[外文翻译]计算机模拟神经网络控制系统用于co2焊接工艺.doc

附件C：译文

计算机模拟神经网络控制系统用于CO2焊接工艺

摘要：在本文中已经建立了用于减少飞溅的CO2焊的神经网络控制系统。广义逆学习架构（GILA），专门逆学习架构（SILA）-1＆2和误差反向传播模型（ EBPM ）分别决定了通过模拟静态和动态焊接控制流程。仿真结果表明，该SILA-1和EBPM有很好的性能。同时对影响模拟结果的因素及动态响应品质进行了分析。

1引言
二氧化碳气体保护焊是高效率，低成本，并广泛应用于先进制造的工业生产中的焊接方法。但是，它存在一个严重的缺陷-大量的焊接飞溅，从而导致增加了工时以及焊接过程的不稳定性。在焊接领域它是一个重要的研究课题。减少在焊接过程[ 1 ， 2 ]中的飞溅的一个有效的方法是，控制焊接电流波形进而准确地获取熔滴 ，但如何特性话的描述飞溅量是一个关键问题。马跃州[ 3 ]和樊丁 [ 4 ， 5 ]指出电弧声音和焊接飞溅有很好的相关性。因此CO2焊接过程控制，可实现通过检测焊接电弧声音，并建立焊接电弧声和焊接参数之间的关系模型，如焊接电流，焊接电压等[ 6 ， 7 ] 。但是焊接过程是一个非线性的复杂系统，并且传统的建模与控制方法很难获得较好的控制效果。人工神经网络是一个多维度的非线性动态系统，并且在控制系统的基础上神经网络还是一个具有自学功能的自动适应控制器。在这篇文章中，创建和模拟了二氧化碳焊接神经网络控制系统的静态和动态控制模型。从而，一种智能化CO2焊接控制系统就被研发了。