本文从CO₂保护焊技术的发展需要出发,为了更好地对焊缝几何形状进行预测,提出了建立CO₂保护焊接参数优化系统的必要性和实用性。为了较好地解决CO₂保护焊接工艺参数与焊缝几何形状之间的非线性映射问题,克服建立数学模型的困难,本文利用人工神经网络处理的非线性特点以及其在自组织学习与模糊推理等方面的技术优势,提出了将神经网络技术引入到系统中,建立一个基于神经网络的参数优化系统,为CO₂保护焊焊缝几何形状预测开辟了一条新的路径。 对网络训练样本的采集,本文提出了采用正交试验设计的方法来安排试验,数据处理采用极差分析法,并用实例进行了验证,保证了获取训练样本的代表性。 对于网络结构各参数的确定,本论文通过调用Matlab软件中的神经网络工具箱来仿真训练建立起来的BP神经网络,通过不断的调整,获得理想的参数。 本文中参数优化系统的开发采用模块化设计,在Windows环境下以VC++作为开发工具,采用面向对象的设计方法进行开发,建立了人机交互界面、网络训练模块以及数据仿真模块。在网络训练模块中,可以完成BP网络的建立、系统参数设置、样本数据调入和网络训练,并把训练好的网络保存起来。训练过程中的具体的计算由自定义的CMatrix类来完成。数据仿真模块则可以调用训练好的网络和需要仿真的数据完成数据仿真。运行程序完成了网络训练模块和数据仿真模块,从而可以完成焊缝几何形状的预测,实现焊接参数的优化。整个系统的建立过程为其他领域参数优化系统的开发提供了可借鉴的思路和方法。