参数的远程监测与控制、焊接质量的在线预测以及焊接生产过程在线管理的关键技术
[1]
。其中的信息数据主要包括电流电压，焊接速度及焊接过程中的各类声、光、电、
温度信号。对这些信号进行采集分析对焊接过程监控管理和焊接质量预测有重要作
用。
1.1 选题意义
焊接工艺参数能够直接影响最后焊缝成形质量。若工艺参数选取不合理，则会导
致裂纹、未焊透、焊缝外观缺欠等缺陷。
焊接产品焊接接头性能包括机械性能、焊接接头的外观和几何尺寸、内外部缺陷
等[2]
。焊接质量分类中，间接焊接质量即感知或监测过程中，影响焊接质量的的间接
因素，包括电弧电压电流、弧长、送丝速度等。
实际焊接过程中，即便按照设计好的焊接工艺参数来实施，由于无法预知的干扰
因素，并不一定能够获得理想效果。比如工件尺寸偏差，坡口尺寸偏差，也包括焊接
电压波动，焊接变形引起的对缝间隙变化等。
因此，焊接过程中，为了保证实际焊接质量接近设计焊接质量，需要对焊接质量
进行检测和控制。传统生产中，靠焊接工人实现检测控制。现代生产中，人工智能能
够完成这一步骤。
为了提高生产效率，满足现代化工业生产要求，焊接过程网络监测必不可少。监
测系统对焊机的焊接工艺参数采集整理，通过不同的通信技术实现异地对焊接过程的
监测。而对于焊接工艺参数进行实时采集分析监测，乃至网络传输，技术上支持了焊接
过程中的在线控制、工艺调整、质量预测。
1.2 国内外研究现状
对于焊接参数的监测分析，国内外各层学者都有不同的研究。
国外如伊朗三位学者对于汽车车身制造中所用镀锌钢板电阻点焊进行建模及过
程分析[3]
。他们提出了一种人工神经网络（ANN） ，一个反向传播神经网络模型，以
分析电阻点焊过程及参数，即焊接电流（WC） ，焊接时间（WT） ，电极压力（EF） 和
保温时间（HT）的交互影响。提出的人工神经网络是一个建立电阻点焊工艺参数和质
量指标（拉伸剪切强度）之间复杂关系模型的有效工具。并且提出的 ANN/GA 组合
优化程序为 RSW 过程优化提供合理的结果。GA 得出的优化结果成功地与实际试验
数据验证。日本多位学者研究了利用视觉传感器的全位置自动氩弧焊 [4]
。还有 3 位国
外学者研究了用声音在线监测气体金属弧焊过程[5]
。
在国内，吴开源等学者用单片机及新式半导体器件完成了对弧焊电源的数字化控
制[6]
。北京工业大学的蒋磊等五位学者适应现代焊接的信息化转换，针对焊接过程信
息的采集和记录，开发了一套系统，采集分析了铝合金 TIG 焊接过程电信号和图象
信号[7]
。上海交大的徐艳玲（音译）基于被动视觉传感系统进行了焊接机器人钨极氩
弧焊过程中的实时焊缝跟踪控制[8]
。华南理工大学的解生冕博士建立了基于焊接机器
人的双丝脉冲 MAG 焊的动态过程数学模型，对双丝脉冲 MAG 焊的动态过程进行了
模拟、分析[9]
。基于焊接机器人，建立了双丝共熔池脉冲 MAG 高速焊试验平台，完
成了双送丝机和双弧焊电源间的数字通信，在该试验平台上进行了多种协同控制模式
下的焊接试验。山东大学胡家琨等学者基于电弧传感，创建了机器人 CO2焊接电参
数实时检测和处理系统, 完成了对焊接电流和电压的采样和统计处理。基于模糊
Kohonen 系统，以焊接电流瞬时值的均方差、峰度和变异系数组成三文特征矢量,识 焊接工艺参数在线传感与过程传输技术研究(2):http://www.youerw.com/cailiao/lunwen_14101.html