徐洪飞，咸云飞，吴佰胜

(中船重工信息科技有限公司，江苏 连云港 222000)

随着社会的不断发展，桥梁建设在城市发展过程中扮演着越来越重要的角色[1]。其中钢箱梁其作为一种非常典型的桥梁，其具备工艺简单、施工方便等优势被越来越多的广泛使用[2-4]。就目前的技术而言，钢箱梁重要地方的焊接仍然通过人工来完成，其不可避免的导致焊接质量存在差异。通过人工来判定焊接质量不仅存在效率低下，而且存在大量的人为因素[5]。因此亟需一种能够客观评价钢箱梁焊接质量的方法。

2017年国务院颁发并实施《关于印发新一代人工智能发展规划的通知》，其有效的推动人工智能技术在钢箱梁焊接质量评估的发展[6-7]。基于此，本文设计了一种基于BP神经网络技术和模糊集合理论相结合的方法，能够有效根据传感器所测得信号对钢箱梁焊接质量做出评价。

1 建立BP神经网络

1.1 BP神经网络简介

BP神经网络通常采用单向传播的多级前馈架构，通过建立输入层、隐含层以及输出层的非线性映射关系，可以将任意的多输入与指定的多输出通过S函数进行数据的拟合。通常神经元的输出通过激活函数被映射到区间(0,1)。

BP神经网络将学习样本送入到所建立网络架构中进行学习，计算神经网络输出层的预测值与理想值误差大小，将所得到的误差逐级反馈并且更新权重的数值。通过不断的循环迭代，直至BP神经网络的预测值与理想值的误差满足所设定的要求，则系统停止迭代。……