论文部分内容阅读
焊接过程是一个高度非线性、多变量耦合作用的复杂过程。由熔化,凝固的焊接材料所形成的焊缝对焊接的质量有着重要的影响,描述焊缝的重要物理量焊缝高和熔深主要由送丝速度、焊接电压和焊接速度等焊接工艺参数共同决定。如何确定出合适的工艺参数以得到满足设计要求的焊缝高和熔深就显得很重要而实用。随着智能工程的发展,遗传算法、模糊算法和人工神经网络等人工智能技术在焊接领域的应用越来越得到深入的研究,焊接工艺参数优化的智能处理研究也引起了焊接领域内很多专家学者的关注。本文采用模糊推理与神经网络技术实现CO2气体保护焊工艺参数优化,对几种方法的仿真结果进行比较,并进行了焊接工艺参数的优化设计试验。
⑴为了将焊接工艺参数与焊缝高和熔深之间复杂的非线性关系转化为一个线性优化问题,解决工艺参数与焊缝高和熔深之间定量关系难以表达的问题。首先采用模糊推理系统采用Matlab模糊系统工具箱的图形用户界面,创建了模糊推理系统,并结合正交试验设计进行了工艺参数优化。其次采用神经网络技术采用Matlab神经网络工具箱的图形用户界面创建了BP网络,并对BP网络进行训练,运用训练好的BP网络并结合正交试验设计进行了工艺参数优化。
⑵对基于遗传算法,基于模糊算法和基于神经网络的三种CO2气体保护焊工艺参数优化方法各自的优缺点进行了比较,这为参数优化方法的选择提供了依据。三种优化方法的对比分析显示三种优化结果都很接近。与基于遗传算法的方法相比,模糊算法以及BP神经网络方法不仅可以提高工艺参数优化的效率,降低试验成本,同时也可以为确保焊接质量,增加弧焊电源专家系统数据库数据,为实时控制焊接质量提供依据。
⑶设计了焊接工艺参数优化的正交试验方案并且进行了大量的工艺试验,通过瞬时电压、瞬时电流、动态电阻、输入能量等波形以及U-I图,对比分析了各种不同焊接规范的实际焊接效果,给出了焊接参数选择的建议。