摘 要

随着科技的进步，先进控制的焊接技术逐步实现，焊接设备也实现了飞速的发展。因此，作为决定焊接质量关键因素的弧焊电源成为了目前焊接技术进步和深入研究的主要焦点。为更好地解决逆变弧焊电源稳定性、控制效率以及精度等问题，对逆变弧焊电源控制系统的仿真扮演着重要的角色。

本文首先对逆变弧焊电源控制系统作了一个简要的介绍，并对BP (back propagation)神经网络和常规PID控制系统进行了分析与对比。然后针对TIG焊逆变弧焊电源外特性的要求，设计了基于BP神经网络的先进PID控制器，利用神经网络的性能找到控制所需参数Kp，Ki，Kd最优值，并将其快速输送给常规PID控制器，有效的解决了TIG焊在焊接过程中时变非线性的问题。

最后，通过建立TIG焊逆变电源控制系统的Simulink模型，得到了预期的仿真结果，验证了BP神经网络PID在TIG焊控制系统中具有快速、高效的控制性能。

关键词：逆变弧焊电源 BP神经网络 PID控制器 Simulink仿真

Abstract

With the progress of science and technology, advanced control of the welding technology gradually realized, welding equipment has also achieved rapid development. Therefore, as the key factor to determine the quality of welding arc welding power supply has become the current welding technology and in-depth study of the main focus. In order to solve the problem of stability, control efficiency and precision of inverter arc welding, it plays an important role in the simulation of the control system.

In this paper, a brief introduction to the inverter arc welding power supply control system is presented, and BP (back propagation) neural network and conventional PID control system are analyzed and compared. Then, based on the requirements of external characteristics of TIG welding, the advanced PID controller based on BP neural network is designed, and the optimal parameters Kp, Ki and Kd are obtained by using the performance of neural network. And it rapidly delivery to the conventional PID controller. some effective measures to time-varying and nonlinear problems of TIG welding in the welding process are considered.

Finally, through the establishment of Simulink model of TIG welding inverter control system, the expected simulation results are obtained. It is proved that BP neural network PID has fast and efficient control performance in TIG welding control system.

Key Words：Inverter arc welding power supply BP neural network PID controller Simulink simulation

目 录

摘 要 I

关键词 I

Abstract II

第一章 绪论 1

1.1 研究背景与意义 1

1.2 弧焊电源的发展过程和趋势 1

1.2.1 弧焊电源的发展过程 1

1.2.2 弧焊电源的发展趋势 1

1.2.3 弧焊电源中的控制系统 2

1.3 论文主要研究内容 2

第二章 BP神经网络PID控制相关理论 4

2.1 PID控制系统相关原理 4

2.2 BP神经网络PID控制系统原理 5

2.2.1 常用神经网络介绍 5

2.2.2 BP神经网络原理 6

2.2.3 BP神经网络PID控制器原理 7

第三章 基于Simulink的BP神经网络PID控制的设计 9

3.1 BP神经网络的算法设计 9

3.1.1 BP神经网络的前向算法 9

3.1.2 BP神经网络的反传算法 10

3.2 BP神经网络PID控制系统S函数的设计 11

3.2.1 S函数的基本用法 11

3.2.2 S函数的设计 12

3.3 BP神经网络PID控制器Simulink模型的设计 13

第四章 弧焊电源控制系统仿真 15

4.1 TIG焊逆变电源系统结构的确定 15

4.2 基本控制器Simulink模型的构建 16

4.2.1 常规PID控制器Simulink模型的建立 16

4.2.2 BP神经网络PID控制器Simulink模型的建立 17

4.3 逆变弧焊电源控制系统模型的建立 19

4.4 仿真结果与分析 21

第五章 总结与展望 23

5.1 本文总结 23

5.2 展望 23

参考文献 24

附 录 25

致 谢 27

第一章 绪论

研究背景与意义

随着世界工业化进程的不断深入，焊接技术在石油、化工、电力、机械、军工、航空、航天、汽车、铁道乃至核工业等领域都得到了广泛应用和发展^[1]。电弧焊的使用有着悠久的历史，并且由于其不断的改进，在国民生活和生产实践中有着不可或缺的重要地位。而逆变弧焊电源在电弧焊正常工作时需要提供稳定的电能，因此在焊接过程中弧焊电源的电气性能是否能够满足焊接需求决定着焊接质量。总而言之，要保证焊接工艺顺利的实施，就必须要用可靠的焊接电源

目前，人们对产品质量要求的提升使得工业设备不断的改善，传统的控制手段逐步被淘汰，焊接设备逐渐尝试采用智能控制。就焊接加工技术来讲，目前主要存在的问题有效率不高、功耗大、焊缝质量难以保证。因此如何解决这些问题并逐步优化成为现代焊接加工技术改善的关键。