摘 要：提出并实现了一个适合激光焊接特点的智能混合系统—基于神经网络的激光焊接专家系统。该系统将人工神经网络技术应用于知识获取模块，实现了知识的自动获取，在很大程度上克服了传统专家系统知识获取的“瓶颈”问题。
关键词：激光焊接；专家系统；神经网络；ＢＰ算法；动态链接库
Ｉｎｉｔｉａｔｏｒｙ ｓｔｕｄｙ ｏｎ Ｌａｓｅｒ ｗｅｌｄｉｎｇ ｓｐｅｃｉａｌｉｓｔ ｓｙｓｔｅｍ
ＬＩＵ Ｊｉｎ?ｈｅ，ＬＩＵ Ｋａｉ?ｊｉｎｇ，ＢＡＩ Ｇａｎｇ
在我国已开发研究了多种焊接专家系统，如焊接方法选择专家系统、焊接材料选择专家系统、弧焊工艺选择专家系统以及铸铁焊接专家系统等。激光焊接由于出现相对较晚、价格昂贵、普及面较小等原因，国内开展激光焊接专家系统研究的报道甚少。在国外，芬兰的Ｔｗｅｎｆｅ大学开发了包括有焊接的激光材料加工专家系统ＣＡＬＭＰ（Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｌａｓｅｒ Ｍａｔｅｒｉａｌ Ｐｒｏｃｅｓｓｉｎｇ），但有关焊接的内容甚少。
１ 传统专家系统知识获取的“瓶颈”问题
具有大量的专业知识是一个专家系统实现其各种功能的基础。传统的专家系统主要通过专家咨询来采集知识，依靠专家提供的知识来获取规则，而且直接由数据中获取规则的能力差，这就使传统的专家系统在知识获取时出现“瓶颈”问题。尤其对激光焊接来讲，不仅影响焊接质量的工艺因素多，而且工艺参数的移植性差，这是由于激光束的模式ＴＥＭ往往存在差异，因而上述的“瓶颈”问题显得更为突出。
２ 基于神经网络的激光焊接专家系统模型
人工神经网络是一种信息处理系统，是在生物神经网络功能的启示下发展起来的，它由许多非常简单的、彼此之间高度连接的处理单元—神经元组成。人工神经元的模型见图1。其中Ｘ１、Ｘ２、……Ｘｎ为ｎ个输入值，θ为阈值、Ｙ为输出值。每一神经元接受来自其它神经元的、经可变强度突触(连接权值)传入的刺激电平(输入)，然后分别进行求和并进行函数数变换，产生一个输出，此输出既为神经元的当前状态。
单个神经元的“计算”能力并不强，只有把许多神经元连接起来形成网络才能完成复杂的计算，呈现智能的特性。神经网络最主要的特征是大规模模拟并行处理、信息分布式存储、连续时间非线性动力学、全局集体作用、高度的容错性和鲁棒性以及自组织、自学习和实时处理等。
在基于神经网络的系统中，是在给定输入模式和输出模式下，通过学习过程自动调节各层之间的结合权值和阈值而完成知识的获取。与传统的知识获取不同，在这样一个网络中，理论上可拥有极大量的知识；同时，神经元网络还可获得不确定因子的有效学习算法，神经网络训练所产生的学习矩阵与专家系统通过人工经验总结所产生的学习矩阵存在着某种等价关系；更重要的是，神经元以连续的方式进行学习，当输入与输出不匹配时，可在原有基础上继续学习，提高学习精度，直到产生对输入而言更加合乎要求的输出。
通过对传统专家系统结构的扩展，引入样本学习机制，构成知识获取模块，从而形成的基于神经网络的激光焊接专家系统模型框图见图2。
这种系统的主要优点如下：
1)神经元网络知识库体现在神经元之间的连接权值上，任何知识规则都可通过对范例的学习存储于同一神经网络的各连接权值中。
2)推理机为并行的数据计算过程，避免了以往的“匹配冲突”、“组合爆炸”和“无穷递归”等问题。
3)容错性好，由于信息是分布式存储，即使个别单元出错或信息丢失，对总体计算结果也不会产生大影响。
4)由于神经网络具有联想记忆和泛化功能，因而，对于不完全的信息或噪声干扰数据，在许多情况下也能得到问题的解答。
5)可将知识表示、储存和推理三者融为一体，即都由一个神经元来实现。
３ 激光焊接专家系统的设计
图3是激光焊接专家系统的结构图，该系统主要由人机界面、知识库与推理机、数据库管理以及神经网络训练等四个模块组成
