CN103521890A - 双面双弧立焊近红外视觉传感与熔透控制装置及方法 - Google Patents

Abstract

本发明公开了一种双面双弧立焊近红外视觉传感与熔透控制装置及方法，特别适用于铝合金、高强钢、不锈钢、钛合金螺旋管等双面双弧焊接过程在线熔透控制；还适用于船舶、石油储罐、核电容器等现场对接立焊过程在线熔透控制。本发明实时双面检测立焊熔池视觉图像，通过图像处理和熔透特征参数提取，获得双面双弧立焊根部熔透过程的信息，建立根部熔透的控制模型，并自动调整焊接电流、焊枪摆动宽度、焊接速度等工艺参数，控制焊缝根部全部熔透，保证双面双弧焊接质量。

Description

双面双弧立焊近红外视觉传感与熔透控制装置及方法

技术领域

本发明涉及一种弧焊熔透控制方法，特别是一种双面双弧立焊近红外视觉传感与熔透控制装置及方法。

背景技术

铝合金、低合金高强钢等螺旋管的焊接生产，是由带材经螺旋管生产线经开卷、校平、切边、成型、压紧、焊接、整圆等工艺制造形成螺旋管，焊接工艺是螺旋管制造的关键技术，焊接质量特别是“熔透”质量直接决定螺旋管焊接接头的力学性能，决定了螺旋管的承载能力。

目前钢螺旋管一般采用埋弧焊技术，依靠双面焊保证熔透，没有采用视觉传感，也未采用基于近红外视觉传感的熔透控制技术；铝合金螺旋管国内仅江苏金鑫电器和南京理工大学开展了铝合金螺旋管双面双弧焊接工艺的研究，铝合金螺旋管双面双弧熔透控制技术尚未见报道。舰船船体壳体分段和总段建造合拢焊接，现场操作采用立焊工艺，哈尔滨工业大学和锦西造船有限公司针对船体合拢研究了双面双TIG+MIG焊接技术，但未提出未研究基于近红外视觉传感的双面双弧视觉传感熔透控制方法和技术。

双面双弧焊接双面、双电弧同步同时加热，形成一个共同的熔池，焊接过程影响因素众多，工艺复杂，焊接热输入不足或加热位置不准，坡口根部会产生未熔合，造成未熔透，影响接头承载，焊接热输入过大，坡口根部发生烧穿，造成焊缝接头焊穿缺陷，焊接失败，焊接过程检测熔透信息，在线调整工艺参数保证双面双弧熔透质量，是螺旋管、舰船体立焊重要的技术方法。但是现有技术中尚无相关描述。

发明内容

本发明的目的在于提供一种双面双弧焊近红外视觉传感与熔透控制方法。

实现本发明目的的技术解决方案为：一种双面双弧立焊近红外视觉传感与熔透控制装置，包括近红外视觉内传感器、近红外视觉外传感器、屏蔽信号线、图像采集卡、计算机、内焊缝PTIG机头、内焊枪、外焊缝PTIG机头、外焊枪、校平装置、切边机、三点弯曲成形机；

切边机位于校平装置的前方，三点弯曲成形机位于切边机的前方，板带经校平装置校平后在切边机中刨边，最终经三点弯曲成形机加工成螺旋管；

内焊枪固定在内焊缝PTIG机头上，外焊枪固定在外焊缝PTIG机头上，内焊枪位于待焊接的螺旋管的内侧，外焊枪位于待焊接的螺旋管的外侧，内焊枪、外焊枪均对准待焊接的接缝正中，并且内焊枪、外焊枪同轴设置，二者的轴线与螺旋管待焊接点的法线重合，内焊枪上设置内焊枪钨电极，外焊枪上设置外焊枪钨电极，内焊枪钨电极和外焊枪钨电极的轴线重合；内焊枪上固连近红外视觉内传感器，近红外视觉内传感器的轴线与内焊枪的轴线呈35°～45°，外焊枪上固连近红外视觉外传感器，近红外视觉外传感器的轴线与外焊枪的轴线呈35°～45°，近红外视觉内传感器和近红外视觉外传感器的轴线均穿过熔池中心；近红外视觉内传感器上设置内传感器镜头，近红外视觉内传感器与内传感器镜头轴线重合，近红外视觉外传感器上设置外传感器镜头，近红外视觉外传感器与外传感器镜头的轴线重合，内传感器镜头和外传感器镜头均距熔池表面3-6cm；

