基于遗传算法的模糊神经网络控制器在GTAW中的应用.pdfVIP

维普资讯 第24卷 第4期 焊 接 学 报 v。1．24 No．4 2003 年 8 月 TRANSACTIONSOFTHE CHINA WELDING INSTITUTION August 2003 基于遗传算法的模糊神经网络控制 器在 GTAW 中的应用 雷玉成， 张 成， 程晓农， 陈希章 (江苏大学 材料科学与工程学院，江苏 镇江 212013) 摘 要：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 (；TAW 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。 关键词：GTAW；模糊神经网络；控制器；遗传算法 雷玉成 中图分类号 ：TG409 文献标识码：A 文章编号：0253—360X(2003)04—47—40 0 青 专 立了基于遗传算法的模糊神经网络控制器，通过 自 学习、训练，及时地反馈焊接 的质量，可以实现实时 焊接是制造业中重要的加工工艺方法之一…。 在线监控焊接质量，使得专家的经验和 自动控制很 好地结合起来，焊接过程控制获得比较好的效果。 近 30年来，新一代控制理论——智能控制理论正在 逐步形成，智能化焊接技术已成为焊接界科学工作 者研究的新热点。遗传算法 (Geneticalgorithm)是 1 模糊神经网络控制器的设计 一 类借鉴生物界 自然选择和 自然遗传机制的随机化 搜索算法，其主要特点是群体搜索策略和群体中个 对于脉冲 GTAW，进行焊接过程控制的 目的就 体之间的信息交换，搜索不依赖于梯度信息。它尤 是要消除焊接过程输出的熔池反面最大熔宽与期望 其适用于处理传统搜索方法难 以解决的、复杂的和 值之间的偏差。因此所设计的模糊神经网络控制器 非线性的问题，是智能计算中的关键技术之一 。 把采用熔池反面熔宽与设定的期望值之间的误差和 遗传算法作为一种新的全局优化搜索方法，具有简 误差的变化作为输入变量，以控制量脉冲 占空比作 单通用、适于并行处理和应用范围广的优点。 为输出变量。分别设输入变量为 e和 △e，输出变量 TIG焊接工艺在重要产品结构的制造过程 中得 为 。将 e和 △e划分为 7个模糊子集 {NB，NM， 到了广泛应用 。由于影响 TIG焊接工艺的因素众 NS，ZO，PS，PM，PB}，表示的意思为 {‘负‘大”，“负 多，为了保证焊接质量和焊接结构的安全可靠性 ，必 中”，“负小”，“零”，“正小”，“正中”，“正大”}。采 须对焊接过程，特别是焊接熔宽实施精确控制。然 用 T—S模型的模糊推理系统的模糊控制规则为 而，焊接过程是一个高度非线性、强耦合、时变的系 R if(eisA)and(AeisB)hten =u 统，难 以建立精确的数学模型，因而采用传统应用的 式中： 1，2，……，n；A，B为输入的隶属度函数， 控制手段难 以获得满意的效果。