人工神经网络在焊接应用方面，将人工神经网络、专家系统、焊接数据库、模糊控制、面向对象技术等智能技术结合起来，可以很好地克服单一技术的缺陷。进而实现焊接工艺选择、质量检测、过程控制、性能预测等方面的综合应用，使焊接变得更加智能化[15-20] 。

1.3.1 BP神经网络的应用  

  BP(误差反向传播)神经网络结构简单,理论研究比较成熟，因此在焊接领域上有着广泛的应用。文献[21]利用BP人工神经网络对钢轨交流闪光焊焊接接头质量进行预测，预测准确率高达90%。文献[22]用粒子群改进BP神经网络，建立了组合预测模型，以我国 1978—2007 年能源需求数据为样本，进行实例分析。结果表明：组合预测模型预测精度较 BP 神经网络、灰色预测方法和 ARIMA 预测方法分别提高 4.8%，6.1%和 5.3%，验证了组合预测方法在中长期预测问题处理中的有效性。

  文献[23]基于人工神经网络的焊接材料设计，以E4303酸性焊条配方为研究对象,在实际生产数据的基础上,将焊条(包括药皮和焊芯)组分中Mn、C含量作为输入,熔敷金属抗拉强度6b作为输出,建立了反映焊条配方与熔敷金属抗拉强度之间映射关系的网络模型。采用BP算法训练网络,对焊条配方与熔敷金属抗拉强度6b之间的映射关系进行了函数逼近。根据网络估测的结果可定量地进行焊条性能预报。研究结果表明该模型预测的结果同实验值之间有很好的对应关系;BP网络用于焊条性能预报具有可行性和有效性。认高鑫

  文献[24]基于BP-AGA的非线性组合预测方法运用神经网络和加速遗传算法建立非线性组合预测模型,在BP算法训练网络出现收敛速度缓慢时启用加速遗传算法(AGA)来优化网络参数,把AGA的优化结果作为BP算法的初始值,再用BP算法训练网络,如此交替运行BP算法和AGA以加快网络的收敛速度,同时改善局部最小问题。最后给出实例研究,结果表明,该方法能明显提高预测精度。

  文献[25]基于人工神经网络的焊接材料设计，设计了一个基于人工神经网络的焊接质量检测系统,给出系统的组成结构,ANN被用于预测焊缝宽度,建立了焊缝宽度预测的人工神经网络模型。为了验证建立的ANN模型的可行性,进行了仿真研究。仿真结果表明,所建立的ANN模型可预测焊缝宽度,基于人工神经网络的焊接质量检测系统是有效的。

1.3.2 模糊神经网络

  模糊神经网络(FuzzyNeuralNetwork, FNN)融合了神经网络和模糊逻辑特点,它从提高神经网络的启发性、透明性和鲁棒性出发,将模糊化概念与模糊推理规则引入神经网络的神经元、连接权和网络学习中.模糊神经网络可以有效地发挥模糊逻辑与神经网络的各自优势,弥补各自的不足。文献[26]利用模糊神经网络技术预测焊接接头力学性能，通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型。利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真。结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%,能够满足实际生产的要求。为焊接接头的质量预测与控制提供了一条简捷、有效的新途径。文献[27]利用自适应模糊神经网络对焊接接头力学性能预测，通过对TC4钛合金进行TIG焊,并测定接头的抗拉强度、抗弯强度和断后伸长率,获得网络仿真所需的数据。结合使用BP算法与最小二乘相结合的混合算法,建立了用于焊接接头力学性能预测的自适应模糊神经网络模型。利用该模型进行仿真,其平均误差远小于7%。