焊接接头力学性能预测模型的研究

1. 工程概述

焊接工艺参数是通过大量的焊接试验, 从中选定一些重要参数, 以便能确保焊接工程质量。焊接工艺参数的设计不是一件轻松的工作, 这是由于焊接工艺众多参数之间存在十分复杂的关系。随着人工智能理论成熟的发展, 人们试图利用虚拟焊接技术代替常规的工艺评定试验[1]。

2. 焊接过程的数学建模

焊接的质量与焊接工艺参数的选择息息相关, 参数之间不仅存在静态重叠, 而且也存在动态耦合, 这种存在大量随机不确定因素的复杂过程决定了其数学建模的困难性。伴随着人工智能理论突飞猛进的发展, 神经网络在工业生产的各个领域得到了越来越多的关注与应用。从理论上说, 神经网络通过自身的学习训练, 对复杂的非线性方程的有着很好的映射, 更能够体现出自身的优越性。

作为一种智能预测算法, 神经网络是通过模拟大脑的某种机制与功能, 去实现工业领域上的某些特定功能。人工神经网络在某种算法的指导下, 通过从外部环境获取知识去自动归纳学习, 并对输入作出相应的反应。本文通过引入神经网络技术虚拟建模, 并深入的研究其焊接接头的力学性能。

3. 实验内容

本次试验内容主要是预测焊接接头的力学性能, 试样采用材质为Q235B的钢板。

实验方案设计为:采用林肯-400s进行手工电弧焊, 焊材为Φ4.0的J507焊条, 试样坡口为单面V型。为了尽可能得到均匀离散的实验数据。焊后的试样进行机械切割后做拉伸试验, 记录四项接头力学性能数据, 分别为:屈服强度、抗拉强度、断面收缩率、延伸率。

4. 仿真结果

验证性试验选择了5种线能量, 验证性试验焊接速度选定为10cm/min, 随机选取8组焊接工艺参数, 导入系统, 进行仿真。每组实验做3次, 取平均值, 尽可能降低人为引起的误差。实验参数和仿真结果见表。

实验结果分析:

用于验证的实验数据共有八组。图中实线段为预测值, 虚线段为试验值。从图中可以发现:试验值和预测值是基本贴合的, 误差绝对值均不超过5%, 预测情况较为理想。由于篇幅所限, 延伸率和断面收缩率预测结果暂不列出。从图中可以看出, 文中设计的模型精确度还需提高, 可以通过适当增加模型样本训练数据, 进一步增强网络的学习、泛化能力。

5. 结语

本文通过引入神经网络技术, 设计了一种快速建立焊接接头力学性能模型预测的方法, 网络输入焊接工艺参数, 经过相应的学习训练, 输出焊接接头的力学数据, 极大的提高了焊接质量。研究表明, 该焊接接头力学性能预测模型结构简单, 精确度较高, 具有一定的实用价值。

摘要：作为焊接质量控制的主控项目之一的焊接接头的力学性能, 目前传统方法主要是采用弯曲、冲击、拉伸等常规试验对其进行测试。然而这种方法不仅需要耗费大量时间, 且试验过程中往往存在诸多不确定性因素。随着计算机技术在工业领域的蓬勃开展, 如何对焊接接头力学性能进行虚拟模拟的课题受到了人们广泛的关注。本文通过在焊接领域引入神经网络技术, 较好的完成了对焊接接头力学性能的预测, 并通过仿真证明了该方法的有效性。

关键词：焊接,力学性能,人工智能,预测