EE,共14个输入节点,e对应9个,ee对应5个。FANN是用于记忆表1的模糊规则的3层BP网络,其节点数N1、N2、N3分别为14、25、11,其输出是控制电流的模糊相量U,对应11个节点,经反模糊清晰化得到焊接电流调节量的实际值u。与某一逻辑变量对应的一组节点上的数值表示神经元的兴奋程度,是其节点名义值所对应的模糊量隶属度,节点名义值所对应的模糊量的隶属度函数取为高斯函数g(N,u,d)=exp[-(N-u)2/d];式中,N为节点数,u和d为均值和方差,各变量的隶属函数定义如下:
E:GE={g(n,xe,de)},n=-4,…,+4,de=2.5
CE:GCE={g(m,xc,dc)},m=-2,…,+2,dc=2.0
U:GU={g(k,xu,du)},k=-5,…,+5,du=2.5。
依上式便可将模糊经验规则转化为神经网络的一组输入输出样本,对网络训练使之实现表1的控制规则映射。网络Fann结构图及网络函数如图4所示,网络函数为:
X=[CE,GCE]T=[x1,....,xN1]T
在模糊化和反模糊化中对变换因子等作了统计考虑,WP为焊接熔宽过程,MS为检测及图像处理环节。
从而,根据此焊接流程,等离子弧焊接熔宽控制系统最终形成闭环控制,并且此闭环控制在焊接过程中实时进行,即:实时检测、实时判断、实时调整,最终由实时的闭环控制确保了焊接质量。
Claims (7)
1.一种基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,用于对等离子弧焊时熔宽的动态控制,包括上位机、等离子弧焊接控制器、焊缝跟踪传感器、焊枪,以及焊缝跟踪控制接口,具体结构如下:
上位机通过人机交互接口与等离子弧焊接控制器连接,等离子弧焊接控制器的输出端分别与焊缝跟踪传感器和焊枪相连,焊缝跟踪传感器和焊枪安装在滑台上,焊缝跟踪传感器通过焊缝跟踪控制接口与等离子弧焊接控制器的输入端相连,焊缝跟踪传感器与焊件对应,焊枪通过焊接头与焊件对应。
2.按照权利要求1所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,滑台上的焊缝跟踪传感器在等离子弧焊接的同时,从其视觉区域实时检测熔池宽度是否有偏差,并将检测信号通过焊缝跟踪控制接口传送给等离子弧焊接控制器;等离子弧焊接控制器用于对焊机功率的控制,其发出的焊接控制信号,通过控制焊接电源输出实现对焊接质量的控制。
3.按照权利要求1所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,焊缝跟踪控制接口将检测信号整定为模拟量信号,并将其反馈给等离子弧焊接控制器;等离子弧焊接控制器根据接受的模拟量信号判断熔池宽度,同时产生焊接电压调整信号,再将调整信号做模糊推理-神经网络控制算法整定后形成最终的焊接电压调整信号,改变焊接电源的输出功率,完成熔宽的动态调节。
4.按照权利要求1所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,焊缝跟踪传感器为视觉传感器,采用熔池宽度跟踪相机。
5.按照权利要求1所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,焊缝跟踪传感器的检测方向和焊枪的焊接头方向与焊缝所在的焊件成20~40°角度。
6.按照权利要求1所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,基于模糊推理-神经网络控制算法,通过焊缝跟踪传感器检测熔池宽度的微小变化,形成闭环反馈,从而对等离子弧焊熔宽动态过程进行控制,以提高焊接精度。
7.按照权利要求6所述的基于模糊推理-神经网络的等离子弧焊电流熔宽控制系统,其特征在于,采用模糊控制器将误差e和误差的变化量ee限幅,并模糊化为模糊神经网的输入变量E、EE,共14个输入节点,e对应9个,ee对应5个;FANN是用于记忆表1的模糊规则的3层BP网络,其节点数N1、N2、N3分别为14、25、11,其输出是控制电流的模糊相量U,对应11个节点,经反模糊清晰化得到焊接电流调节量的实际值u;与某一逻辑变量对应的一组节点上的数值表示神经元的兴奋程度,是其节点名义值所对应的模糊量隶属度,节点名义值所对应的模糊量的隶属度函数取为高斯函数g(N,u,d)=exp[-(N-u)2/d];式中,N为节点数,u和d为均值和方差,各变量的隶属函数定义如下:
E:GE={g(n,xe,de)},n=-4,…,+4,de=2.5
CE:GCE={g(m,xc,dc)},m=-2,…,+2,dc=2.0
U:GU={g(k,xu,du)},k=-5,…,+5,du=2.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610546220.3A CN107598401A (zh) | 2016-07-12 | 2016-07-12 | 基于模糊推理‑神经网络的等离子弧焊电流熔宽控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610546220.3A CN107598401A (zh) | 2016-07-12 | 2016-07-12 | 基于模糊推理‑神经网络的等离子弧焊电流熔宽控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107598401A true CN107598401A (zh) | 2018-01-19 |
Family
ID=61055298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610546220.3A Pending CN107598401A (zh) | 2016-07-12 | 2016-07-12 | 基于模糊推理‑神经网络的等离子弧焊电流熔宽控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107598401A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108637329A (zh) * | 2018-04-17 | 2018-10-12 | 哈尔滨理工大学 | 拼接淬硬钢模具振动辅助铣削装置及模糊控制方法 |
CN109290664A (zh) * | 2018-10-23 | 2019-02-01 | 华南理工大学 | 基于声音传感与电流控制的k-tig焊熔透监控系统与方法 |
CN109604776A (zh) * | 2018-11-28 | 2019-04-12 | 芜湖常瑞汽车部件有限公司 | 一种机器人自动焊接焊缝跟踪检测方法 |
CN113199184A (zh) * | 2021-07-05 | 2021-08-03 | 北京航空航天大学 | 一种基于改进自适应模糊神经网络的焊缝外形预测方法 |
CN113478056A (zh) * | 2021-06-30 | 2021-10-08 | 武汉理工大学 | 一种新的电弧焊接的实时弧压跟踪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10249525A (ja) * | 1997-03-06 | 1998-09-22 | Nkk Corp | 溶接条件適応制御方法及び装置 |
CN101329169A (zh) * | 2008-07-28 | 2008-12-24 | 中国航空工业第一集团公司北京航空制造工程研究所 | 一种电子束焊接熔凝区形状因子的神经网络建模方法 |
