1.人工智能控制

近10年来，应用人工智能技术解决电阻焊接质量监控或点焊质量预测有了较大进展。目前引人注目的是人工神经网络的应用^{［21，22］}。神经网络是过程处理单元组成的并行分布的信息结构，由若干信息处理层构成。它可以模拟人类思维活动，经学习训练后，根据输入参数按规定规则和模式进行推理运算，只要处理层空问足够大，有足够的覆盖性，就可保证输出满意的精度。由于人工神经网络的建立无须任何的假设和数学推导，具有自组织、自学习、模糊性和容错性的特点，因此可以处理非线性多变性的复杂信息，经各网络层处理给出相应的输出^{［20，21］}。例如，运用神经元网络理论，结合低碳钢动态电阻与焊点质量之问的模型关系，可以建立点焊质量模糊综合评判模型，实现低碳钢点焊质量的多参量综合监测。

人工智能技术特别适用于多信号融合的非线性时变系统。它可同时综合多个定量和定性信号。因此，把人工神经网络技术与控制理论结合，能解决一些像点焊质量控制这样，用基于精确的数学建模的控制理论很难得到满意解决的实际问题。另外，人们还在研究把ANN建模与模糊控制相结合的点焊实时监控系统^［23］，以提高控制系统的智能和建模的准确性。该技术在电阻焊上的应用处于发展阶段，具有较大的应用前景。

2.基于熔核直径数值计算的自适应控制(www.daowen.com)

采用数值计算的熔核直径在线自适应控制技术，需在焊前预先输入被焊工件材质的力学与热物理参数，以及焊接参数，焊接时每隔一定时问问隔检测焊接电流与电极问电压，按照热传导数学模型计算出温度场分布情况，从而实时推算出熔核的生长情况，并据此反馈控制焊接电流，以改变焊接区温度的上升斜率。通过合理调控各时问段温度的上升斜率，确保熔核长大过程及结束前达到要求的直径。实际生产使用证明，基于熔核直径数值计算的自适应控制技术能使焊点质量稳定，焊接喷溅减小，电极寿命延长，耗电量降低，尤其是能较好地解决镀锌钢板的点焊质量问题。缺点是该方法需进行大量在线计算，必须采用高性能计算机，使设备投资增加。

3.基于模糊分类理论的点焊质量等级评判^［23］

德国学者Burmeister认为，电阻点焊过程是一个分类过程，不能用公式来清晰描述。只有通过监测点焊过程参数的一些最大值或最小值来进行片面描述，这样就可以从过程的函数描述转换为过程的分类描述，并用现有的专家数据库来建立分类等级。目前，已有用模糊分类的方法来评估焊接电流引起的过程信号（电极位移特征量、电极加速度特征量）和焊点质量变化的报道。报道中还指出，模糊分类虽然适用于描述点焊过程的复杂性和非线性，可以用于焊点质量的等级评估，但只能给出焊点质量参数的大致范围，而且评价的准确性难以避免地受到专家数据库等众多人为因素的影响。