1引言
焊接过程是一个复杂的过程，存在着时变、非线性及干扰因素多等特点，难以建立起精确的数学模型。随着现代生产的迅速发展，对焊接质量的要求越来越高，这就要求对焊接动态过程能实现自适应控制和智能控制，以确保焊接过程的稳定性，提高焊接质量和焊接自动化水平。
模糊控制可以在没有精确数学模型的情况下，模仿专家和熟练焊接工人的经验对焊接过程进行实时控制。国内外焊接界的专家学者较早认识到模糊控制在焊接过程中有着广阔的应用前景，积极将模糊控制用于焊逢跟踪、焊接质量及焊接电源设备的控制中。
2焊缝跟踪的模糊控制
焊缝的自动跟踪，是通过传感器获取焊炬与焊缝中心的偏差信息，对这些信息处理后，采用不同的控制算法得到控制信号，驱动焊炬使其对中焊缝。为此，国内外开发了机械、电弧和视觉等类型的传感器。随着传感器和信号处理技术的进步，多传感器信息融合将与弧焊机器人技术相结合，在焊缝自动跟踪中得到广泛应用。
电弧传感器的原理是从电弧电流和电压的变化中获得焊缝横向与高低偏差信息，当焊炬与工件距离变化时，电流相应改变，以保持原有的熔化率。因此，电弧电流的变化反映了焊炬高度的变化，通过电弧振动扫描焊缝的坡口，从电流波形特性中可获得焊炬横向对中的信息。电弧电流与焊炬高度变化量之间是时变非线性的关系，其精确的数学模型较难建立。尽管国内外学者研究了一些弧焊工艺的动静态模型，但由于施焊现场存在强烈的电磁干扰等，这些模型的自适应和鲁棒性受到限制。模糊控制具有很好的鲁棒性和非线性映射能力，因此，适用于电弧传感跟踪控制。
J.W.Kim等在CO2气体保护焊中，研制了一套电弧传感器，采用简单模糊控制和自组织模糊控制方法进行焊缝跟踪。试验表明：自组织模糊控制器在偏差角度为10°时，系统仍有很强的跟踪能力。
日本学者通过测量电弧电流(I)、电压(U)和送丝速度(V)来计算坡口和焊炬之间的距离(H)，即H=F(I，U，V)来控制焊缝的跟踪，模糊逻辑被用于这种电弧传感器的跟踪控制。
S.Murakami等研究了弧焊机器人焊缝跟踪的模糊控制，设计采用基于语言规则的模糊滤波器和模糊控制器。
河海大学姚河清等研究了一种CO2气保护焊焊枪高度控制系统，采用燃弧占空比电弧传感器检测焊枪高度，用模糊控制器对焊枪高度进行控制，控制系统选择燃弧占空比的偏差e和偏差的变化ec作为模糊输入变量，焊枪高度调节步进电机的输出步数u作为模糊输出值，试验表明该系统具有良好的控制效果。
天津大学胡绳荪等进行了焊缝跟踪系统中的自调整比例因子Fuzzy-P控制器的研究，利用非接触超声传感，在理论分析和试验的基础上，确定焊缝跟踪系统的模糊控制规则，研制出焊缝跟踪系统中的自调整比例因子Fuzzy-P控制器，并设计了控制器的硬件及软件。实验证明，该控制器提高了焊缝跟踪系统的响应速度和跟踪精度，可以满足实际工程应用的需要。
近年来，光学传感器由于其信息量大、惯性小、非接触性的特点，在国内外已受到普遍重视。华南理工大学宋永伦等设计了一种用于焊缝跟踪的自组织模糊控制器，并与CCD视觉传感及图象信息处理技术相配合，在TIG焊、平板对接条件下，获得了比简单模糊控制器更好的在线跟踪效果，对焊缝轨迹的变化具有较好的自适应能力。其自组织部分具有三个功能：性能测量，控制量校正，控制规则的修正。天津大学王刚等研究了基于BP的机器人摆动焊接视觉跟踪模糊控制，在建立机器人摆动焊接视觉跟踪系统的基础上，构造了用于焊接纠偏的模糊控制系统，并提出利用三层BP神经网络来模拟模糊控制量之间的映射关系，从而实现了基于BP的机器人摆动焊接神经网络模糊控制。
当前CCD视觉跟踪系统的研究在国内外都很活跃，它与弧焊机器人技术结合，代表着弧焊过程自动化和智能化的主要发展方向。在弧焊机器人运动中，各轴的惯性矩是时变的、强耦合、非线性的复杂系统。视觉传感主要应解决的问题有：（1）CCD的小型化和实用化;（2）视觉信息快速有效的处理。小波变换技术在降噪、图象处理等方面表现出卓越的性能，是当前国际上信号处理领域的研究热点。
3弧焊电源的模糊控制
弧焊电源的控制逐渐向智能化发展，电子控制弧焊逆变器为实现智能控制提供了可能性。
天津大学赵举东等提出自适应模糊控制方案对脉冲MIG/MAG焊接熔滴过渡进行在线实时控制，建立了以全数字控制IGBT逆变弧焊电源为核心的自适应模糊控制系统，对自适应模糊控制系统进行了设计和8098单片机程序控制。
洛阳工学院朱锦洪等设计了一种以ADuC812微处理器为核心的新型电阻点焊装置。
华中理工大学朱六妹等采用模糊集合理论中的系统辨识技术建立了以焊接电弧模糊模型的8031单片机控制系统。