CN103801825A (zh) * | 2014-01-27 | 2014-05-21 | 华中科技大学 | 一种双光束焊接焊缝跟踪控制系统 |
CN104765318A (zh) * | 2014-12-16 | 2015-07-08 | 沈阳富创精密设备有限公司 | 基于熔池温度测量的等离子弧焊接模糊控制系统及方法 |
CN105478975A (zh) * | 2016-01-26 | 2016-04-13 | 清华大学 | 基于远心视觉传感的端接微束等离子焊接成形控制方法 |
-
2016
- 2016-07-12 CN CN201610546220.3A patent/CN107598401A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10249525A (ja) * | 1997-03-06 | 1998-09-22 | Nkk Corp | 溶接条件適応制御方法及び装置 |
CN101329169A (zh) * | 2008-07-28 | 2008-12-24 | 中国航空工业第一集团公司北京航空制造工程研究所 | 一种电子束焊接熔凝区形状因子的神经网络建模方法 |
CN103801825A (zh) * | 2014-01-27 | 2014-05-21 | 华中科技大学 | 一种双光束焊接焊缝跟踪控制系统 |
CN104765318A (zh) * | 2014-12-16 | 2015-07-08 | 沈阳富创精密设备有限公司 | 基于熔池温度测量的等离子弧焊接模糊控制系统及方法 |
CN105478975A (zh) * | 2016-01-26 | 2016-04-13 | 清华大学 | 基于远心视觉传感的端接微束等离子焊接成形控制方法 |
Non-Patent Citations (1)
Title |
---|
陈善本 等: ""脉冲TIG焊熔宽动态过程模糊推理-神经网络控制方法"", 《焊接学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108637329A (zh) * | 2018-04-17 | 2018-10-12 | 哈尔滨理工大学 | 拼接淬硬钢模具振动辅助铣削装置及模糊控制方法 |
CN109290664A (zh) * | 2018-10-23 | 2019-02-01 | 华南理工大学 | 基于声音传感与电流控制的k-tig焊熔透监控系统与方法 |
CN109604776A (zh) * | 2018-11-28 | 2019-04-12 | 芜湖常瑞汽车部件有限公司 | 一种机器人自动焊接焊缝跟踪检测方法 |
CN113478056A (zh) * | 2021-06-30 | 2021-10-08 | 武汉理工大学 | 一种新的电弧焊接的实时弧压跟踪方法 |
CN113199184A (zh) * | 2021-07-05 | 2021-08-03 | 北京航空航天大学 | 一种基于改进自适应模糊神经网络的焊缝外形预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107598401A (zh) | 基于模糊推理‑神经网络的等离子弧焊电流熔宽控制系统 | |
WO2021129671A1 (zh) | 一种用于电弧增材制造的焊道建模方法、设备及系统 | |
CN105345237B (zh) | 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法 | |
Xu et al. | Welding seam tracking in robotic gas metal arc welding | |
CN106825953B (zh) | 一种激光-电弧复合焊接实时调控系统及其调控方法 | |
CN105478976B (zh) | 基于动态系统辨识的端接微束等离子焊接成形控制方法 | |
Liu et al. | A tutorial on learning human welder's behavior: Sensing, modeling, and control | |
Xue et al. | Robotic seam tracking system based on vision sensing and human-machine interaction for multi-pass MAG welding | |
DE112010000794T5 (de) | Verfahren zum Steuern eines Roboterwerkzeugs | |
CN104209629B (zh) | 一种管道多点同步自动焊旋转电弧模糊控制跟踪方法 | |
CN107855687A (zh) | 一种增材制造熔深在线检测和控制方法及系统 | |
CN108672907A (zh) | 基于结构光视觉传感的弧焊机器人焊缝在线纠偏方法 | |
Jin et al. | An intelligent weld control strategy based on reinforcement learning approach | |
Di et al. | Neural-network-based self-organized fuzzy logic control for arc welding | |
CN107160396A (zh) | 一种基于轨迹优化的机器人振动控制器及方法 | |
Xiong et al. | Active vision sensing and feedback control of back penetration for thin sheet aluminum alloy in pulsed MIG suspension welding | |
Zhang et al. | Intelligent control of pulsed GTAW with filler metal | |
Chen | Research evolution on intelligentized technologies for robotic welding at SJTU | |
CN107290960A (zh) | 一种大型智能割草机器人的复合智能控制系统 | |
Doumanidis | Multiplexed and distributed control of automated welding | |
Doumanidis | Modeling and control of timeshared and scanned torch welding | |
Chen et al. | Machine assisted manual torch operation: system design, response modeling, and speed control | |
Zhong et al. | Based on Multi-sensor of Roughness Set Model of Aluminum Alloy Pulsed GTAW Seam Forming Control Research | |
Deepak et al. | Computer aided weld seam tracking approach | |
Huang et al. | Investigation of Laser Welding Seam Tracking Based on Visual Sensing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |