人工智能技术在电阻点焊过程控制中的应用与发展

1、文章编号 :1671-5497(200404-0532-06收稿日期 :2004-05-08.基金项目:国家自然科学基金资助项目 (50175048;美国 GM 基金资助项目(200302.作者简介:曹海鹏(1974-,男,博士研究生 .E -m ail :chai p en g !m ail .j lu .edu .cn通讯联系人 :赵熹华(1941-,男,教授,博士生导师 .E -m ail :zhaoxh !j lu .edu .cn人工智能技术在电阻点焊过程控制中的应用与发展曹海鹏 1,赵熹华 1,赵贺 2,杨黎峰 1(1.吉林大学材料科学与工程学院 ,吉林长春 130022;2.长春

2、工业大学材料学院 ,吉林长春 130012 摘要:综述了人工智能技术 (人工神经网络、模糊控制、专家 系统技术、智能主体等在电阻点焊工艺参数设计、点焊过程控制、质量预测与评判等领域的应用特点,分析了人工智能技术在解决非线性、病态求解问题中的优势 ,并指出多种智能技术的集成已经成为人工智能技术在电阻点焊过程控制中应用的趋势。关键词:材料合成与加工工艺 ;人工智能 ;电阻点焊;过程控制;质量测评中图分类号 :TG 453.9 文献标识码 :AA pp lication and develo p m ent of artificial i ntelli g enceto resist ance s

3、p ot w el di n g contro lCAO ai p en g 1,ZAO x i hua 1,ZAO e 2,YANG L if en g 1(1.C olle g e o f M aterials s cience and e n g ineerin g ,Jilin unio ersit y ,C han g chun 130022,C hina ;2.C olle g e o f M aterials s cience and e n g ineerin g ,C han g chun unio ersit y o f T echnolo gy ,C han g chun

4、 130012,C hinaAbstract :T he a pp lication o f t he artificial i ntelli g ence such as artificial neural net w ork ,f uzz y contro l ,ex p ert s y ste m and i ntelli g ent a g ent etc .I n t he resistance s p ot w eldi n g i ncl udi n g its p rocessi n g p ara m eters desi g n ,p rocess contro l ,C

5、ualit y p rediction and eval uation w ere revie w ed.T he artificial i ntelli g ence a pp lied to resistance s p ot w el di n g w as m ore p ow erf ul on so lvi n g t he nonli near and ill-struct ured p roble m s.I nte g rati n g various artificial i ntelli g ence techno lo g ies and m aki n g f ull

6、 use o f t heir res p ecti ve advanta g es have becom e t he current trend.K e y words :m aterial s y nt hesizi n g and p rocessi n g ;artificial i ntelli g ence ;resistance s p ot w el di n g ;p rocess contro l ;C ualit y p rediction0引言电阻点焊是薄板连接中应用最广的方法 ,遍及车辆制造、航空、航天、家用电器以及电子工业等。电第 34卷第 4期吉林大学学报 （工

7、学版V o l .34N 0.42004 年 10 月 Journal o f Jili n u n ivers it y (En g i neeri n g and T echno lo gy Ed ition !O ct .2004阻点焊过程是一个高度非线性、有多变量耦合作用和大量随机不确定因素的过 程;同时电阻点焊的形核过程处于封闭状态 ,无法观测 ,特征信号的提取比较困难 ;形核过程的时间极短 ,焊接质量的监测和控制难度较大。经典点焊过程控制方法大都是基于一定假设条件下建立数学模型。而实际焊接过程比较复杂 ,因此这些模型与实际对象间差异较大 ,难以达到满意的适应效果 ,无法满足工业发展

8、对电阻点焊质量提出的高可靠性的要求。以人工神经网络 (ANN 技术、模糊逻辑控制 (FLC 、专家系统 (ES 、智能主体 (a g ent为标志的人工智能技术在解决高度非线性和严重不确定系统控制方面比经典控 制方法具有更大的优势和潜力。在信号处理、智能控制、模式识别、机器视觉、非 线性优化、自动目标识别、传感技术等方面取得了很大的进展。模糊控制是根据状态变量及操作者的经验或专家的分析进行模糊推理而确定控制系统的输出的,并不需要知道控制对象的精确数学模型 ,故适用于控制对象数学模型复杂及系统动态变化剧烈的场合 (例如非线性及多输入多输出的控制对象。随着人工智能技术的不断发展和成熟 ,电阻点焊过

9、程的智能控制已经成为电阻点焊质量控制的一个重要的方向。l 人工智能技术在电阻点焊工艺参数设计中的应用电阻点焊过程是一个高度非线性、多变量藕合作用的复杂过程。焊接工艺参数 集中体现了焊接技术本身的复杂性与经验性 ,其正确选择是保证焊接质量的前提 ,因而电阻点焊工艺被视为焊接生产中最关键的技术之一。电阻点焊工艺设计智能系统 平、创造性。应用人工智能技术进行电阻点焊工艺参数规划是一条有效途径。属于设计型智能系统 ,具备一般工程设计的特点高度智能、复杂、专家水文献I 提出的电阻点焊工艺参数选择人工智能系统采用专家系统技术和人工神经网络 技术进行电阻点焊工艺参数规划 ,通过集成多种人工智能技术建成一个智

10、能混合系 统,充分利用了多重人工智能技术的优势。系统使用模糊技术对电阻点焊工艺参数 进行几次优化后 ,就可以得到相应理想的点焊工艺参数。文献2研究的电阻点焊工艺参数选择系统将神经网络和其他几种知识表示形式集成在 同一个系统中 ,以神经网络的表示形式作为系统的核心 ,利用神经网络的自学习功能对大量现有事例进行学习 ,提取隐含的内在规律 ,并转化为网络自身的结构。该系统利用神经网络的非线性映射特性 ,能够较完整地表示点焊过程中焊接工艺规范参数选择和焊点质量评估所需的专家知识 ; 能够迅速响应外部请求并作出判断 ,从而满足 了点焊过程对实时性的要求 ;由传统的知识表示形式为神经网络提供所需的预处理和

11、知识解释 ,从而充分发挥各自的优势 ,有效地解决神经网络存在的不精确和缺乏对推理过程的明显解释等自身缺陷。图 l 模糊推理关系示意图 3F i g .l S ketch o f f uzz y i nf erence 3 电阻点焊工艺 参数众多 ,参数之间一般是一种离散的、病态的多对多映射关系。采用人工神经网络技术实现电阻点焊工艺参数规划时,在较大范围内使用人工神经网络进行输入和输出之间的映射比较困难。如果样本集数量与网络结构规模比例相差很大则其泛化能力很差。文献3,4提出的点焊工艺参数智能规划系统其将点焊工艺事例属性划分为两类:事例特征 !和事例特征 "。设计了相似点焊工艺事例的检

12、索策略 :在事例特征 !的约束下 ,以事例特征 " 中所包含的材质的热物理性质和板厚作为检索相似事例的依据。应用模糊推理的方法对检索到的相应的相似事例库中所含有的工艺知识、规则进 行提取、总结 ,进而指导对新的点焊工艺事例的求解 ,从而较好地解决了点焊工艺设计中基于事例推理时 ,难以建立合适的模型对检索到的相似事例进行修正的难点 ,使点焊工艺参数的智能求解过程更加符合领域专家的思维,过程更加灵活 ,具有开放性。其模糊推理关系示意图见图 l 。? 335? 第 4 期曹海鹏 ,等 :人工智能技术在电阻点焊过程控制中的应用与发展2人工智能技术在电阻点焊过程控制中的应用电阻点焊过程是一个热

13、、力、电三者耦合的时变过程 ,而且过程时间短、难以 直接对焊接质量进行检测 ;点焊实施过程中干扰因素较多 （网压波动、电极磨损、电流波动等 ,使点焊过程难以建立精确的数学模型 ,用传统的控制方法对电阻点焊质量进行监控也非常困难。而用人工智能技术替代传统的控制方法对电阻点焊过程进行 控制获得了较好的效果。图 2FLC 算法框图 4F i g .2B lock d ia g ra m o f FLC al g os it h m 4 图 3 模糊自适应控制框图 6F i g .3B lock d ia g ra m o f f uzz y ada p tive contro6文献5提出的智能点焊控

14、制系统采用模糊逻辑推理技术补偿在电阻点焊过程中工艺参数的偏差对点焊熔核形成过程的影响。采用模糊逻辑控制（FLC解决了电阻点焊工艺过程中缺少精确数学模型的缺陷。在电阻点焊实时控制中 ,采用电极位移量作为焊接熔核形成过程的表征信号 ,并以其作为调节焊接过程参数的反馈参数来获得合适的电阻点焊熔核形成热量输入。在一个较宽的焊接工艺条件范围内 ,以大量实验数据为基础 ,提取出相关的电阻点焊过程控制规则。采用人工神经网络提供点焊过程中输入参数与输出参数之间的映射并调整相应的模糊规则。其控制总体示意图见图 2。该 ANN(结构为 4-7-1的 BP 网络是以实验数据离线训练成的标准电极位移 (!和位移变 化

15、率("与加热百分数 (#%和焊接时间 ($的模型。电阻点焊过程中 ,ANN 实时提供不同 焊接条件下的电极位移和位移变化率。模糊控制器输出可控硅的控制角 ,以调节焊接输入能量 ,使实际电极位移曲线不断逼近标准电极位移曲线 ,达到控制焊接质量的目的。其缺点是电极位移不能排除电阻点焊设备自身特性的影响 ,这对 ANN 的样本集提出很 高的要求 ,在实际应用过程中较难实现。文献6提出了电阻点焊模糊自适应控制系统 ,建立了电流参考模型 ,根据动态电阻的划分提出了一种点焊质量的评估方法。首先根据焊接电流和动态电阻 ,采用有限元法离线计算出焊接能量、焊接电流与核心尺寸间关系的参考模型。在实际控制

16、系统中 将动态电阻分成 4 个不同的阶段 ,根据实时检测出的焊接过程的动态电阻值 ,通过电流参考模型得出过程的参考参数 ,由模糊控制器发出自适应控制指令 ,完成点焊过程的自适应控制。由于在电阻点焊过程中铝合金以及不锈钢动态电阻曲线不同于低碳 钢动态电阻的变化 ,因此这种方法难以在铝合金、不锈钢等中获得应用。文献7提出了神经网络与模糊技术相结合的点焊质量控制系统。该系统采用人工神经 网络模块作为以时间为输入 ,以电极位移、电极位移速率为输出的映射 ;而以电极位移作为模糊控制器的模糊偏差输入量 ,以提供给熔核的能量作为输出控制量。计算机模拟结果显示该系统抗干扰能力强 ,而且能对在线工艺扰动进行补偿

17、 ,并得到满意的点焊接头。其模糊自适应控制框图见图 3。文献 8提出了一个复杂的基于人工神经网络技术的点焊在线质量监控系统。该系435? 吉林大学学报 ( 工学版第 34 卷统包含的人工神经网络不需要任何的材质、电极和焊机特性之间的规则说明。通过基于样本的训练 ,系统可依据电流和电压测量值对焊点质量进行预测。由于神经网络能够识别结果中的干扰 ,通过相应的训练 ,该系统可以自适应识别电极磨损、 电极形状、工件厚度以及分流等工艺参数的变化 ,并预测其对焊接质量的影响。传统的电阻点焊电源的控制器多采用 P I D 控制方式 ,而模糊控制器与 P I D 控 制器相比具有调节速度快、鲁棒性好等优点 ,

18、因此采用模糊控制算法的点焊控制器的应用越来越广泛。文献 8,9都开发了电阻点焊模糊控制器。工艺试验结果表明模 糊控制器性能良好 ,具有较高的精度及稳定性。近年来随着计算机网络技术的迅速发展 ,分布式人工智能技术已经成为一个新的研究热点。在分布式人工智能研究中 ,多智能主体 (m ulti p le a g ents 由于可以通过知识共享而相互交流交互 ,越来越引起众多学者的关注。智能主体在没有人进行干涉的情况下具有推理决策能力即较高的智能性。文献 10提出了应用多智能体系统实现点焊机器人柔性加工系统的协调控制系统。该系 统针对电焊柔性加工系统的特点 ,构造了具有任务管理智能体、通信管理智能体以

19、及与物理设备相对应的多个节点智能体控制系统。该多智能体系统采用黑板结构通过集中式的网络结构以及协商的合作协调机制在系统中进行资源分配,规划生产任务 ,监视资源运行 ,以便充分利用系统资源。3人工智能在电阻点焊焊点质量估测中的应用文献11,12利用焊接电流有效值、每半个周波的动态电阻值、电极直径及焊接能量作为BP 网络的输入参数对焊点直径进行估测 ,根据焊点直径所处区域来确定焊接电流的增加步长 ,这样既完成了对焊点质量的估测 ,又完成了为补偿点焊电极磨损而对焊接电流增加步长的优化设定。将 ANN 模式识别和映射能力与 FLC 处理不确定和非 精确数据的能力相结合 ,建立新的控制系统 ,可以克服现

20、有控制系统在镀锌钢板焊接质量监控方面的不足和局限性。文献13提出了用扫描声学显微镜 (SAM 结合人工神经网络技术来监控电阻点焊焊点质 量的方法。该方法采用数学形态学技术从焊点的 C 扫描图像中得到点焊熔核的几 何尺寸参数 ,如熔核轴向尺寸等 ,并以这些参数作为人工神经网络的入口参数。采用点焊熔核的剥离试验及专家的评判作为神经网络的输出参数。采用 J AVA 编程来 实现扫描图像处理 ,人工神经网络学习等。通过神经网络的训练得到输入输出参数之间的映射。结果表明其具有很高的辨识正确率。文献14针对铝合金的电阻点焊 ,研究了人工神经网络在点焊质量估测中的应用。以LD 10CS 铝合金为例 ,分析了

21、铝合金焊接时动态电极电压的变化 ,提出了以每周波动态电 极电压为输入参数 ,以焊点强度和熔核直径为输出参数的误差逆传播神经网络对点焊质量进行估测的方法。由于电极间的动态电压综合了动态电阻和焊接电流两方面 的因素 ,可以较好地反映焊点的状态 ,因此,将焊接过程每周波 (0.02s 的动态平均电 压!"#倂=1,2,1表征为网络的输入，而焊点的拉剪力、熔核直径作为网络的输出。根据网络的输入输出矢量 ,构造了一个输入层单元数为 14,一个隐含层 ,一个输出层单元数为2 的 BP 网络 ,以试验提供的 36 组训练数据作为样本网络。实验结果表明该估测方法可行,为铝合金点焊的在线质量估测奠定了

22、良好的基础。文献15,16建立了人工神经网络点焊质量预测与评估模型。利用 ANN 对输入输出的映射 , 以点焊的过程参数动态电阻作为输入参数 ,焊点质量 (如熔核尺寸、焊点拉剪强度等作为输出参数 ,用实验数据作为训练样本对 BP 网络进行训练 ,训练后的网络能自动完成从输入到输出的映射 ,从而能对电阻点焊焊接熔核质量进行评估。文献17研究了人工神经网络点焊质量预测模型中网络结构、样本集选取以及作用函数 等对神经网络训练及输出结果精度的影响。文献18提出了一个采用神经网络与模糊算法相结合的电阻点焊智能质量控制系统。该 系统以没有飞溅情况下的与点焊电极位移相关的 4 个参变量以及在产生飞溅条件下

23、的不同焊接周波的动态电阻作为模糊逻辑的输入参数 ,以点焊熔核的强度特性作为输出构造了一个模糊系统。采用神经网络学习？ 535?第4期曹海鹏，等:人工智能技术在电阻点焊过程控制中的应用与发展算法作为模糊输入的前处理，提高了系统的学习能力和智能性。模糊推理采用T aka g i-s u g eno为内核。实验结果反映出系统具有较小的预测误差。其框图见图系统控制框图18F i g .4B lock d ia g ra m o f s y ste m contro l184人工智能技术应用于电阻点焊过程中存在的问题及其发展前景人工神经网络技术和模糊技术是电阻点焊智能化过程中应用较为广泛的两种技 术。人

24、工神经网络主要是通过对样本集的学习训练来获得输入向量与输出向量之间 的映射关系。在电阻点焊工艺过程中 ,影响因素众多 ,参数之间一般是一种离散的、 病态的多对多映射关系 ,在大范围内输入和输出之间的映射很难实现 ;如果样本集数量与网络结构规模比例相差很大 ,则其泛化能力很差。而由于点焊过程中样本集的获得大多是依赖于工艺试验 ,所以给人工神经网络的应用带来一定困难。模糊控制 中的模糊规则多取决于相关领域专家的经验 ,或同样来源于工艺试验数据的提取 ,这 给其规则更新 ,进一步提高其学习能力带来一些不便。将模糊技术与神经网络技术相结合可以相互取长补短。模糊技术的特点是逻辑推理能力强,将模糊技术引入

