当前位置:主页 > 科技论文 > 铸造论文 >

基于机器学习的焊接接头力学性能预测研究

发布时间:2021-12-02 17:40
  焊接接头力学性能是衡量焊接产品质量的重要指标之一,为保证焊接产品质量满足焊接工程使用要求,传统方式是通过大量的焊接工艺评定试验来测试接头力学性能是否达标,具有成本高、效率低等缺点。本文提出利用机器学习建模的方法来对焊接接头力学性能进行预测,从而达到减少甚至取代焊接工艺评定试验的目的。首先,本文在深入研究机器学习算法理论的基础上,针对焊接接头力学性能预测这类小样本数据建模问题,设计了一套基于BP神经网络的模型训练算法流程,提出采用K折交叉验证法和网格搜索法相结合的方式来训练和优化模型。另外,基于TA15钛合金TIG焊焊接试验及其接头性能测试数据集,应用设计的算法流程训练得到了泛化性能优良的接头抗拉强度预测模型和屈服强度预测模型,验证了算法的有效性。其次,本文在神经网络模型训练算法的基础上,设计了一套样本增量学习算法流程,实现了模型动态学习新数据、实时更新优化。基于钛合金GTAW焊焊接数据样本,随机抽取其中70%的数据用于基本模型构建,得到最优抗拉强度预测模型测试误差为7.51%。随后,将原始数据集另外30%的数据样本作为增量学习补充数据,对原模型进行增量学习优化,得到增量学习优化后的模型... 

【文章来源】:南京航空航天大学江苏省 211工程院校

【文章页数】:94 页

【学位级别】:硕士

【部分图文】:

基于机器学习的焊接接头力学性能预测研究


汪超等人开发的系统主界面

模型训练,算法流程


神经网络模型由两部分内容组成:一是模型的结构,主要包括网络的层数、每层神激活函数、损失函数、评价函数等;另外一部分是模型的权重,用来负责调节神经接。神经网络模型训练的过程,就是寻找损失函数最小值的过程。由于神经网络模织、自学习能力,使得模型根据训练样本数据可以自动调节模型权重,而不需要人。但模型的结构以及模型训练时需要设置的训练次数和批尺寸等参数,不是通过训到的参数,而是需要在训练前进行人为手工设置,这类需要人为干预设置的参数称参数。在给定训练数据集的情况下,需要对超参数进行优化,给学习器提供一组最,才能学习得到针对当前数据集的最优预测模型。因此,如何设计模型超参数并对优化,是模型构建的重点。另外,如何判断一个模型是否是性能优良的模型,则需要设计合理化的模型评估机讲,评估一个模型的性能表现好不好,不是看它对训练数据集的拟合效果,而是看据集上的性能表现。一个模型对没有学习过的新数据样本表现出优良的预测性能的该模型具有很好的预测性能,也就是说该模型的泛化能力很好。本文设计的模型训练算法流程如图 2.1 所示。

线性函数,激活函数


南京航空航天大学硕士学位论文1 2(x )TnX x x学模型可以简化为:(W X)Tj f 神经元激活函数)反应了神经元输出与其激活状态之间下面简单介绍下最常用的几种激活函数,也是本文中near function)最简单的一种激活函数,函数表达式见式(2.5),函数示f (x) x

【参考文献】:
期刊论文
[1]基于RBF神经网络的稀土碱性焊条焊缝耐蚀性预测[J]. 王玉荣,乌日根.  焊接技术. 2018(09)
[2]线性回归与灰色理论在用电量预测中的应用[J]. 任芳玲,李文波,贺甜.  甘肃科学学报. 2018(02)
[3]感知机理论研究综述[J]. 张天欣.  电子技术与软件工程. 2017(22)
[4]广义动态模糊神经网络焊接接头力学性能预测[J]. 张永志,董俊慧,侯继军.  焊接学报. 2017(08)
[5]焊接工艺评定适用性探讨[J]. 赵立,杨锦辉,陶建平.  电焊机. 2017(05)
[6]人工神经网络的发展及现状[J]. 徐学良.  微电子学. 2017(02)
[7]机器学习算法在焊接领域中的应用[J]. 李驰,李广军.  焊管. 2016(05)
[8]混合聚类RBF神经网络焊接接头力学性能预测[J]. 唐正魁,董俊慧,张永志,候继军.  焊接学报. 2014(12)
[9]焊接工艺参数对焊缝力学性能的影响[J]. 尹士科,刘绍维.  机械制造文摘(焊接分册). 2013(03)
[10]基于遗传神经网络的焊接接头力学性能预测系统[J]. 刘立鹏,王伟,董培欣,魏艳红.  焊接学报. 2011(07)

博士论文
[1]在线学习算法研究与应用[D]. 刘成昊.浙江大学 2017
[2]基于粗糙集知识建模的焊缝成形质量专家系统预测研究[D]. 林涛.上海交通大学 2008

硕士论文
[1]钢材焊接接头力学性能预测平台[D]. 汪超.南京航空航天大学 2011
[2]基于ANN焊接接头力学性能远程预测系统[D]. 张孝军.哈尔滨工业大学 2008
[3]低合金高强钢接头力学性能预测及焊接工艺管理[D]. 魏永强.哈尔滨工业大学 2006



本文编号:3528883

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jiagonggongyi/3528883.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ac0f5***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com