传统激光软钎焊依赖人工经验调整参数,难以应对复杂产品结构和温度动态变化,基于模型的方法又高度依赖模型精度,实用性受限.为解决上述问题,文中提出了一种基于迭代学习的激光软钎焊温度控制方法.无需建立精确数学模型,利用历史焊接数...传统激光软钎焊依赖人工经验调整参数,难以应对复杂产品结构和温度动态变化,基于模型的方法又高度依赖模型精度,实用性受限.为解决上述问题,文中提出了一种基于迭代学习的激光软钎焊温度控制方法.无需建立精确数学模型,利用历史焊接数据进行迭代优化,逐步修正控制功率,使实际温度曲线在无需人工干预的情况下逐步逼近目标温度曲线,从而增强控制系统的自适应能力与鲁棒性.结果表明,仅需2次迭代,在实际温度曲线与目标温度曲线的均方根误差和最大绝对误差方面,即优于传统PID(proportional integral derivative)控制方法.迭代3次后,温度控制的精度、稳定性和工艺适应性均得到显著提升,表现出较强的收敛性与控制性能.为激光软钎焊在多变复杂工况下实现高精度、高一致性的温度控制提供了有效解决思路.展开更多
文摘传统激光软钎焊依赖人工经验调整参数,难以应对复杂产品结构和温度动态变化,基于模型的方法又高度依赖模型精度,实用性受限.为解决上述问题,文中提出了一种基于迭代学习的激光软钎焊温度控制方法.无需建立精确数学模型,利用历史焊接数据进行迭代优化,逐步修正控制功率,使实际温度曲线在无需人工干预的情况下逐步逼近目标温度曲线,从而增强控制系统的自适应能力与鲁棒性.结果表明,仅需2次迭代,在实际温度曲线与目标温度曲线的均方根误差和最大绝对误差方面,即优于传统PID(proportional integral derivative)控制方法.迭代3次后,温度控制的精度、稳定性和工艺适应性均得到显著提升,表现出较强的收敛性与控制性能.为激光软钎焊在多变复杂工况下实现高精度、高一致性的温度控制提供了有效解决思路.
基金supported by National Natural Science Foundation of China(Nos.60834001,60974040,61120106009)the Fundamental Research Funds for the Central Universities(No.2011JBM201)