25、神经网络 ,可大大地拓宽神经网络处理信息的范围和能力 ,使其不仅能处理精确信息 ,也能处理模糊信息或其他不精确信息。神经网络在学习和自动模式识别方面有极强的 优势 ,采取神经网络技术进行模糊信息处理 ,则有可能实现模糊规则的自动提取及模糊隶属函数的自动生成 ,使模糊系统成为一种自适应模糊系统。集成多种智能技术可以扬长避短。其应用已经成为人工智能技术在电阻点焊过 程控制中应用的趋势 ,如模糊神经网络技术、采用遗传算法优化模糊推理规则等。 由于人工智能技术在解决非线性及多输入多输出问题、赋予系统学习功能、寻求最 优化等方面分别具有古典控制理论与现代控制理论不可比拟的优点 ,随着人工智能领域研究的不

26、断深入 ,其在电阻点焊过程中会有更大的发展前景。参考文献:1赵熹华,王宸煜,张若冰,严庆光.点焊工艺设计智能混合系统的研究 J .焊 接,2000(3:11-14.ZAO x i hua ,W ANG Chen y u ,ZANG Ruob i n g ,YAN G i n gg uan g .A n i nte lli g ent h y bri d s y ste m f or s p o t w e ld i n gp rocedure des i g n J .W e ld i n g ,2000(3:11-14?. 635? 吉林大学学报 ( 工学版 第 34 卷第 4 期 曹海鹏，

27、 等： 人工智能技术在电阻点焊过程控制中的应用与发展 ?537 ? 2 陈益平， 胡德安， 陈鹏展， 李唐柏. 智能点焊专家系统集成策略的研究 （： J . 机械工程学报， 2001 7） 61 -64 . CHEN Y i pi ng ， HU Dean ，CHEN Pengzhan， LI T angbai . S t udy on t he i ntegrati on tactics of i ntelli gent eXpert syste mi n （ ： spot Wel di ng J . Chi nese Journal of M echanical Engi neeri ng

28、 ， 2001 7） 61 -64 . 3 曹海鹏， 赵熹华， 赵蕾. 基于事例推理的点焊工 艺参数的智能求解 （： J . 焊接学报， 2003 6） 1 -4 . CAO H ai peng ，ZHAO X i hua ， ZHAO Lei . An i ntelli gent i nf erence f or resistance spot Wel di ng procedure para meter on （ ： CBR J . T ransacti ons of t he Chi na W el di ng I nstit uti on ， 2003 6） 1 -4 . 4 曹海鹏，

29、 赵熹华， 赵蕾. 铝合金电阻点焊焊接参 数选择的智能化 工学版， （ ： J . 吉林大学学报： 2004 ， 34 1） 56 - 59 . ， ， CAO H ai peng ZHAO X i hua ZHAO Lei . S t udy on i ntelli gent choice of resistance spot Wel di ng f or al u m i nu m alloys J . （ Engi neeri ng and T，： Journal of Jili n Uni versit y echnology Edisi on ） 2004 ， 34 1） 56 -5

30、9 . 5 ， ， MESSLER R W J J OU M i n J AMES L C. An I ntelli gent control syste m f or resistance spot Wel di ng usi ng a neural C net Wor k and f uzzy logic !Conf erence Record-I AS Annual M eeti ng， 1995 ： 1757 -1763 . 6 CHEN X i ngCiao ， ARAKI Kenji . Fuzzy adapti ve process control of resistance s

31、pot Wel di ngW it h a current ref erence model C ! Proceedi ngs of t he I EEE I nternati onal Conf erence on I ntelli gent Processi ng Syste m，s Beiji ng ， Chi na ， 1997 ： 190 194 .7 （Tuni ng ） D J OU M i n . An i ntelli gent control syste mf or resistance王志强， 薛家祥， 方平. 逆变式点焊电源恒spot Wel di ng usi ng

32、f uzzy logic and neural net Wor k . Rensselaer Pol ytechnic I nstit ute ， 1994 . 8 吴祥淼， 黄石生，流系统的智能控制 （： J . 焊接，2001 3） 19 -22 . WU X iang m iao ，HUANG Shisheng ， WANG Zhi CiangXUE JiaXiang ， FANG P i ng .I ntelli gentcontrol syste m of constant ， （ ）poWer J . W el di ng 2001 3 19 -22 .9 ： current f

33、or i nverter- based spot Wel di ng 杜全营， 陈善本， 于有生. 基于模糊逻辑的电阻点焊恒流控制系统 （： J . 焊接， 2003 6） 17 -21 . DU Guanyi ng ，CHEN Shanben， YU Yousheng . Constant current control syste m of resistance spot Wel di ng based on f uzzy ，（ ）： logic J . W el di ng 2003 6 17 -21 . 朱振友， 丘涛， 陈善本. 点焊柔性加工系统多智能体的协调控制 ( ： 10 朴永

