焊接参数优选一直是广大焊接设计人员关注的问题。长期以来，焊接参数的设置一直是凭借经验通过反复试验获取，试验优化得到的焊接参数精度取决于试验的水平和数量，为获得精确、可靠的焊接参数，需增加试验的次数和提高试验的水平，这势必造成大量的人力、物力浪费。近年来，研究者们采用多种方法对焊接工艺优化进行了研究。韩国学者Kim等建立了机器人GMA焊缝尺寸（熔宽、熔深）与焊接电流、电压和焊接速度之间的数学关系式，利用建立的关系式进行了焊接参数选择[54]。实际焊接过程中，埋弧焊焊缝成形指标（熔深、熔宽）主要取决于焊接参数，它们之间关系复杂属于非线性范畴，难以给出确定的数学表达式[55，56]。因此，建立准确、有效的焊接参数优化模型是实现焊接过程工艺优化的前提。随着现代模型辨识方法的发展，焊接界的许多研究人员将现代模型辨识方法应用到焊接过程建模[55-60]。1993年，李迪博士将神经网络控制应用于焊接质量建模，采用神经网络建立了GTAW过程稳态情况下，焊接电流、焊接速度、焊接电压与熔透的关系，即建立了GTAW的静态模型[55]。2000年，赵冬斌博士对三维视觉传感填丝脉冲GTAW熔池形状动态智能控制进行研究，采用图像传感的方法获得了清晰的熔池图像，然后通过图像处理的方法获得有关熔池形状特征的参数，建立了焊接参数同熔池形状参数之间的模型关系[56]。2002年，张广军博士实现了视觉传感的变间隙填丝脉冲GTAW对接焊缝成形智能控制，建立了GTAW焊接过程中焊接参数同熔池正面形状参数之间的神经网络动态模型TDNNM，以及焊接参数同熔池正面参数联合预测熔池反面宽度和正面高度的神经网络动态模型BWHDN-NM[61]。文献[62]利用BP网络，根据900余份焊接工艺评定报告，针对不同母材种类、母材厚度、焊接位置等，建立了焊条电弧焊和埋弧焊的焊接电流、电压、线能量等参数的6种焊接参数设计网络模型。华南理工大学黄石生教授科研团队以GTAW厚度为2mm的低碳钢为对象，在特定的钨极直径和气体流量的条件下，利用神经网络建立了焊接电流、焊接电压和焊接速度与焊缝正面熔宽和背面熔宽的关系[63]。建立的焊接参数与焊缝成形质量指标之间的关系模型表现为多变量、非线性、多约束、多极值，常规的优化方法如单纯形法、牛顿法、共轭梯度法、模式搜索法和填充函数法等，对于这类问题最优求解往往束手无策。近年来随着智能技术的发展，人们提出了许多新的仿生智能算法，如遗传算法、粒子群算法、蚁群算法、模拟退火算法等，这些算法都是相当有效的，为解决优化问题提供了新的思路和手段[64]。此外，焊接试验条件及参数工作范围较宽，试验设计法成为研究焊接参数对焊缝成形质量指标的影响和优化工艺的重要方法之一。文献[65]提出了通过正交试验设计方法，建立了焊接电流、电压和焊接速度与焊缝尺寸（熔宽、熔深）回归方程，并探讨了焊缝尺寸与焊接参数的关系。将人工神经网络技术和正交试验设计方法结合用于建立焊接参数和焊缝成形质量指标之间的关系模型，并采用先进优化算法获得优化的焊接参数，是保证高速焊焊缝成形质量与提高焊接效率的重要方法[66]。
此外，在埋弧焊焊接过程中，焊接工作条件与焊接参数的关系难以量化，焊接参数的制定在很大程度上依赖于少数有经验的焊接专家，这些都将影响到生产效率和生产成本。将专家系统应用到焊接领域，模拟人的逻辑思维进行推理来解决实际问题，可降低对专家的依赖，对提高生产效率、保证焊接质量十分有利。焊接专家系统的研究始于20世纪80年代中期，至今，国内外各企业、研究机构已根据焊接专家知识，研制出了多种类型的专家系统，主要涉及焊接工艺设计、参数选择，焊接缺陷或设备故障诊断等。随着计算机、信息处理技术迅速地引入焊接领域，这些专家系统在知识获取、知识库管理机制和推理控制策略和解释机制等方面都有较大的改进[67]。我国也几乎与国外同时开始了焊接专家系统的研究工作。最早见于报道的是南昌航空工业学院的焊接方法选择专家系统[68]。清华大学、哈尔滨工业大学等都先后进行了焊接专家系统的开发[69-74]。一些专家系统是在与企业的紧密合作下完成的，保证了软件的质量和实用性，清华大学研制的“通用型弧焊工艺专家系统”和哈尔滨工业大学研制的“焊接工艺数据库及专家系统”均得到较好应用。(www.xing528.com)
随着焊接专家系统的发展和新的实际问题的提出，对其开发技术的研究将进一步引起重视[75]。数据库管理系统在为专家系统的推理及知识获取、咨询和解释提供支持的同时，对各种焊接工艺文件提供完备的计算机化管理，从而实现焊接工艺计算机一体化管理。利用数据库技术，研究以当前获得快速发展的焊接数据库作为知识源的自动知识获取机制，将成为焊接ES（Expert System）的一个值得重视的研究方向[76-78]。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
