TIG堆焊熔深模糊控制系统设计与仿真

郭国林，周自强，徐正亚，胡朝斌

（1.常熟理工学院 机械工程学院，江苏 常熟 215500；2.江苏省机电产品循环利用技术重点建设实验室，江苏 常熟 215500）

TIG堆焊熔深模糊控制系统设计与仿真

郭国林1,2，周自强1,2，徐正亚1,2，胡朝斌1,2

（1.常熟理工学院 机械工程学院，江苏 常熟 215500；
2.江苏省机电产品循环利用技术重点建设实验室，江苏 常熟 215500）

研究TIG弧堆焊熔深控制方法，在分析TIG焊接特点和实际焊接过程的基础上，设计以熔深的偏差和偏差变化率为输入变量，焊接电流的变化量为输出变量的模糊控制器.并对控制器进行了仿真和实验验证.结果表明，控制器可以在5秒内达到稳定状态，熔深满足实际生产要求，设计的控制系统具有良好的控制效果.

TIG弧；堆焊；模糊控制；仿真试验

模糊控制是智能控制的较早形式，它吸取了人的思维具有模糊性的特点，使用模糊数学中的隶属函数、模糊关系、模糊推理和决策等工具得出控制动作.西安交通大学的王雅生等人在微束等离子弧焊中，用CCD对焊缝熔宽实行实时监控，并对熔池图像进行处理，采用模糊控制实现了对焊缝熔宽的实时监测［1］.张甲英、蒋力培等人利用CCD摄像机采集熔池区正面视觉信号，经过图像处理得到实际熔宽大小，与给定熔宽进行比较，根据模糊规则通过调整焊接工艺参数对实际熔宽进行反馈控制［2］.在视觉传感的基础上，利用人工神经网络的方法，建立了机器人脉冲GTAW过程熔池正面参数和焊缝背面参数的动态模型，实现了焊缝背面宽度的实时控制［3］.文献［4-12］通过视觉传感器，利用模糊理论对熔深进行了控制，但他们只是简单认为熔池的熔深与熔宽成一简单线性映射关系，而事实上焊缝熔深与熔宽之间并不能用简单的线性关系来描述，通过控制焊缝熔宽，间接控制熔深并不能满足实际生产中一些有精确要求的焊接质量控制.焊接过程是一个多参数影响的复杂多变量系统，由于焊接过程非线性以及存在的不确定性因素干扰，利用TIG弧实现对熔池图像采集，实现在线控制难度极大，因此开展TIG堆焊焊接过程的相关研究有重大的理论和工程应用价值.

本文主要研究TIG堆焊熔深模糊控制技术，在钢基体上堆焊一层铜，要求铜全部熔化，而钢基体不熔化，实现无熔深焊接.设计了以熔深的误差和误差变化率作为输入变量，焊接电流变化量作为输出变量的TIG焊接过程模糊控制器，并对该模型进行了仿真验证试验，为实际焊接过程控制系统提供了依据.

1　试验系统

本文建立的试验系统主要用于TIG弧堆焊铜带熔深控制.试验系统主要包括奥地利福尼斯Magic Wave 3000型交直流氩弧焊机、日本安川生产的SK6机器人、变位机、CCD摄像机及窄带复合滤光系统、图像采集卡、A/D卡、主控计算机.图1是实验系统结构框图.

实验所用的工件尺寸为ø122 mm×10 mm，材质为30CrMnSi，堆焊的铜带尺寸700 mm×40 mm×4 mm，材质为紫铜.

