激光焊接的表达，预测和控制

今天给大家分享一篇题为《Intelligentlaser welding through representation, prediction, and control learning：An architecture with deepneural networks and reinforcement learning》的文章，将深度学习和强化学习实现激光焊接过程，实现焊接过程的自学习和自提升。

首先，在论文的引言部分，作者阐述了激光焊接系统的重要型和存在的问题。同时，对特征表达、预测和控制三个方面的研究现状进行分析，提出了基于深度学习和强化学习的激光焊接系统。

在文章的第二部分，作者对实验系统和文章的框架进行分析。传感系统包括工业相机和光电二极管。同时，为了适应不同的测量需求，三个不同波长的光电二极管被采用。为了更好地实现焊接过程的控制，文章的框架如下：

1.基于深度学习的表达算法将传感器数据转换到低维的数据空间中；

2.基于时间查分法的强化学习算法对焊接过程进行预测，建立焊接过程的知识库模型，对当前的状态进行评价和对未来的行为进行预测；

3.特征表达和预测的结果被应用到过程控制算法中，保证焊接的质量；

文章的第三部分，作者阐述了深度自编码神经网络的构建方法，为了更好地验证本文的算法，PCA算法在本文中作为对比实验，经过实验分析，深度自编码神经网络可以取得更好地效果，更好地表达不同的焊缝。

文章的第四部分，作者阐述了强化学习，分别是nexting算法用于焊接过程的检测和预测，执行者和评价者算法用来完成焊接过程的控制。在焊接过程的预测中，nexting算法可以取得很好地预测效果，可以获得很小的预测误差。

为了更好地验证控制效果，本文利用有限元仿真软件对激光焊接系统进行仿真，实验结果表明，本文的算法可以很好地实现焊接过程的控制。

本文的主要工作是将强化学习和深度学习算法应用到焊接过程中，实现焊接过程的观察、知识系统的建立和焊接过程的控制，这是是目前较少的文章完成这一项工作的。本文的PPT如下：