随着焊接件在实际生产中的应用越来越广泛,焊接件的质量被高度重视,而熔透控制对于获取稳定的焊接质量至关重要,因此熔透的精确预测及焊接工艺参数的确定成为焊接领域的重要研究课题。建立熔透预测模型,由熔池正面特征参数映射出熔透信息,为熔透的实时控制提供依据。建立焊接专家系统,可以为焊接工作提供帮助、降低参数确定的复杂度、缩短所需时间、有利于提高工作效率和经济效益,促进企业发展。人工神经网络是人工智能的一个重要分支,具有独特的自组织、自学习、快速处理、高度容错及很强的非线性函数逼近能力。针对焊接过程的高度复杂性,采用人工神经网络软测量建模方法建立熔透预测模型。由于传统的BP神经网络算法存在收敛速度慢、易陷入局部最优的问题,提出全局最优自适应变异的粒子群算法(GBAMPSO),建立基于GBAMPSO的BP神经网络预测模型。本文在专家系统设计部分再次利用了人工神经网络的技术优势,将其用于专家系统的知识获取模块,有利于系统对数据库的管理和更新。本文所设计的专家系统具有独立的模块,包括工艺参数查询、设计、焊接设备选型及网络自学习等部分。以Visual Basic6.0作为开发工具,采用面向对象的程序设计方法,实现各模块的建立过程。Matlab因其强大的运算能力被用于神经网络的训练和预测过程,并通过ODBC数据源接口与系统的数据库交互,实现对数据库中训练样本的读取和预测结果的写入操作,达到优化工艺参数、扩充知识库的目的。仿真结果表明,基于GBAMPSO的BP神经网络熔透预测模型比传统的BP神经网络模型具有更准确的逼近效果,满足GTAW熔透预测的要求。测试结果表明,本文所设计的专家系统运行过程稳定、结果可靠,为其他专家系统的设计和开发提供可供参考的知识。