图1　实验系统结构框图

2　模糊控制器的设计

由于焊接电流的变化引起线能量的变化，是决定工件热量分布最主要的因素，因此焊接电流对熔深影响最大.焊接电流作为控制量调节范围大，实现起来简单易行，因此本文将熔深作为被控制量，以焊接电流作为控制量.模糊控制器的输入变量为熔深的偏差E和偏差变化率EC，输出变量为焊接电流的变化值U.当铜带出现未完全熔化和过熔化（电弧烧到钢基体上）两种情况时，通过控制规则调节焊接电流，使焊接过程回到稳定状态，铜钢结合界面实现冶金结合.模糊控制系统原理如图2所示.熔深Hf通过神经网络模型估算出，然后和期望的熔深Hg比较得出熔深的偏差E，再对其偏差求导计算出偏差变化率EC作为模糊控制器的输入，输出为焊接电流的变化值，送到执行机构来实时改变焊机的实际输出电流，使熔深达到期望值.

图2　模糊控制系统原理图

2.1输入量模糊化

根据实际的焊接精度要求，将熔深的偏差E在模糊语言空间均分为7个等级，即用NB，NM，NS，O，PS，PM，PB表示.将熔深偏差的变化率EC和输出量（焊接电流的变化量U）分为8个等级，用NB，NM，NS，NO，PO，PS，PM，PB表示.

将输入输出变量的精确值模糊化，进行论域转换.熔深的误差E范围取为［-2 mm，2 mm］，熔深偏差变化率EC的范围取为［-1.5 mm/s，1.5 mm/s］，电流变化量U的范围取为［-5 A，5 A］.模糊论域是输入输出变量模糊化后的变化范围，其模糊论域均为［-6，+6］.计算出量化因子Ke=6/2=3，Kc=6/1.5=4，Ku=5/6=0.833，模糊子集的隶属函数均取为三角函数.

2.2模糊规则的建立

结合实际经验建立模糊控制规则表的基本思想：首先考虑偏差为负的情况，当偏差为负大的时，若当偏差变化为负，这时偏差有增大的趋势，为尽快消除已有负大偏差并抑制误差变大，所以控制量取正大.当偏差为负而偏差变化为正时，系统本身已有减少偏差的趋势，所以为尽快消除偏差且又不超调，应取较小的控制量.这里就不作一一分析.上面表格选取控制量的原则是：当偏差大或较大时，选择控制量以尽快消除偏差为主；而当偏差较小时，选择控制量要注意防止超调，以系统的稳定性为主要出发点，建立了模糊控制规则表，如表1所示.

表1　模糊控制规则表

表1共表示了56种模糊规则，可以如下形式表示：规则1：if E is NB and CE is NB then U is PB；

规则2：if E is NB and CE is NM then U is PB；

┋

规则56：if E is PB and CE is PB then U is NB.

2.3输出变量的去模糊化

通过模糊推理得到的结果是一个模糊集合（模糊量）.因此，模糊控制器经推理后的模糊输出量必须经过精确化处理，才能去控制被控对象.通过MATLAB处理后得到的查询表如表2所示.查询表可以由计算机事先计算好，将其存于计算机内存中，实时控制过程中，根据输入量模糊化后的偏差值及偏差变化值，直接查找查询表以获得控制量的变化值，再乘以比例因子即可作为输出去控制被控对象.

表2　模糊控制查询表

3　模糊控制器仿真与验证

设定熔深为4 mm，采用上述设计的控制器进行仿真，图3是控制过程仿真曲线.仿真结果为：最大超调量为4.55%，调节时间为5秒，静态误差为0.18 mm，焊接电流稳定在160 A.从仿真曲线可以看出，该模糊控制器调节速度快，超调量小，能够适应被控对象的变化.

图3　控制过程仿真曲线

图4　闭环控制焊接时工件剖面照片

为了验证控制器的实际控制效果，采用TIG弧在钢圈上堆焊铜，焊接速度为32 cm/min，电弧长度2.5 mm，氩气流量12 L/min，钢圈预热时间2 min.图4为闭环控制焊接时工件剖面照片，实验结果显示：熔深在4 mm上下波动，变化范围为3.81～4.21 mm.从图上看出铜钢界面达到良好的冶金结合，未发现严重的未熔合和钢基体熔化现象，表明实际焊接过程中，控制器具有良好的控制特性，达到了实际生产要求.

