焊接自动化是焊接技术发展的一个趋势,由于焊接过程的高度复杂性,使得难以获得焊接过程的精确数学模型,从而限制了传统控制方法的应用。近年来,智能控制由于对复杂过程的适应性而得到重视,而在智能控制系统设计中,建模一般是必不可少且具有重要意义的。用模糊集方法、神经网络方法以及两者相结合的方法获取焊接过程的知识模型成为科研人员关注的焦点,但这些方法都存在一些本身难以克服的缺点。基于粗糙集(Rough Set, RS)的建模方法作为一种较新的方法已在焊接中得到应用,体现出较好的对焊接过程的适用性。结合焊缝成形质量预测专家系统建模的要求和特点,提出了基于RS知识获取的建模方法。该方法主要包含四个步骤:源数据的获取、数据的预处理、模型约简和知识推理。本文针对数据离散化算法和不确定推理策略进行了深入研究。(1)数据离散化算法研究当决策表(数据库)中包含连续数据时,必须进行离散化处理。首先确立了焊接过程的离散化方法的评价标准。分析了等宽离散化方法、基于Kohonen网络(自组织特征映射)的离散化方法和基于属性重要性的区间合并的离散化方法以及离散化时决策表不相容的处理办法,同时还改进了基于Kohonen网络的离散化方法,提高了离散化效率。结合它们的优点,提出了二次离散化方法,即在等宽或者基于Kohonen网络离散化方法的基础上,再进行一次基于属性重要性的区间合并的离散化。实验证明,基于改进的Kohonen网络二次离散化可以有效提高模型的预测精度,降低预测偏差。(2)不确定推理策略研究合理的推理策略对于提高模型的预测能力具有重要作用。由于系统的复杂性和不确定性,在知识推理过程中须采用不确定推理。对已有的不确定性推理方法进行了讨论,指出该方法缺陷在于将规则前件各条件属性等同对待,抹杀了他们在规则中所表现出来的不同的重要性。为此,本文提出了基于属性重要性的推理方法,试验结果证明,该方法提高了知识库中知识的使用效率,适合焊接专家系统预测的推理策略。本文最后以低碳钢CO2焊接为背景对基于RS知识建模方法进行了验证,结果表明,RS建模方法能够满足焊缝成形质量预测专家系统实际应用的需要。根据本文研究成果构建的漏焊监测和焊缝成形质量检测专家系统在焊接生产实际中的应用,进一步证明了基于RS知识建模方法的有效性和适用性。