甘肃工业大学李鹤岐等采用模糊逻辑设计埋弧焊的送丝系统，在焊接电流300～1000A内，焊接过程稳定，控制系统的鲁棒性强。
西安交通大学王雅生等研制了一种以80C196KC数字单片机为核心器件，通过软件方式实现CO2短路过渡焊电压与电流自动形成最优匹配的智能控制系统。
日本T.Mita等采用模糊逻辑来自动设置CO2焊机的电压。
日本Panosonic公司已推出第二代机器人用智能型IGBT弧焊逆变器AAII-350、500。其中350A实现恒定焊缝宽度控制，500A实现恒定熔深控制。AAII能自动识别焊接电流改变时，焊丝伸长的变化量，利用模糊逻辑，建立焊缝宽度或熔深与合适的供丝速度和输出电压之间的关系，从而稳定焊接质量。为了提高模糊控制的响应速度，采用了16位的单片机。通过工艺实验，对CO2焊短路过渡过程优化组合出400万种电流波形，作为模糊知识库，保证输出最佳焊接规范，实现高速、高质量的焊接。
4焊接质量的模糊控制
由于焊接过程存在物理化学冶金反应，并伴随剧烈的传热传质过程，在强烈的弧光下，焊接质量的实时检测亦很困难。焊接工艺是一个大滞后、多输入多输出、本质非线性的系统，焊接过程参数之间存在着不确定性，很难建立起对象的精确数学模型，采用常规PID控制方法，控制效果往往不理想。熟练的操作人员根据肉眼观察得到的焊缝信息，归纳出焊接质量变化的大或小等一些模糊语言变量，用手工调节焊接速度、电弧及热量输入等控制量可将焊接质量精确地控制在要求范围内。模糊控制正是基于模糊语言变量提出来的，已经证明模糊控制器是一个与模型无关的估计器，适用于这种场合。日本学者Shimakenji等将模糊逻辑用于脉冲MIG焊接的熔宽控制，建立了一套弧焊机器人的模糊专家系统；LangariG等采用自适应算法修正模糊子集的特征函数，用模糊子集来描述控制规则，每条规则的内容随焊接过程动态变化。根据输出量的变化在线修正规则，来建立弧焊过程的自组织模糊控制系统；G.Startke在PC微机平台上，采用模糊逻辑对弧焊机器人的焊接工艺参数进行优化研究，工艺参数包括焊炬姿态、导电嘴到工件的距离、焊接速度、焊接电压和电流、送丝速度。
清华大学陈强系统地研究了弧焊过程的模糊控制。对单变量MIG焊的熔透控制，采用CCD传感器提取熔池图象信息，将焊工的操作经验总结成模糊控制规则，实验研究表明MIG焊的模糊控制方法对散热引起的熔宽变化作出了很好的响应。对于多变量CO2焊接的模糊控制也做了初步的研究，控制目标为：熔池宽度、冷却时间、飞溅率、焊接效率。控制量为：电弧电流、短路电流、焊接速度。多变量系统的模糊控制较为复杂，设计时要借助于专家的经验，并通过试验，不断调整模糊规则，才能完善模糊控制系统。黄石生等研究了一种应用于GTAW焊接质量控制中，利用神经网络进行模糊推理的控制器，采用两个BP网络实现了参数自调整模糊与积分混合控制，采用对输入进行“编码”的方式，减少了BP网络的训练时间并增强了控制实时性，仿真试验和工艺试验都表明了该控制方法的合理性和有效性。华南理工大学将参数自调整模糊控制与PI控制结合，成功地用于GTAW焊的熔宽控制。张军等将模糊技术用于焊接材料质量信息的判读。为了在线判读弧焊焊接过程的质量信息，开发了焊接电流、电弧电压信号采集和分析系统。通过特征信息的分析，利用知识的支持分别完成焊接过程质量各性能指标的评判。利用模糊综合评判法得到多性能指标综合考虑的质量分析。
5结论
随着电子技术、计算机技术、自动控制技术以及信息和软件技术迅速地引入焊接领域，焊接生产自动化、智能化已经成为21世纪焊接技术发展的重要方向。采用最新的计算机视觉理论，开发焊接机器人视觉传感与控制技术，研制能够识别目标环境、实时精确跟踪轨迹并调整焊接参数的智能焊接机器人已经成为焊接领域的重要发展趋势之一。采用传统控制方法和智能控制方法相结合，在粗调时利用开关进行传统的PID控制，在非线性、多耦合、没有精确数学模型的场合运用智能控制。理论上已经证明模糊控制可以任意精度逼近任何非线性函数，但受到当前技术水平的限制，模糊变量的分档和模糊规则数都受到一定的限制，隶属函数的确定还未有统一的理论指导，带有一定的人为因素，因此，模糊控制的精度还有待提高。模糊逻辑与神经网络和专家系统出现融合的趋势，展示了模糊逻辑、神经网络和专家系统相辅相成优势互补的强大生命力。模糊逻辑和专家系统结合，可充分利用专家系统知识推理机制和知识抽取能力，模糊控制技术将成为21世纪的核心技术。