安徽理工大學(xué)電氣與信息工程學(xué)院 姚威威

近年來(lái)，隨著電力電子和計(jì)算機(jī)技術(shù)的快速發(fā)展，點(diǎn)焊機(jī)被廣泛應(yīng)用于機(jī)械、電氣、航空航天、材料等領(lǐng)域。但在焊接的過(guò)程中都存在一些普遍的問(wèn)題，例如，焊接電阻隨時(shí)間非線性變化，焊接電流、電極壓力、焊接時(shí)間等多種因素之間相互耦合。因此，建立逆變點(diǎn)焊電源控制系統(tǒng)的精確數(shù)學(xué)模型是十分困難的，僅依賴傳統(tǒng)的PID控制滿足不了實(shí)際焊接的效果。對(duì)于點(diǎn)焊機(jī)系統(tǒng)而言，影響焊接質(zhì)量的最重要的因素是焊接電流，尋找合適的控制算法去保持焊接電流的恒定是非常必要的。

隨著智能控制算法的不斷涌現(xiàn)，模糊控制和人工神經(jīng)網(wǎng)絡(luò)控制的出現(xiàn)為解決這一難題提供了有利條件。他們不依賴于被控系統(tǒng)的數(shù)學(xué)模型，能有效處理非線性、強(qiáng)耦合時(shí)變、滯后的問(wèn)題。模糊神經(jīng)網(wǎng)絡(luò)控制（FNNC）融合了模糊系統(tǒng)的語(yǔ)言推理能力和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制的優(yōu)點(diǎn)，在焊接過(guò)程中，通過(guò)對(duì)PI控制器的參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，使PWM波的占空比發(fā)生改變，從而維持焊接電流的恒定。

1 基于FNNC的逆變點(diǎn)焊電源恒流控制

逆變點(diǎn)焊電源的主電路和控制電路組成如圖1所示，主電路涉及到的電能變換方式包括整流-逆變-整流。其工作過(guò)程如下：三相橋式整流電路將交流電整流成帶有少許紋波的直流電，再經(jīng)電容濾除紋波后作為全橋逆變器的母線電壓，幅值在570V左右。中頻變壓器對(duì)逆變器的輸出電壓進(jìn)行降壓處理，得到幅值為10V以下的交流電，變壓器的次級(jí)電壓再經(jīng)單相整流電路整流，最終給負(fù)載提供穩(wěn)定的直流電。

圖1 逆變點(diǎn)焊電源的恒流控制框圖

焊接電流恒流控制的原理是：采樣變壓器二次側(cè)實(shí)際輸出電流，并與預(yù)先設(shè)定的焊接電流進(jìn)行比較，二者的差值以及差值的微分作為FNNC的兩個(gè)輸入，F(xiàn)NNC經(jīng)過(guò)模糊推理和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)等一系列運(yùn)算過(guò)程，輸出PI控制器的比例系數(shù)和積分系數(shù)的變化量，實(shí)時(shí)對(duì)PI控制器的參數(shù)進(jìn)行調(diào)節(jié)，其參數(shù)計(jì)算公式如(1)所示。這樣有效地改變了傳統(tǒng)PI控制中，PI控制器參數(shù)無(wú)法在線整定的缺點(diǎn)。PI控制器的輸出作為PWM波的占空比，用來(lái)控制逆變器開關(guān)器件的導(dǎo)通和關(guān)斷時(shí)間。在焊接過(guò)程中，當(dāng)負(fù)載電阻變化時(shí)，能維持焊接電流的恒定，這一措施在很大程度上提高了焊接質(zhì)量。

2 模糊神經(jīng)網(wǎng)絡(luò)控制器

2.1 模糊神經(jīng)網(wǎng)絡(luò)的模型

在點(diǎn)焊機(jī)的控制系統(tǒng)中，為了提高焊接電流的精密性和穩(wěn)定性，并結(jié)合所采樣的焊接電流的特點(diǎn)，模糊控制中的清晰化、模糊推理以及清晰化等步驟由BP神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。模糊神經(jīng)網(wǎng)絡(luò)的兩個(gè)輸入節(jié)點(diǎn)是經(jīng)過(guò)量化因子處理過(guò)的焊接電流偏差以及偏差的變化率，整個(gè)網(wǎng)絡(luò)中的神經(jīng)元節(jié)點(diǎn)都與模糊控制有著密切的聯(lián)系，網(wǎng)絡(luò)從輸入層到輸出層的五層計(jì)算完成了模糊推理的所有過(guò)程，如圖2所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)的模型

