逆变点焊机的智能控制技术

　　逆变点焊机智能控制技术在解决高度非线性和严重不确定性系统的控制方面显示出巨大的潜力，为许多难以建立精确数学模型的控制对象带来了新的希望。逆变点焊机点焊过程是一个高度非线性、有多变量耦合作用和大量随机不确定因素的过程，其焊点核心的形成过程极短且处于封闭状态，无法观测，特征信号的提取比较困难，因此，点焊质量的监测和控制难度较大。传统的点焊质量控制方法大多数都是在一定的假设条件下建立数学模型的控制，难以达到满意的适应效果，这是基于数学模型控制方法本身的局限性所决定的。人工智能技术可在不作任何假设条件的情况下完成对过程的建模和控制，并且具有自学习功能。因此，开展点焊质量控制和检测的智能技术研究异常活跃。

　　但是，当神经网络及模糊理论的研究日渐向前时，它们各自的缺点也显现出来。神经网络虽有学习、自适应、自组织、容错和修正等优点，但很难实现逻辑思维，无法把形象思维转化为语言表达;模糊理论虽以模糊逻辑为基础，能实现人类思维的模糊性，但无学习能力。目前，单纯使用神经网络控制技术的研究有停滞不前的趋势。究其原因，除神经网络本身的问题(例如，泛化能力不能够达到控制系统鲁棒性的要求)之外，最主要的原因就是神经网络的黑箱式的知识表达方式使其不能够利用先验知识进行学习。同时，模糊逻辑的应用也遇到了模糊规则难于确定的问题。因此，把具有学习能力和容错能力的神经网络技术，与具有形象思维和逻辑推理的模糊理论结合起来的模糊神经网络技术应运而生。模糊神经网络结合了模糊逻辑与神经网络的优点，避免了两者的缺点，既可以具有模糊逻辑的不确定信息处理能力，又可以有神经网络的自学习能力，因此在控制领域有很广泛的应用前景。在逆变点焊机领域也开辟了这一新的研究方向，苏州威尔达焊接设备有限公司探索性地开展了模糊神经网络自适应逆变点焊恒流控制的研究工作。

　　本文原创，转载请注明：苏州威尔达焊接实验室-逆变点焊机www.szweierda.com