近红外视觉内传感器、近红外视觉外传感器均通过屏蔽信号线与图像采集卡相连，将检测到的信号传输给图像采集卡，该图像采集卡同时与计算机相连。

一种基于上述双面双弧立焊近红外视觉传感与熔透控制装置的焊接质量控制方法，包括以下步骤：

步骤1、近红外视觉内传感器与近红外视觉外传感器实时双向连续传感熔池视觉图像，并将图像传输给图像采集卡；

步骤2、图像采集卡将熔池视觉图像传输给计算机，进行熔池视觉图像分区域轮廓曲线和特征参数提取，经加窗、中值滤波、边缘腐蚀细化处理后，获得熔池视觉图像外轮廓和熔池中心区域小孔的熔透轮廓图像；

步骤3、根据步骤2提取的熔池视觉图像外轮廓和熔池中心区域小孔的熔透轮廓图像，获得熔池外轮廓和熔池中心区域小孔的熔透轮廓特征的几何参数，具体包括熔池宽度B、熔池长度L、熔透小孔直径d、熔池面积S、后拖角β、熔透小孔圆度Δ_v和小孔面积的平均值s_v、最大直径d_m、与d_m同侧最大熔池宽度B_m、熔池长、最小直径d_i、与d_i同侧熔池宽度B_i；

步骤4、建立双面双弧熔透判断模型和焊穿判断模型；所述双面双弧熔透判断模型为：双侧熔透小孔最大直径d_m大于3mm，同侧熔池宽度B_m大于0.75h并且小于1.2h，其中h为板厚，单位为mm，同侧熔池宽度B_m与熔池长度L之比大于0.6；

双面双弧焊穿判断模型为：双侧熔透小孔最小直径d_i大于5mm、同侧熔池宽度B_m大于1.1h、同侧熔池宽度B_m与熔池长度L之比大于0.9。

步骤5、依据步骤4中的双面双弧熔透判断模型进行熔池情况判断：若焊穿，则提高弧压和送丝速度，焊枪回烧重新焊接并返回步骤1；若未焊穿，依据步骤4中的熔透模型判断是否焊透，若焊透，依据步骤6的模糊控制方法获得的焊接电流、焊枪摆动宽度的最佳值，调整双弧焊接电流、焊枪摆动宽度；若未焊透但至少一面出现熔透小孔，即d>0,且至少一面熔池面积大于临界值S_k，则依据步骤6的模糊控制方法获得的焊接电流度、焊接速度的最佳值，调整双弧焊接电流、焊接速度；若未出现熔透小孔，即d为0或熔池面积S小于临界值S_k，则减小焊接速度重新焊接并返回步骤1；

步骤6、采用模糊-神经网络控制方法实时计算双面双弧熔透焊接过程中的焊接电流、焊枪摆动宽度、焊接速度的最佳值，依据步骤5中的熔池判断情况相应的对焊接电流、摆动宽度、焊接速度作实时调整并返回步骤1。

双面双弧熔透焊接工艺参数模糊-神经网络控制方法为：以步骤3中获得的熔池宽度B、熔池长度L、熔透小孔直径d、熔池面积S、后拖角β、熔透小孔圆度Δ_v和小孔面积的平均值s_v作为模糊神经网络的输入变量，建立五层模糊神经网络，网络的一到三层实现模糊控制的模糊推理，分别是输入层、模糊化层和规则层，四层实现去模糊化，五层是输出层；其中，在模糊化层中采用三角形函数对输入变量进行模糊化，变换到各自的论域范围，获得各输入变量的模糊变量及模糊变量隶属度；在规则层中将模糊化得到的隶属度两两相乘，建立完善的模糊推理规则；在去模糊化层中采用权值平均去模糊化方法，将推理结论变量的模糊状态转化为与网络输入值相应的确定状态的量；在输出层利用公式：

计算并输出确定状态的焊接电流、焊枪摆动宽度、焊接速度的最佳值，其中

为第5层网络的权值，O⁽⁴⁾为第4层网络的输出，y_i为第5层网络的输出，i为第五层神经元的个数。

依据步骤5中的熔池判断情况，若焊透，双面双弧熔透焊接工艺参数模糊-神经网络的输出层参数为焊接电流、焊枪摆动宽度的最佳值；若未焊透但至少一面出现熔透小孔，即d>0,至少一面熔池面积大于临界值S_k，则双面双弧熔透焊接工艺参数模糊-神经网络的输出层参数为焊接电流、焊接速度的最佳值。

