基于神经网络的焊接机器人CO2保护焊工艺参数优化

论文题目: 基于神经网络的焊接机器人CO2保护焊工艺参数优化

论文类型: 硕士论文

论文专业: 机械电子工程

作者: 倪楠

导师: 刘志峰

关键词: 人工神经网络,正交试验设计法,神经网络工具箱,算法

文献来源: 合肥工业大学

发表年度: 2005

论文摘要: 本文从CO2保护焊技术的发展需要出发,为了更好地对焊缝几何形状进行预测,提出了建立CO2保护焊接参数优化系统的必要性和实用性。为了较好地解决CO2保护焊接工艺参数与焊缝几何形状之间的非线性映射问题,克服建立数学模型的困难,本文利用人工神经网络处理的非线性特点以及其在自组织学习与模糊推理等方面的技术优势,提出了将神经网络技术引入到系统中,建立一个基于神经网络的参数优化系统,为CO2保护焊焊缝几何形状预测开辟了一条新的路径。 对网络训练样本的采集,本文提出了采用正交试验设计的方法来安排试验,数据处理采用极差分析法,并用实例进行了验证,保证了获取训练样本的代表性。 对于网络结构各参数的确定,本论文通过调用Matlab软件中的神经网络工具箱来仿真训练建立起来的BP神经网络,通过不断的调整,获得理想的参数。 本文中参数优化系统的开发采用模块化设计,在Windows环境下以VC++作为开发工具,采用面向对象的设计方法进行开发,建立了人机交互界面、网络训练模块以及数据仿真模块。在网络训练模块中,可以完成BP网络的建立、系统参数设置、样本数据调入和网络训练,并把训练好的网络保存起来。训练过程中的具体的计算由自定义的CMatrix类来完成。数据仿真模块则可以调用训练好的网络和需要仿真的数据完成数据仿真。运行程序完成了网络训练模块和数据仿真模块,从而可以完成焊缝几何形状的预测,实现焊接参数的优化。整个系统的建立过程为其他领域参数优化系统的开发提供了可借鉴的思路和方法。

论文目录:

第一章 绪论

1.1 CO_2气体保护焊

1.2 焊接机器人的应用现状和发展趋势

1.2.1 焊接机器人系统

1.2.2 焊接机器人的应用现状

1.2.3 焊接机器人的发展趋势

1.3 人工神经网络

1.3.1 人工神经网络概述

1.3.2 人工神经网络在焊接中的应用现状

1.4 本课题研究的内容和意义

第二章 系统网络模型的建立

2.1 引言

2.2 CO_2保护焊各工艺参数对焊缝几何形状的影响

2.3 网络模型的选取

2.4 神经网络设计

2.4.1 BP网络结构

2.4.2 BP激活函数

2.4.3 BP学习算法原理

2.4.4 BP学习算法描述

2.4.5 BP网络在焊接中的应用

2.4.6 BP网络参数选取与确定

2.5 本章小结

第三章 神经网络训练样本的采集和验证

3.1 引言

3.2 正交设计法原理

3.2.1 正交表的代号及含义

3.2.2 正交表的形式

3.2.3 正交表的特点

3.2.4 正交设计法原理

3.2.5 正交设计法的主要用途

3.2.6 正交设计法的应用原理

3.2.7 正交试验步骤

3.3 网络训练样本的采集

3.4 训练样本的验证

3.5 本章小结

第四章 BP网络的MATLAB实现

4.1 引言

4.2 MATLAB语言的特点和应用现状

4.3 BP算法的MATLAB实现

4.3.1 Matlab实现BP算法的一般步骤

4.3.2 各种改进BP算法

4.3.3 训练数据的导入

4.4 CO_2保护焊参数优化BP网络的仿真

4.5 本章小结

第五章 基于人工神经网络的焊接机器人焊接参数优化选择系统的总体设计

5.1 引言

5.2 CO_2保护焊焊接参数优化系统的总体设计

5.2.1 人机界面窗口

5.2.2 网络训练模块

5.2.3 数据仿真模块

5.3 系统的运行

5.4 本章小结

第六章 总结与展望

参考文献

作者在攻读硕士学位期间发表的学术论文

发布时间: 2005-07-13

参考文献

• [1].基于GABP神经网络的BTA钻削加工参数的预测研究[D]. 陈菁瑶.中北大学2018
• [2].基于神经网络逆系统的活套解耦控制方法研究[D]. 孙博.东北大学2015
• [3].基于视觉传感的网格-蒙皮结构焊接质量监测研究[D]. 王群.哈尔滨工业大学2018
• [4].基于深度学习的镁合金轧制薄板缺陷检测问题的研究[D]. 高青.辽宁科技大学2018
• [5].基于聚类和神经网络方法的2.25Cr-1Mo材料声发射特征研究[D]. 徐海丰.东北石油大学2012
• [6].基于深度学习的热轧产品性能预报研究[D]. 李贝贝.武汉科技大学2018
• [7].咪唑啉CO2缓蚀剂在油井中的应用研究[D]. 周永强.中国石油大学(华东)2014
• [8].不锈钢在饱和CO2盐溶液中应力腐蚀研究[D]. 安帅.大连理工大学2015
• [9].基于神经网络的油管接箍内壁圆度误差评定与预测研究[D]. 唐喜强.上海交通大学2011
• [10].基于神经网络的金属车削参数智能优化系统的研究与开发[D]. 张立涛.太原理工大学2008

相关论文

• [1].基于遗传神经网络的CO2弧焊机器人工艺参数优化研究[D]. 林惠乐.广西大学2015
• [2].新型移动焊接机器人弯曲角焊缝跟踪控制系统研究[D]. 彭俊斐.南昌大学2007
• [3].商务车前桥横梁焊接机器人工作站关键技术研究[D]. 吕堃.合肥工业大学2006
• [4].焊接机器人轨迹规划[D]. 费向海.辽宁工学院2007
• [5].工业机器人智能化技术在IGM焊接机器人中的应用研究[D]. 尹吉.合肥工业大学2005
• [6].机器视觉在焊接机器人上的应用研究[D]. 崔兴强.湖南大学2005
• [7].基于专家系统的导轨式管道焊接机器人的研究[D]. 孙亚玲.北京化工大学2006
• [8].基于焊接机器人的熔焊成形系统及成形规律的研究[D]. 丁冬平.华中科技大学2005
• [9].白车身焊接机器人焊接路径规划及其仿真[D]. 罗生斌.同济大学2006
• [10].重卡驾驶室焊接机器人工作站设计[D]. 陈章勇.合肥工业大学2006

标签：人工神经网络论文;  正交试验设计法论文;  神经网络工具箱论文;  算法论文;