摘 要：提出并實(shí)現(xiàn)了一個(gè)適合激光焊接特點(diǎn)的智能混合系統(tǒng)—基于神經(jīng)網(wǎng)絡(luò)的激光焊接專家系統(tǒng)。該系統(tǒng)將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于知識(shí)獲取模塊，實(shí)現(xiàn)了知識(shí)的自動(dòng)獲取，在很大程度上克服了傳統(tǒng)專家系統(tǒng)知識(shí)獲取的“瓶頸”問題。
關(guān)鍵詞：激光焊接；專家系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；ＢＰ算法；動(dòng)態(tài)鏈接庫(kù)
Ｉｎｉｔｉａｔｏｒｙ�。螅簦酰洌。铮睢。蹋幔螅澹颉。鳎澹欤洌椋睿纭。螅穑澹悖椋幔欤椋螅簟。螅螅簦澹�
ＬＩＵ�。剩椋�?ｈｅ，ＬＩＵ Ｋａｉ?ｊｉｎｇ，ＢＡＩ�。牵幔睿�
在我國(guó)已開發(fā)研究了多種焊接專家系統(tǒng)，如焊接方法選擇專家系統(tǒng)、焊接材料選擇專家系統(tǒng)、弧焊工藝選擇專家系統(tǒng)以及鑄鐵焊接專家系統(tǒng)等。激光焊接由于出現(xiàn)相對(duì)較晚、價(jià)格昂貴、普及面較小等原因，國(guó)內(nèi)開展激光焊接專家系統(tǒng)研究的報(bào)道甚少。在國(guó)外，芬蘭的Ｔｗｅｎｆｅ大學(xué)開發(fā)了包括有焊接的激光材料加工專家系統(tǒng)ＣＡＬＭＰ（Ｃｏｍｐｕｔｅｒ�。粒螅螅椋螅簦澹洹。蹋幔螅澹颉。停幔簦澹颍椋幔臁。校颍铮悖澹螅螅椋睿纾�，但有關(guān)焊接的內(nèi)容甚少。
１ 傳統(tǒng)專家系統(tǒng)知識(shí)獲取的“瓶頸”問題
具有大量的專業(yè)知識(shí)是一個(gè)專家系統(tǒng)實(shí)現(xiàn)其各種功能的基礎(chǔ)。傳統(tǒng)的專家系統(tǒng)主要通過專家咨詢來采集知識(shí)，依靠專家提供的知識(shí)來獲取規(guī)則，而且直接由數(shù)據(jù)中獲取規(guī)則的能力差，這就使傳統(tǒng)的專家系統(tǒng)在知識(shí)獲取時(shí)出現(xiàn)“瓶頸”問題。尤其對(duì)激光焊接來講，不僅影響焊接質(zhì)量的工藝因素多，而且工藝參數(shù)的移植性差，這是由于激光束的模式ＴＥＭ往往存在差異，因而上述的“瓶頸”問題顯得更為突出。
２ 基于神經(jīng)網(wǎng)絡(luò)的激光焊接專家系統(tǒng)模型
人工神經(jīng)網(wǎng)絡(luò)是一種信息處理系統(tǒng)，是在生物神經(jīng)網(wǎng)絡(luò)功能的啟示下發(fā)展起來的，它由許多非常簡(jiǎn)單的、彼此之間高度連接的處理單元—神經(jīng)元組成。人工神經(jīng)元的模型見圖1。其中Ｘ１、Ｘ２、……Ｘｎ為ｎ個(gè)輸入值，θ為閾值、Ｙ為輸出值。每一神經(jīng)元接受來自其它神經(jīng)元的、經(jīng)可變強(qiáng)度突觸(連接權(quán)值)傳入的刺激電平(輸入)，然后分別進(jìn)行求和并進(jìn)行函數(shù)數(shù)變換，產(chǎn)生一個(gè)輸出，此輸出既為神經(jīng)元的當(dāng)前狀態(tài)。