本发明与现有技术相比，其显著优点为：(1)本发明的一种双面双弧焊近红外视觉传感与熔透控制方法，特别适用于铝合金、高强钢、不锈钢、钛合金螺旋管等双面双弧焊接过程在线熔透控制；（2）本发明还适用于船舶、石油储罐、核电容器等现场对接立焊过程在线熔透控制；（3）本发明实时双面检测立焊熔池视觉图像，获得双面双弧立焊根部熔透过程的信息，建立根部熔透的控制模型，并自动调整焊接电流、弧压等工艺参数，控制焊缝根部全部熔透，保证双面双弧焊接质量。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明的双面双弧立焊近红外视觉传感与熔透控制装置示意图。

图2为本发明的熔池视觉图像分区域轮廓图像提取方法流程图。

图3为本发明的轮廓和熔透小孔图像形态特征几何尺寸参数提取方法流程图。

图4为本发明的焊接工艺参数模糊神经网络控制结构图。

图5为本发明的双面双弧立焊近红外视觉传感与熔透控制方法流程图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

结合图1，板带17在校平装置14先校平，在切边机15中刨边，在三点弯曲成形机16上卷弯形成待焊螺旋管1，内焊枪9固定在内焊缝PTIG机头8上，外焊枪11固定在外焊缝PTIG机头10上，内焊枪9位于待焊接的螺旋管1的内侧，外焊枪位于待焊接的螺旋管1的外侧，内焊枪9、外焊枪11均对准待焊接的接缝正中，并且内焊枪9、外焊枪11同轴设置，二者的轴线与螺旋管1待焊接点的法线重合，内焊枪9上设置内焊枪钨电极12，外焊枪11上设置外焊枪钨电极13，内焊枪钨电极12和外焊枪钨电极13的轴线重合；内焊枪9上固连近红外视觉内传感器2，近红外视觉内传感器2的轴线与内焊枪9的轴线呈35°～45°，外焊枪11上固连近红外视觉外传感器3，近红外视觉外传感器3的轴线与外焊枪11的轴线呈35°～45°，近红外视觉内传感器2和近红外视觉外传感器3的轴线均穿过熔池7中心；近红外视觉内传感器2上设置内传感器镜头2-1，近红外视觉内传感器2与内传感器镜头2-1轴线重合，近红外视觉外传感器3上设置外传感器镜头3-1，近红外视觉外传感器3与外传感器镜头3-1的轴线重合，内传感器镜头2-1和外传感器镜头3-1均距熔池7表面3-6cm。焊接过程中近红外视觉内传感器2与近红外视觉外传感器3从螺旋管1实时双向连续传感采集熔池7视觉图像，焊接时内焊枪9、外焊枪11相对于铝合金螺旋管1向上运动，形成立向上焊，近红外视觉内传感器2、近红外视觉外传感器3随动跟踪对准熔池7。近红外视觉内传感器2和近红外视觉外传感器3检测到的双向熔池视觉图像通过屏蔽信号线4经图像采集卡5传送到计算机6。

结合图2，传送到计算机6的双向熔池视觉图像经加窗、中值滤波、区域分割、边缘腐蚀细化、边缘细化与左右轮廓提取、熔透区边界处理、熔透区边界轮廓提取后获得熔池视觉图像外轮廓和熔池中心区域小孔的熔透轮廓图像；

结合图3，对熔池熔透区中心小孔面积、熔透区各点切线、熔透区圆形度熔透小孔直径d进行计算获得熔池中心区域小孔的熔透轮廓特征的几何参数；对熔池像素面积S、熔池尾部各点切线、后拖角β进行计算获得熔池外轮廓特征的几何参数。具体包括双向熔池宽度B、熔池长度L、熔透小孔直径d、熔池面积S、后拖角β、熔透小孔圆度Δ_v和小孔面积的平均值s_v、最大直径d_m、与d_m同侧最大熔池宽度B_m、最小直径d_i、与d_i同侧熔池宽度B_i；

结合图4，本发明采用的模糊-神经网络结构为：采用五层模糊神经网络，网络的一到三层实现模糊控制的模糊推理，后两层实现去模糊化。以下对神经网络的每一层及输入输出映射关系作进一步解释。在下列各式中

表示第i层网络的第j个神经元的输出。

第1层：输入层。网络输入层为熔池宽度B、熔池长度L、熔透小孔直径d、熔池面积S、后拖角β、熔透小孔圆度Δ_v和小孔面积的平均值s_v，分别用x_i（i=1,2,…7）表示，共7个节点。本层网络神经元输出为