五層BP神經(jīng)網(wǎng)絡(luò)的每一層都有著明確的含義，netjp代表第p層第j個(gè)神經(jīng)元的凈輸入，代表第p層第j個(gè)神經(jīng)元的輸出。

第一層是輸入層，輸入量e和ec與該層的兩個(gè)神經(jīng)元節(jié)點(diǎn)的連接權(quán)值都為1，則有：

第二層是隸屬函數(shù)層，執(zhí)行的功能是對(duì)上一層輸入變量的精確值進(jìn)行模糊處理。根據(jù)實(shí)際控制的需求，e和ec均定義了7個(gè)模糊子集，即為NL（負(fù)大）、NM（負(fù)中）、NS（負(fù)?。?、Z（零）、PS（正?。M（正中）、PL（正大）。因此，該層有14個(gè)節(jié)點(diǎn)。一般，隸屬函數(shù)選取三角型或者高斯型，為了簡(jiǎn)化運(yùn)算，這里選取后者。

其中，mij、δij分別表示第i個(gè)輸入變量的第j個(gè)模糊集合的高斯型隸屬函數(shù)的平均值和標(biāo)準(zhǔn)差。i=1，2，j=1，2…7。

第三層和第四層共同構(gòu)成規(guī)則層，由于e和ec各有七個(gè)模糊子集，因此，模糊規(guī)則共有49條。其中，規(guī)則前件層決定執(zhí)行49條規(guī)則中的哪一條或者哪幾條規(guī)則，也就是判斷哪些規(guī)則被激活。后件層是對(duì)被激活的規(guī)則進(jìn)行運(yùn)算，構(gòu)成系統(tǒng)總的模糊規(guī)則。例如，在一個(gè)采樣周期中，被激活的k條規(guī)則分別為R1，R2…Rk，如果選取“或”運(yùn)算，則總的模糊規(guī)則可以用公式(4)表示。

最后一層是清晰化層，將模糊量轉(zhuǎn)換成能夠?qū)WM占空比進(jìn)行控制的精確量。

2.2 模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法

神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)過(guò)程就是不斷調(diào)節(jié)各層網(wǎng)絡(luò)之間連接權(quán)值的過(guò)程，通過(guò)不斷調(diào)節(jié)，建立輸入和輸出之間的清晰、明確關(guān)系。依據(jù)Delta學(xué)習(xí)規(guī)則，當(dāng)焊接電流的實(shí)際輸出值和給定電流不同時(shí)，認(rèn)為網(wǎng)絡(luò)的誤差是存在的，誤差可以表示為：

通過(guò)網(wǎng)絡(luò)層之間的推理計(jì)算，可以得出誤差E是連接權(quán)值wrs（神經(jīng)網(wǎng)絡(luò)第r層和第s層之間的連接權(quán)值）的函數(shù)，由于訓(xùn)練的目的是讓電流誤差越來(lái)越小，逐漸逼近于設(shè)定，因此要求得誤差函數(shù)的極小值，往梯度下降方向進(jìn)行調(diào)整，即：

3 仿真結(jié)果

利用Matlab的Simulink的仿真工具，搭建了模糊神經(jīng)網(wǎng)絡(luò)PI控制下的焊接系統(tǒng)模型，當(dāng)給定焊接電流為6kA時(shí)，焊接電流實(shí)際輸出波形如圖3所示。從波形可以看出，在電流上升階段的動(dòng)態(tài)響應(yīng)橫跨，在0.025s左右達(dá)到穩(wěn)態(tài)，穩(wěn)態(tài)階段的電流基本能跟隨給定，波形波動(dòng)很小。

圖3 焊接電流波形

結(jié)論：本文設(shè)計(jì)的基于模糊神經(jīng)網(wǎng)絡(luò)PI的電流控制方法，通過(guò)對(duì)PI控制器的參數(shù)實(shí)時(shí)在線整定，從而解決了焊接過(guò)程中負(fù)載電阻變化導(dǎo)致的焊接電流不穩(wěn)定的問(wèn)題。仿真結(jié)果表明，利用模糊神經(jīng)網(wǎng)絡(luò)控制能夠提高焊接電流的快速性和穩(wěn)定性，在很大程度上提高了焊接質(zhì)量，具有一定的實(shí)際應(yīng)用價(jià)值。