4　结论

（1）设计了以熔深的误差和误差变化率作为输入变量，焊接电流变化量作为输出变量的TIG堆焊模糊控制器.

（2）仿真和实验表明，控制器可以在5秒内达到稳定状态，铜钢界面达到良好的冶金结合，满足实际生产要求，设计的控制系统具有良好的控制效果.

［1］王雅生，崔琦，韩红彪.微束等离子弧焊接焊逢熔宽的实时检测与控制系统［J］.焊接技术，2002，31（6）：7-8.

［2］张甲英，蒋力培，张相洪.MIG焊熔宽模糊控制系统［J］.焊接学报，1999，20（3）：61-66.

［3］张勇，陈善本.焊接柔性加工单元中熔池的实时控制［J］.焊接学报，2002，23（4）：1-5.

［4］王亮.基于逆变电源主控系统的模糊-PID控制PMIG弧焊研究［J］.热加工工艺，2013，42（13）：203-205.

［5］董俊华.基于焊缝背面实时温度场检测的焊缝自动跟踪系统［J］.热加工工艺，2008，37（9）：69-72.

［6］李兴霞，崔国明.应用波控技术控制CO2焊燃弧能量的研究［J］.热加工工艺，2012，41（15）：155-157，160.

［7］石铭霄，张秉刚.电子束焊熔深神经网络模糊控制系统建模与仿真［J］.机械工程学报，2012，48（10）：28-32.

［8］高延峰，张华，肖建华.移动机器人弯曲角焊缝跟踪预测模糊控制器设计［J］.机械工程学报，2010，46（23）：23-27.

［9］GAO X D,HUANG S S.Artificial neural network and fuzzy logic controller for GTAW modeling and control［J］.Chinese Journal of Mechanical Engineering,2002,18（6）:53-56.

［10］Suga Y,Takenaka D.Automatic control of penetration by monitoring reverse side shape of molten pool in all position welding of fixed pipes［J］.Proceedings of the International Offshore and Polar Engineering Conference,2001（4）:286-291.

［11］Satoshi Yamane,Yasuyoshi Kaneko,Noriyuki Kitahara.Neural Network and Fuzzy Control of Weld Pool with Welding Robot［J］. IEEE Transactions on Instrumentation and Measurement,1993（42）:2175-2180.

［12］Chen C Y,Li T H,Yeh Y C.EP-based kinematicontrol and adaptive fuzzy sliding-mode dynamic control for wheeled mobile robots ［J］.Information Sciences,2009（179）:180-195.

Design and Simulation of Fuzzy Controller for Penetration in TIG Welding

GUO Guo-lin1,2，ZHOU Zi-qiang1,2，XU Zheng-ya1,2，HU Chao-bin1,2
（1.School of Mechanical Engineering,Changshu Institute of Technology,Changshu 215500,China；
2.Jiangsu Key Lab of Recycling&Reuse Technology for Mechanical and Electronic Products,Changshu 215500,China）

The control method of penetration is studied in TIG welding.On the basis of analyzing the characteris⁃tics of TIG welding and actual welding process,the fuzzy controller is designed,its input variables are bias of penetration and change rate of bias,its output variables are the change of welding current,and the controller is simulated and verified by the experiment.The results show that the controller can reach a stable state in 5 sec⁃onds,that the penetration depth can meet the actual production requirements and that the designed control sys⁃tem has good control effect.

TIG arc；surfacing welding；fuzzy control；simulation experiment

TP316.7

A

1008-2794（2015）02-0009-04

2014-08-31

江苏省科技支撑计划项目“报废汽车材料回收工艺及装备关键技术研究”（BE2013060）；苏州市科技计划项目“基于选择性拆卸的汽车零部件可再制造性分析与评价”（SGZ2013125）

通讯联系人：郭国林，副教授，硕士，研究方向：材料表面改性及先进连接技术，E-mail：gguolin@163.com.