其中x_i代表第i个输入。

第2层：模糊化层。对输入进行模糊化。对于每个输入有5个模糊集{S,SE,M,LE,L}={“小”，“较小”，“中”，“较大”，“大”}与之对应。模糊集隶属度函数采用三角形函数

本层网络神经元输出为：

代表第i个输入对应的第j个模糊集，

为相应模糊集的隶属度函数，i=1,2,…7，j=1,2,…5。

第3层：规则层。将模糊化得到的隶属度两两相乘，它的输出代表着模糊规则的强度。本层网络神经元输出为 $O_{\mathrm{ij}}^{\left(3\right)}=O_{1i}^{\left(2\right)}{O}_{2j}^{\left(2\right)},(i,j=\mathrm{1,2},...5).$

第4层：去模糊化层。在这里采用权值平均去模糊化方法。本层网络神经元输出为

其中

为第4层网络的权值，其意义是各控制规则的输出隶属度函数中心。

第5层：输出层。本层网络神经元输出为

其中

为第5层网络的权值，分别表示焊接电流、焊枪摆动宽度、焊枪焊接速度。

结合图5，根据双面双弧熔透判断模型和焊穿判断模型进行熔池情况判断，若焊穿，则提高弧压和送丝速度，焊枪回烧重新焊接并返回步骤1；若未焊穿但焊透，依据步骤6的模糊控制方法获得的焊接电流、焊枪摆动宽度的最佳值，调整双弧焊接电流、焊枪摆动宽度继续焊接并返回步骤1；若未焊透但至少一面出现熔透小孔，即d>0,至少一面熔池面积大于临界值S_k，则依据步骤6的模糊控制方法获得的焊接电流、焊接速度的最佳值，调整双弧焊接电流、焊接速度继续焊接并返回步骤1；若未出现熔透小孔，即d为0或熔池面积S小于临界值S_k，则减小焊接速度重新焊接并返回步骤1。

下面结合实施例对本发明做进一步详细的描述：

针对200mm直径以上铝合金螺旋管1的连续焊接，厚度为8mm的板带17在校平装置14先校平，在切边机15中刨边，在三点弯曲成形机16上卷弯形成待焊螺旋管1，内焊枪9固定在内焊缝PTIG机头8上，外焊枪11固定在外焊缝PTIG机头10上，内焊枪9位于待焊接的螺旋管1的内侧，外焊枪位于待焊接的螺旋管1的外侧，内焊枪9、外焊枪11均对准待焊接的接缝正中，并且内焊枪9、外焊枪11同轴设置，二者的轴线与螺旋管1待焊接点的法线重合，内焊枪9上设置内焊枪钨电极12，外焊枪11上设置外焊枪钨电极13，内焊枪钨电极12和外焊枪钨电极13的轴线重合；内焊枪9上固连近红外视觉内传感器2，近红外视觉内传感器2的轴线与内焊枪9的轴线呈45°，外焊枪11上固连近红外视觉外传感器3，近红外视觉外传感器3的轴线与外焊枪11的轴线呈45°，近红外视觉内传感器2和近红外视觉外传感器3的轴线均穿过熔池7中心；近红外视觉内传感器2上设置内传感器镜头2-1，近红外视觉内传感器2与内传感器镜头2-1轴线重合，近红外视觉外传感器3上设置外传感器镜头3-1，近红外视觉外传感器3与外传感器镜头3-1的轴线重合，内传感器镜头2-1和外传感器镜头3-1均距熔池7表面5cm；焊接过程中近红外视觉内传感器2与近红外视觉外传感器3从螺旋管1实时双向连续传感采集熔池7视觉图像，焊接时内焊枪9、外焊枪11相对于铝合金螺旋管1向上运动，形成立向上焊，近红外视觉内传感器2、近红外视觉外传感器3随动跟踪对准熔池7。内焊枪焊接电流设置为130A，外焊枪焊接电流设置为220A，焊接速度均为0.24m/min，焊枪摆动宽度分别设置为8mm和9mm，开始焊接，同时，近红外视觉内传感器2和近红外视觉外传感器3检测到的双向熔池视觉图像通过屏蔽信号线4经图像采集卡5传送到计算机6。

