点焊以其高效率、低成本的突出优点已广泛应用于大批量薄板焊接结构生产中,如轿车车身、航空航天、家用电器和家具等。电阻点焊的形核处于封闭状态,使得焊点质量参数(熔核直径、强度等)无论在焊接期间还是在焊后都无法直接观测,从而给点焊质量监控和检测带来了极大的困难。但是由于电阻点焊在汽车、航空、航天制造工程和电器工业的应用越来越广泛,故针对电阻点焊的质量控制已经成为了相关行业关注的热点。原有的点焊质量控制方法绝大多数都是基于一定的假设条件建立数学模型,而实际焊接过程的复杂程度使得这些模型与实际对象间相离较远,难以达到满意的适应效果。本课题以电阻点焊质量在线监控为目的,电流、电压、电极位移等焊接信号为对象,尝试使用人工神经网络和模糊控制等人工智能方法建立点焊质量的过程模型。论文工作主要包括以下内容: 1)采集系统的研制。研制了以KS2062型A/D卡为核心的数据采集系统,完成对电阻点焊过程中的焊接电压、焊接电流和电极位移信号的采集。 2)过程信号的特征提取。尝试使用线性方程描述过程参量的变化趋势,并且确定过程信号的特征参量及其计算方法。 3)RBF神经网络预测模型。利用RBF神经网络工具,以点焊过程参量的周波序列作为输入,以对应焊点的拉剪力作为输出,建立点焊过程参数与焊点质量之间的映射模型,实现借助点焊过程信号来预测焊点的质量。 4)点焊过程喷溅识别系统。分别使用模糊聚类分析和模糊推理的方法对点焊过程中的喷溅现象进行识别。 5)点焊质量的模糊推理。根据喷溅识别系统的结果将点焊过程进行分类,当有喷溅时使用动态电阻参量建立的模糊推理系统对点焊质量进行推理;当无喷溅时使用电极位移参量建立的模糊推理系统对焊点质量进行推理。 6)对比RBF神经网络预测结果和模糊推理结果,表明模糊推理焊点强度有较高的精度。