34、 杰， J . 焊接学报， 2003 5) 17 -20 . ， ， ， PI AO Yongjie ZHU Zhenyou G IUT ao CHEN Shanben . M ulti- agent syste m s coordi nati on control f or spot Wel di ng ( ： J . T ransacti on of t he Chi na W el di ng I nstit uti on ， 2003 5) 17 -20 .fleXi ble manuf act ure syste m 11 BROWN J D ， J OBLI NG C P . Op

35、ti m izati on of si gnal i n- puts to a neural net Wor k f or modeli ng spot Wel di ng of zi nc coated C steels ! 51st Annual A ssse mbl y of II W， H a mburg ， Ger many ， 1998 . 12 BROWN J D ， RODD M G. Applicati on of artificial i ntelli gence techniCues to resistance spot Wel di ng J . Iron M aki

36、ng ， ， ( ) ： and S teel M aki ng 1998 25 3 199 -204 . 13 LEE H sut ung ，WANG M ichael ，MAEV Roman ，MAEVA E lena . S t udy on usi ng scanni ng acoustic m icroscopy and ， neural net Wor k techni Cues to eval uate t he Cualit y of resistance spot Wel di ng J . I nt J Adv M anuf T echnol 2003 ， 22 ： 727

37、 -732 . 饶德林， 陈立功， 倪纯珍. LD10CS 铝合金点焊的神经网络质量估测 (： 14 J . 上海交通大学学报， 2003 2) 167 -170 . RAO Deli n ， CHEN L i gong ，NI Chunzhen . Gualit y esti mati on ofLD10CS al u m i nu m alloy spot Wel di ng usi ng artificial ( ： neural net Wor kJ . Journal of Shanghai Jiaotong Uni versit y， 2003 2) 167 -170 . ， 15

38、 CHO2000Yongj oon RHEE Sehun . Ne W technology f or measuri ng dyna m ic resistance and esti mati ng strengt h i n resistance ( ： spot Wel di ng J . M eas S ci T echnol， 11 ) 1173 -1178 . 16 ZHANG Zhongdian ， LI DongCi ng ， ZHAO hongyun ，YU Yan . Eff ects of modeli ng means on properties of monitori

39、 ng models of spot Wel di ng Cualit y J . Chi na W el di ng ， 2002 11 ) 119 -123 . 冬青， 赵洪运， 范伟光. 建立点焊质量神经网络监测模型时作用函数的选取： 17 张忠典， J . 焊接学报， 2002 3) 59 63 . ZHANG Zhongdian ， LIDongCi ng ， ZHAO Hongyun ， FAN W ei guang . Selecti on of acti on f uncti onWhen establishi ng t he ( ： neural net Wor k moni

40、tori ng model on Cualit y of spotWel di ng J . T ransacti on of t he Chi na W el di ng I nstit uiton， 2002 3) 59 -63 . 18 LEE S R ， CHOO YJ ， LEE T Y ， KI M M H ， CHO I S K . ACualit y assurance techni Cue f or resistance spot Wel di ng usi ng (： a neuro-f uzzy al gorit h m J . Journal of M anuf act

41、 uri ng Syste m s， 2001 5) 320 -328 . (责任编辑 陈 永杰)人工智能技术在电阻点焊过程控制中的应用与发展 作者： 作者单位： 刊名： 英文刊名： 年，卷 (期： 曹海鹏， 赵熹华， 赵贺， 杨黎峰 曹海鹏 ,赵熹华,杨黎峰 (吉林大学,材料科学与工程学院 ,吉林,长春, 1 30022， 赵贺(长 春工业大学 ,材料学院 , 吉林,长春,130012 吉林大学学报 (工学版 JOURNAL OF JILIN UNIVERSITY(ENGINEERING AND TECHNOLOGY EDITION 2004,34(4 参考文献 (18条 1.ZHANG Zhongdian;LI Dongqing;ZHAO hongyun;YU Yan Effects of modeling means on properties of monitoring models of spot welding quality外文期干刊2002(11 2. 张忠典;李冬青;赵洪运;范伟光 建立点焊质量神经网络监测模型时作用函数的选取 期干论文 -焊接学报 2002(03 3.Lee S R;CHOO Y J;LEE T Y;KIM M H, C