传送到计算机6的熔池图像信息经加窗、中值滤波、区域分割、边缘腐蚀细化、边缘细化与左右轮廓提取、熔透区边界处理、熔透区边界轮廓提取后获得熔池视觉图像外轮廓和熔池中心区域小孔的熔透轮廓图像；通过对熔池熔透区中心小孔面积、熔透区各点切线、熔透区圆形度熔透小孔直径、熔池像素面积、熔池尾部各点切线、后拖角β进行计算，获得熔池中心区域小孔和熔池的熔透轮廓特征的几何参数：双向熔池宽度B分别为8.5mm和9.5mm、熔池长度L为13mm、熔透小孔直径d分别为3.5mm和3.2mm、熔池面积S分别为56.74mm²和70.88mm²、后拖角β均为75°、熔透小孔圆度Δ均为1，小孔面积的平均值s_v分别为9.62mm²和8.04mm²、最大直径d_m为3.5mm、与d_m同侧向最大熔池宽度B_m为9.5mm、最小直径d_i为3.2mm、与d_i同侧向熔池宽度B为8.5mm。

依据双面双弧熔透判断模型和焊穿判断模型进行熔池情况判断，结果为未焊透并且两面均出现熔透小孔，采用模糊神经网络控制方法实时调整双弧焊接电流分别为135A、220A、焊接速度为0.24m/min，保证双面双弧立焊熔透质量。继续实时采集双面双弧焊熔池图像信息，判断熔池情况、采用模糊神经网络控制方法实时计算双向焊接电流、焊枪摆动宽度、焊接速度的最佳值，实时调整双向焊接电流、焊枪摆动宽度、焊接速度，保证双面双弧立焊熔透质量。

由上可知，本发明实时双面检测立焊熔池视觉图像，通过图像处理和熔透特征参数提取，获得双面双弧立焊根部熔透过程的信息，建立根部熔透的控制模型，并采用模糊神经网络方法实时调整焊接电流、焊枪摆动宽度、焊接速度等工艺参数，可以控制焊缝根部全部熔透，保证双面双弧焊接质量。

Claims (5)

1.一种双面双弧立焊近红外视觉传感与熔透控制装置，其特征在于，包括近红外视觉内传感器（2）、近红外视觉外传感器（3）、屏蔽信号线（4）、图像采集卡（5）、计算机（6）、内焊缝PTIG机头（8）、内焊枪（9）、外焊缝PTIG机头（10）、外焊枪（11）、校平装置（14）、切边机（15）、三点弯曲成形机（16）；

切边机（15）位于校平装置（14）的前方，三点弯曲成形机（16）位于切边机（15）的前方，板带（17）经校平装置（14）校平后在切边机（15）中刨边，最终经三点弯曲成形机（16）加工成螺旋管（1）；

内焊枪（9）固定在内焊缝PTIG机头（8）上，外焊枪（11）固定在外焊缝PTIG机头（10）上，内焊枪（9）位于待焊接的螺旋管（1）的内侧，外焊枪位于待焊接的螺旋管（1）的外侧，内焊枪（9）、外焊枪（11）均对准待焊接的接缝正中，并且内焊枪（9）、外焊枪（11）同轴设置，二者的轴线与螺旋管（1）待焊接点的法线重合，内焊枪（9）上设置内焊枪钨电极（12），外焊枪（11）上设置外焊枪钨电极（13），内焊枪钨电极（12）和外焊枪钨电极（13）的轴线重合；内焊枪（9）上固连近红外视觉内传感器（2），近红外视觉内传感器（2）的轴线与内焊枪（9）的轴线呈35°～45°，外焊枪（11）上固连近红外视觉外传感器（3），近红外视觉外传感器（3）的轴线与外焊枪（11）的轴线呈35°～45°，近红外视觉内传感器（2）和近红外视觉外传感器（3）的轴线均穿过熔池（7）中心；近红外视觉内传感器（2）上设置内传感器镜头（2-1），近红外视觉内传感器（2）与内传感器镜头（2-1）轴线重合，近红外视觉外传感器（3）上设置外传感器镜头（3-1），近红外视觉外传感器（3）与外传感器镜头（3-1）的轴线重合，内传感器镜头（2-1）和外传感器镜头（3-1）均距熔池（7）表面3-6cm；

近红外视觉内传感器（2）、近红外视觉外传感器（3）均通过屏蔽信号线（4）与图像采集卡（5）相连，将检测到的信号传输给图像采集卡（5），该图像采集卡（5）同时与计算机（6）相连。

