第九章 焊接过程多变量控制方法研究.pdfVIP

焊接过程多变量控制方法研究 吕凤琳 陈善本 林涛 (上海交通大学焊接研究所，上海 200030) 摘 要：高度复杂的焊接过程，一直是过程控制界的一项难题。本文就其具有多个变量这一特点，较详细的总结了适合 于焊接过程的多变量控制方法，及其目前国内外的一些研究成果，具体介绍了神经网络控制方法，模糊控制方法和预测控制 方法。 关键词：焊接 多变量 神经网络 模糊 预测 0 前言 法只适用于线性定长多输入多输出（MIMO ）系统， 而焊接过程由于涉及大量的不确定因素，是典型的 焊接过程控制的目的在于获得良好的焊缝，焊 复杂过程。对这类复杂过程获取其精确的数学模型 接过程控制的发展与过程控制理论的发展过程是 是极为困难的，因此传统的解耦控制方法不适用于 密不可分的，在当今焊接领域的控制科研与实践 焊接过程。下面主要介绍一下适用于焊接过程的多 中，每一项优秀成果的取得无不体现这控制理论对 变量控制方法：神经网络控制方法，模糊控制方法 实践的指导作用，都是控制理论与具体的生产实践 及预测控制方法。 相结合的产物。焊接过程是存在高噪声干扰、较大 1.1 神经网络控制方法 的时滞和动态突变性的复杂过程，在很多情况下， 一种是非解耦的方法，如利用BP 神经网络任 焊接过程的准确的数学模型是无法得到的，而且在 意逼近非线性函数的特点，通过采集数据，经训练 弧焊过程中，影响焊接质量的因素并不是唯一的， 确定权值后，可以建立过程模型，用同样的方法也 而是多种因素或多个变量在共同决定焊接过程的 可以设计控制器，这是一个逆过程。 稳定性和质量的稳定性。就工艺参数而言，就有焊 另一种是解耦的方法，例如PID神经元网络[7]， 接电流，焊接电压，焊接速度，送丝速度，预热情 其结构原理如图 1 所示。各个子网络的输入层至隐 况，甚至环境条件。 层是相互独立的，其输入层有两个神经元，分别为 自六十年代以来，多变量过程控制理论受到了 比例元、积分元和微分元，它们的输入－输出函数 广泛的注意，并且很多研究成果已经成功的应用于 分别为比例、积分和微分函数。各个子网络在隐层 实践。目前，这个理论已成为过程控制理论中的一 至输出层相互交叉相连，输出层完成控制规律的综 个重要领域，而且，就其内容的深度而言，人们也 合，形成多变量对象的控制输入。它的隐层神经元 普遍的认为，它是过程控制理论中最难的理论领域 具有PID控制器的输入输出特性。 之一。说它高级，是因为能有效的对一些含有多个 P 互相关联的变量的生产过程实现统一的控制，而这 I u1 y1 种功能常常是不能借助于，一些人为的单变量过程 r1 D 控制系统，来完成的。说它复杂，是因为它比单变 plant P 量过程控制系统需要一些更复杂的设备，从而使系 r2 u2 y2 统的结构变得复杂。 I 因此，如何用多个操作变量控制