论文部分内容阅读
弧焊逆变电源以电力电子器件作为开关组件,采用反馈控制系统实现其焊接工艺要求。由于具有焊接性能好、响应快、动特性好、有利于实现自动化等优点,而且高效节能、质量轻、体积小、功率因数高,弧焊逆变电源已成为国际上公认的最先进的焊接电源,是一种最有发展前途的普及性弧焊电源。实际的焊接过程非常复杂,采用传统的控制方法很难满足控制要求或控制效果不佳。文中主要研究智能技术在弧焊电源中的应用技术。 弧焊逆变电源是一种典型的非线性环节与线性环节综合的自动控制系统。在不考虑负载变化的基础上,建立了系统的小信号线性模型。由于在CO2短路过渡焊在焊接过程中,要频繁的燃弧、短路。对于为其供电的弧焊电源来说,系统是在大信号扰动下工作的。因此,建立了弧焊逆变电源的大信号非线性模型。仿真结果表明,非线性模型的输出电压、电流及电流变化率能够满足焊接工艺的要求。 根据所建立的非线性模型,采用BP网络进行系统辨识。利用Matlab 6.x中的神经网络工具箱建立网络并进行训练、仿真。在神经网络自学习过程中,引入了自适应学习速率和动量法,加快了网络的收敛速度,提高了网络的辨识精度。 将专家系统和神经网络相结合是目前人工智能(AI)技术的一个重要研究方向。文中对专家系统和神经网络两者的区别和互补进行了详细的分析。根据两者的互补性,将人工神经网络的知识获取与表示方法引入专家系统,建立了基于神经网络的弧焊工艺选择专家系统的结构,阐述了系统各部分的功能以及系统工作过程。 设计了基于神经网络的专家系统的神经网络学习模块、知识库、推理机模块和数据库系统。神经网络学习模块采用BP网络,通过仿真分析确定了网络的结构。将训练样本进行归一化处理后,对网络进行训练,有关网络结构、权值构成等知识存入知识库,完成知识库的组建。采用正向推理机制,利用知识库中的知识进行推理。采用SQL Server创建数据库,在Visual C++6.0环境下,利用MFC类,通过ODBC(开发数据库连接)接口对创建的数据库文件进行编程与访问。系统能够实现在已知母材类型、厚度和焊丝直径数的情况下,由所设计的基于神经网络的专家系统推导出满足要求的焊接电压和焊接电流。