电阻点焊技术凭借其操作简便、经济性好以及生产效率高等优点,普遍应用于汽车白车身制造业和航天航空制造业等领域,而焊点接头质量的优劣将直接影响工业产品是否符合国家标准,因此确保焊点质量合格率至关重要。然而其焊接过程中熔核始终处于封闭状态而无法直接监测焊点质量。另外,因点焊过程复杂、多参数互相耦合以及随机影响因素较多,而难以用精确数学模型进行描述。因此,综合分析点焊过程参数,并建立其与焊点质量间准确的映射关系具有重要意义。本文主要内容如下:首先,在众多影响焊点质量的工艺参数中,选取焊接电流、电极间压力以及焊接时间作为点焊质量监测系统的输入参量,并利用传感器对上述工艺参数进行实时采集,得到的数据信息经信号调理电路和模数转换电路处理后传至质量监测模型中进行运算判定,从而达到对焊点熔核直径尺寸的实时预测以及判断焊点质量的目标。点焊质量监测硬件系统主要包括数据采集模块和数据分析模块,数据采集模块由罗柯夫斯基线圈电流传感器、应变式压力传感器、信号调理电路以及ADC信号采集电路等组成;数据分析模块则根据点焊质量监测模型实现焊点熔核直径尺寸的预测。此外,基于Helper A133主控芯片设计了点焊质量监测系统供电电路和点焊质量不合格报警等外围电路,后者用于对预测结果不合格的焊接过程进行声光报警提示。其次,基于BP神经网络构建了3×4×1结构的点焊质量监测模型,此模型将焊接电流、电极间压力以及焊接时间作为输入,焊点熔核直径尺寸作为输出。另外为弥补BP神经网络标准算法存在的固有缺陷,利用遗传算法筛选最优初始权值和阈值的方式对其进行了优化改进,从而建立了点焊质量监测优化模型。最后,基于Linux系统设计了点焊质量监测软件系统,并且基于Qt开发软件设计了点焊质量监测系统交互界面,主要包括用户登录界面、点焊质量监测模型训练界面以及预测界面等,用于实现焊接工艺参数信息的传输、储存和显示。并利用经遗传算法优化后的点焊质量监测模型程序进行运算,从而实现焊点熔核直径尺寸的预测。本文通过监测点焊过程参数的方式间接判断焊点质量,建立了基于BP神经网络的点焊质量监测模型,同时利用遗传算法弥补了BP神经网络标准算法存在的固有缺陷。点焊质量监测系统建立了焊接电流、电极间压力、焊接时间与焊点熔核直径尺寸之间的映射联系,从而达到实时预测,判定焊点质量是否合格的目标。经对比熔核直径尺寸预测值与实际值,两者之间的平均相对误差为5.31%。结果表明,基于BP神经网络设计的点焊质量监测系统能够较为准确地预测焊点熔核直径尺寸,可用于焊点质量的判定,为后续提升焊点合格率奠定了基础。