人工神经网络在焊接中的应用研究和发展

《人工神经网络在焊接中的应用研究和发展》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、·72·材料开发与应用2010年8月文章编号：1003-1545(2010)04-0072-05人工神经网络在焊接中的应用研究和发展顾新盛，姚润钢，孔红雨，刘瞿(中国船舶重工集团公司第七二五研究所，河南洛阳471039)摘要：本文重点综述了人工神经网络(ANN)技术在焊接工艺参数设计、焊接性能预测、焊接过程控制方面的应用研究现状，并指出了它在焊接应用研究中的问题以及未来的发展趋势。关键词：人工神经网络；焊接工艺参数设计；焊接性能预测；焊接过程控制中图分类号：TP183，TG44文献标识码：A焊接是一个非常复杂

2、的过程，大量参数难以今已发表的网络模型有上百种之多，应用较多的量化，存在很多不确定性的模糊知识，往往需要网络模型主要有BP网络、Hopfield网络、Kohonen根据经验来做出决定，这使得专家系统(ES)在网络、ART网络和RBF网络，其中以BP网络和焊接领域得到了广泛应用并取得了较好效果。RBF网络在焊接领域中的应用最为广泛。然而由于专家系统具有自学习能力及容错能力BP网络是单向传播的多层前向网络，由输差，知识获取困难等弱点，使其在处理大型复杂入层、隐层和输出层构成。层间各个神经元实现问题时比较困难，限制

3、了它在焊接领域的进一步全连接，即下层的每一个神经元与上层的每一个应用和发展。人工神经网络(ANN)技术，因能模神经元都实现权连接，而每层各神经元之间不连拟人脑的并行信息处理方式以及具有独特的自接，网络中每一层神经元的连接权值都可以通过组织、自学习、快速处理、高度容错及很强的非线学习来调整。对于给定一个输入节点数为N、输性函数逼近能力，成为了处理非线性系统的有力出节点数为M的BP网络，输入信号由输入层到工具¨J，已广泛应用于医学、控制及优化、通信、输出层传递，通过非线性函数来复合完成从N维材料等领域。欧氏空间到

4、M维欧氏空间的映射，该过程是向前近年来，ANN技术独特的性能引起了焊接工传播的过程。如果实际输出信号与期望值存在作者的广泛关注。从业已完成的研究成果来看，误差，网络就转入误差反向传播过程，并根据误ANN技术已在焊接工艺参数设计、焊接性能预差的大小来调节各层神经元之间的连接权值，从测、焊接过程控制等方面得到了较多应用和研而使网络的输出逐渐接近所希望的输出，最终误究，并取得了一定成效。本文主要就人工神经网差满足要求，网络的学习过程结束，获得学习成络在焊接中的应用研究情况进行了综述，并指出功后的权值J。BP网络基本

5、结构如图1所示。了其在焊接应用研究中的发展趋势。1人工神经网络模型自1943年McCulloch等首次提出人工神经元模型以来，人工神经网络的研究在国内外取得了飞速发展。人工神经网络模型是以神经元的数学模型为基础进行描述，用网络拓扑、节点特点和学习规则来表示。在神经网络的发展过程中，网络模型的研究有着十分重要的地位]。迄图1BP网络结构收稿日期：2009—12—28第25卷第4期顾新盛等：人工神经网络在焊接中的应用研究和发展‘73·基于BP网络的人工神经网络的实质是把一在优选电阻点焊工艺参数时，建立了基于专家系

6、组样本输人输出问题转化为一个非线性优化问统和人工神经网络的人工智能系统。该系统充题，并通过梯度算法利用迭代运算求解权值的一分发挥了专家系统和人工神经网络各自的优点，种学习方法。BP网络具有很好的逼近非线性映具有使用简单、预测准确度高、速度快等优点。射的能力，在信息处理、系统控制等方面得到广文献[9]中则综合运用人工神经网络(ANN)、泛的应用。基于事例的推理(CBR)、模糊系统(Fuzzy)、基于RBF网络结构与BP网络类似，也是一种三事例的学习(CBL)以及产生式专家系统(ES)等多层前向网络，如图2所示。

7、从输入空间到隐含层种智能方法，建立了一个点焊工艺设计智能混和空间的变换是非线性的，而从隐含层空间到输出(ISSW)，工艺试验表明，ISSW可以满足点焊工艺空间的变换是线性的。隐单元的变换函数是设计基本要求。这为智能工程在焊接工艺设计领RBF，它是一种局部分布的对中心点径向对称衰域的应用提供了又一全新途径。减的非负非线性函数。RBF网络的基本思想是从近20年来国内外ANN技术在焊接中的用RBF作为隐单元的”基”构成隐含层空间，这应用类型看，焊接工艺参数选择的应用是最多样就可将输入矢量直接(不通过权连接)映射到的

8、，也是在技术上比较成熟的，有的已经用于工隐空间。当RBF的中心点确定以后，这种映射关程实践，产生了巨大的经济效益和社会效益。系也就确定了。网络的输出是隐单元输出的线2．2ANN在焊接性能预测中的研究性加权和。此处的权即为网络可调参数。这样目前，ANN在焊接性能预测中的研究主要包网络的权就可由线性方程组直接解出或用RLS括焊缝形状预测和焊接接头力学性能预测。方法递推计算，从而大大加快学习速度并避免局焊