机器人TIG焊接的焊缝形貌遗传神经网络预测

摘要

焊缝形貌特征是评价机器人焊接质量的重要指标,针对TIG焊接过程中焊缝形貌难以预测和检测精度低的问题,提出一种通过遗传算法GA优化反向传播神经网络BP参数的焊缝形貌预测方法(GA-BP)。采用GA的全局寻优能力帮助BP神经网络快速找到初始权值和阈值的最优解,可提高模型的收敛速度与预测精度。利用TIG焊接的实验数据对焊缝的几何特征如正面高度FH、正面宽度FW、背面高度BH和背面宽度BW等进行预测。结果表明:GA-BP模型预测的FH、FW、BH、BW的平均绝对百分比误差分别为44.843%、5.658%、17.332%、8.097%,决定系数分别为0.849、0.912、0.556、0.950,较之于传统BP神经网络,其泛化能力更强,预测精度更高,FH、FW、BH、BW的平均绝对百分比误差分别减小了39.527%、1.269%、2.646%、1.634%,为TIG焊接的工艺参数调优提供了理论基础,具有一定的实际应用价值。