2.一种基于权利要求1所述双面双弧立焊近红外视觉传感与熔透控制装置的焊接质量控制方法，其特征在于，包括以下步骤：

步骤1、近红外视觉内传感器（2）与近红外视觉外传感器（3）实时双向连续传感熔池视觉图像，并将图像传输给图像采集卡（5）；

步骤2、图像采集卡（5）将熔池视觉图像传输给计算机，进行熔池视觉图像分区域轮廓曲线和特征参数提取，经加窗、中值滤波、边缘腐蚀细化处理后，获得熔池视觉图像外轮廓和熔池中心区域小孔的熔透轮廓图像；

步骤3、根据步骤2提取的熔池视觉图像外轮廓和熔池中心区域小孔的熔透轮廓图像，获得熔池外轮廓和熔池中心区域小孔的熔透轮廓特征的几何参数，具体包括熔池宽度B、熔池长度L、熔透小孔直径d、熔池面积S、后拖角β、熔透小孔圆度Δ_v和小孔面积的平均值s_v、最大直径d_m、与d_m同侧最大熔池宽度B_m、熔池长、最小直径d_i、与d_i同侧熔池宽度B_i；

步骤4、建立双面双弧焊穿判断模型和熔透判断模型；

步骤5、依据步骤4中的双面双弧熔透判断模型进行熔池情况判断：若焊穿，则提高弧压和送丝速度，焊枪回烧重新焊接并返回步骤1；若未焊穿，依据步骤4中的熔透模型判断是否焊透，若焊透，依据步骤6的模糊控制方法获得的焊接电流、焊枪摆动宽度的最佳值，调整双弧焊接电流、焊枪摆动宽度；若未焊透但至少一面出现熔透小孔，即d>0,且至少一面熔池面积大于临界值S_k，则依据步骤6的模糊控制方法获得的焊接电流度、焊接速度的最佳值，调整双弧焊接电流、焊接速度；若未出现熔透小孔，即d为0或熔池面积S小于临界值S_k，则减小焊接速度重新焊接并返回步骤1；

步骤6、采用模糊-神经网络控制方法实时计算双面双弧熔透焊接过程中的焊接电流、焊枪摆动宽度、焊接速度的最佳值，依据步骤5中的熔池判断情况相应的对双弧焊接电流、焊枪摆动宽度、焊接速度作实时调整并返回步骤1。

3.根据权利要求2所述的焊接质量控制方法，其特征在于，步骤4中的双面双弧熔透判断模型为：双侧熔透小孔最大直径d_m大于3mm，同侧熔池宽度B_m大于0.75h并且小于1.2h，其中h为板厚，单位为mm，同侧熔池宽度B_m与熔池长度L之比大于0.6；

双面双弧焊穿判断模型为：双侧熔透小孔最小直径d_i大于5mm、同侧熔池宽度B_m大于1.1h、同侧熔池宽度B_m与熔池长度L之比大于0.9。

4.根据权利要求2所述的焊接质量控制方法，其特征在于，步骤6中的双面双弧熔透焊接工艺参数模糊-神经网络控制方法为：以步骤3中获得的熔池宽度B、熔池长度L、熔透小孔直径d、熔池面积S、后拖角β、熔透小孔圆度Δ_v和小孔面积的平均值s_v作为模糊神经网络的输入变量，建立五层模糊神经网络，网络的一到三层实现模糊控制的模糊推理，分别是输入层、模糊化层和规则层，四层实现去模糊化，五层是输出层；其中，在模糊化层中采用三角形函数对输入变量进行模糊化，变换到各自的论域范围，获得各输入变量的模糊变量及模糊变量隶属度；在规则层中将模糊化得到的隶属度两两相乘，建立完善的模糊推理规则；在去模糊化层中采用权值平均去模糊化方法，将推理结论变量的模糊状态转化为与网络输入值相应的确定状态的量；在输出层利用公式：

$y_i=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\ω}}_i^{\left(5\right)}{O}^{\left(4\right)}$

计算并输出确定状态的焊接电流、焊枪摆动宽度、焊接速度的最佳值，其中

为第5层网络的权值，O⁽⁴⁾为第4层网络的输出，y_i为第5层网络的输出，i为第五层神经元的个数。

5.根据权利要求4所述的双面双弧熔透焊接工艺参数模糊-神经网络控制方法，其特征在于，依据步骤5中的熔池判断情况，若焊透，双面双弧熔透焊接工艺参数模糊-神经网络的输出层参数为焊接电流、焊枪摆动宽度的最佳值；若未焊透但至少一面出现熔透小孔，即d>0,至少一面熔池面积大于临界值S_k，则双面双弧熔透焊接工艺参数模糊-神经网络的输出层参数为焊接电流、焊接速度的最佳值。

Images