單個(gè)神經(jīng)元的“計(jì)算”能力并不強(qiáng)，只有把許多神經(jīng)元連接起來形成網(wǎng)絡(luò)才能完成復(fù)雜的計(jì)算，呈現(xiàn)智能的特性。神經(jīng)網(wǎng)絡(luò)最主要的特征是大規(guī)模模擬并行處理、信息分布式存儲(chǔ)、連續(xù)時(shí)間非線性動(dòng)力學(xué)、全局集體作用、高度的容錯(cuò)性和魯棒性以及自組織、自學(xué)習(xí)和實(shí)時(shí)處理等。
在基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)中，是在給定輸入模式和輸出模式下，通過學(xué)習(xí)過程自動(dòng)調(diào)節(jié)各層之間的結(jié)合權(quán)值和閾值而完成知識(shí)的獲取。與傳統(tǒng)的知識(shí)獲取不同，在這樣一個(gè)網(wǎng)絡(luò)中，理論上可擁有極大量的知識(shí)；同時(shí)，神經(jīng)元網(wǎng)絡(luò)還可獲得不確定因子的有效學(xué)習(xí)算法，神經(jīng)網(wǎng)絡(luò)訓(xùn)練所產(chǎn)生的學(xué)習(xí)矩陣與專家系統(tǒng)通過人工經(jīng)驗(yàn)總結(jié)所產(chǎn)生的學(xué)習(xí)矩陣存在著某種等價(jià)關(guān)系；更重要的是，神經(jīng)元以連續(xù)的方式進(jìn)行學(xué)習(xí)，當(dāng)輸入與輸出不匹配時(shí)，可在原有基礎(chǔ)上繼續(xù)學(xué)習(xí)，提高學(xué)習(xí)精度，直到產(chǎn)生對(duì)輸入而言更加合乎要求的輸出。
通過對(duì)傳統(tǒng)專家系統(tǒng)結(jié)構(gòu)的擴(kuò)展，引入樣本學(xué)習(xí)機(jī)制，構(gòu)成知識(shí)獲取模塊，從而形成的基于神經(jīng)網(wǎng)絡(luò)的激光焊接專家系統(tǒng)模型框圖見圖2。
這種系統(tǒng)的主要優(yōu)點(diǎn)如下：
1)神經(jīng)元網(wǎng)絡(luò)知識(shí)庫(kù)體現(xiàn)在神經(jīng)元之間的連接權(quán)值上，任何知識(shí)規(guī)則都可通過對(duì)范例的學(xué)習(xí)存儲(chǔ)于同一神經(jīng)網(wǎng)絡(luò)的各連接權(quán)值中。
2)推理機(jī)為并行的數(shù)據(jù)計(jì)算過程，避免了以往的“匹配沖突”、“組合爆炸”和“無(wú)窮遞歸”等問題。
3)容錯(cuò)性好，由于信息是分布式存儲(chǔ)，即使個(gè)別單元出錯(cuò)或信息丟失，對(duì)總體計(jì)算結(jié)果也不會(huì)產(chǎn)生大影響。
4)由于神經(jīng)網(wǎng)絡(luò)具有聯(lián)想記憶和泛化功能，因而，對(duì)于不完全的信息或噪聲干擾數(shù)據(jù)，在許多情況下也能得到問題的解答。
5)可將知識(shí)表示、儲(chǔ)存和推理三者融為一體，即都由一個(gè)神經(jīng)元來實(shí)現(xiàn)。
３ 激光焊接專家系統(tǒng)的設(shè)計(jì)
圖3是激光焊接專家系統(tǒng)的結(jié)構(gòu)圖，該系統(tǒng)主要由人機(jī)界面、知識(shí)庫(kù)與推理機(jī)、數(shù)據(jù)庫(kù)管理以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練等四個(gè)模塊組成
