论文部分内容阅读
在激光电弧复合焊接中,由于对接焊接参数众多,及其各参数之间的耦合性,任何一个参数的变化都会影响到焊接接头质量,尤其是焊缝的形貌。在焊接过程中,由于各品牌焊机的具体内部参数不同,以及焊接的场所也存在差异,要保证良好的焊接形貌以及焊接接头质量需要在实验室做大量的样本焊接实验,在大量的实验中找出较好的焊接工艺参数组合。由于影响最终焊接工艺参数的组合众多,采用实验的方法来获得各种参数的最优组合,这样的实验次数大的无法想象,在实际操作中也无法实现。 本文以BP(Back Propagation)神经网络建立激光电弧复合焊接的工艺参数和焊缝形貌尺寸,焊接的力学性能(抗拉强度和冲击功)之间离散的非线性对应关系。在高强钢对接焊的试验中,焊接工艺参数有:焊接电流I,激光功率P,焊接顿边D,坡口角度α,焊接间隙d。以焊缝的中心为坐标原点建立极坐标系,每隔15°对焊缝边缘进行扫描获取对应的尺寸数据;焊接后试件的力学测试数据:抗拉强度σb,冲击功W。由于该非线性映射关系的输入焊接工艺参数和输出焊缝尺寸参数和力学性能参数较多,单独的使用神经网络容易出现早熟现象使得预测效果欠佳而且出现焊接参数变化不明显预测值不变的情况。基于上述现象,本文采用遗传算法对BP神经网络的初始权值和阈值进行优化,并采用附加动量法和自适应学习速率的梯度下降法的改进型BP神经网络来提高预测的精度。经优化后的BP神经网络的泛化能力增强,网络预测精度提高,所有的预测数据和实际数据相对误差在10%以内。 通过优化后的神经网络,能够获得高精度的焊接工艺参数和焊缝形貌尺寸参数、力学性能参数之间的非线性映射关系。基于此’虚拟‘函数,利用遗传算法在焊接工艺参数 D∈[2,4],d∈[0.1,0.8],ɑ∈[30,60],P∈[2300,2800],I∈[200,280]范围内,根据焊接参数对应的焊缝形貌对称度 sym、σb、W为优化准则,在其他焊接工况环境和参数不变的情况下进行优化。最终优化结果为在获得最终最优的焊接形貌的参数为:钝边2.8mm,坡口41o,焊接间隙0.6mm,焊接电流236A,激光功率2520W时最优的焊接形貌的对称度为0.0848;钝边2.86mm,坡口46.5o,焊接间隙0.47mm,焊接电流230A,激光功率2500W时最优的抗拉强度为1.34kMp;钝边3.2mm,坡口51.2o,焊接间隙0.7mm,焊接电流218A,激光功率2458W最优的冲击功为13.9J。