基于神经网络的双丝MIG快速成形系统焊缝形状预测与参数优化
发布时间：2023-02-16 10:01
随着市场经济的发展,以及产品制造的竞争加剧,快速成形技术因柔性高、生产周期短、成形件性能优良等优势而备受关注。作为快速成形的一种,电弧快速成形利用电弧热熔化焊丝,按照设定轨迹堆积成金属零件,其具有制造灵活、成形件致密度高的优点,并且已在机械制造领域广泛应用。现搭建的粗细双丝MIG快速成形系统既有粗丝敷熔率大的优势,又有细丝成形精度高的特点。为在使用过程中指导焊缝成形和优化焊接工艺,达到减少试验和节省焊接成本的目的,本文通过建立神经网络模型,实现直观预测焊缝形貌和焊接工艺参数的优化。首先进行了样本数据的采集,利用正交设计方法设计试验方案,以焊接速度、焊丝直径、送丝速度及焊接电压为试验因子,试验中不考虑各个因素之间的交互作用,因为各因素、水平数不尽相同且没有可供直接选择的正交表,所以重新进行了混合正交表的设计。使用双丝MIG快速成形设备进行试验得到80个样件,样件经处理后在显微镜下得到可观察焊缝形貌的照片,采集焊缝几何参数如熔宽、余高和熔深,数据记录在表格中供后续训练使用。随后试验分析了正交表中四个试验因子在双丝MIG快速成形系统中对焊缝成形的影响,初步探究试验因子影响焊缝成形的规律,为后...
【文章页数】：109 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景
1.2 电弧快速成形研究现状
1.2.1 等离子弧快速成形技术
1.2.2 TIG快速成形技术
1.2.3 MIG快速成形技术
1.3 神经网络在焊接领域的应用
1.3.1 BP神经网络在焊接预测的应用
1.3.2 其它神经网络在焊接领域的应用
1.4 本文的研究意义
1.5 本文的研究内容
第二章 基于正交设计法的试验样本采集
2.1 双丝MIG快速成形系统
2.2 双丝MIG电弧快速成形的影响因素
2.3 试验方案设计
2.3.1 选择合适的正交表
2.3.2 试验因素和水平数
2.3.3 表头设计
2.3.4 试验方案确定
2.4 试验数据采集
2.4.1 焊前准备工作
2.4.2 焊后样件处理
2.4.3 数据采集
2.5 本章小结
第三章 双丝MIG快速成形系统焊缝成形分析
3.1 焊接电压对焊缝成形的影响
3.2 送丝速度对焊缝成形的影响
3.3 焊接速度对焊缝成形的影响
3.4 焊丝直径对焊缝成形的影响
3.5 本章小结
第四章 基于神经网络的焊缝形状预测模型建立
4.1 本文模型建立的思想
4.2 模型实现的平台和工具
4.3 基于Tensorboard可视化的模型建立方法
4.4 第一类神经网络模型的结构实现
4.4.1 BP神经网络
4.4.2 BP神经网络的前向传播
4.4.3 BP神经网络的反向优化
4.4.4 可视化确定第一类网络结构
4.5 基于Matlab拟合工具箱的焊缝模型分类
4.5.1 焊缝图像数据提取与拟合
4.5.2 One-hot编码标签制作
4.6 第二、三类神经网络模型的结构实现
4.6.1 分类算法的前向传播
4.6.2 分类算法的反向优化
4.6.3 可视化确定第二、三类网络结构
4.7 神经网络性能优化
4.7.1 数据归一化
4.7.2 Dropout缓解网络过拟合
4.7.3 退化学习率
4.8 模型训练过程及结果
4.8.1 模型搭建与运算过程
4.8.2 各类模型结果
4.9 本章小结
第五章 焊接输入工艺参数优化与可视化界面设计
5.1 建立焊道成形反向预测模型
5.2 正反联合预测
5.3 预测系统可视化界面设计
5.3.1 开发平台的选择
5.3.2 界面的总体构成
5.3.3 用户界面的具体设计
5.4 预测系统的应用
5.4.1 焊缝几何尺寸预测
5.4.2 测试集准确率
5.4.3 焊缝形状预测
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
附录1 焊缝几何尺寸数据
附录2 One-hot标签数据
致谢
研究成果及发表论文
作者及导师简介
附件
本文编号：3744010
【文章页数】：109 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景
1.2 电弧快速成形研究现状
1.2.1 等离子弧快速成形技术
1.2.2 TIG快速成形技术
1.2.3 MIG快速成形技术
1.3 神经网络在焊接领域的应用
1.3.1 BP神经网络在焊接预测的应用
1.3.2 其它神经网络在焊接领域的应用
1.4 本文的研究意义
1.5 本文的研究内容
第二章 基于正交设计法的试验样本采集
2.1 双丝MIG快速成形系统
2.2 双丝MIG电弧快速成形的影响因素
2.3 试验方案设计
2.3.1 选择合适的正交表
2.3.2 试验因素和水平数
2.3.3 表头设计
2.3.4 试验方案确定
2.4 试验数据采集
2.4.1 焊前准备工作
2.4.2 焊后样件处理
2.4.3 数据采集
2.5 本章小结
第三章 双丝MIG快速成形系统焊缝成形分析
3.1 焊接电压对焊缝成形的影响
3.2 送丝速度对焊缝成形的影响
3.3 焊接速度对焊缝成形的影响
3.4 焊丝直径对焊缝成形的影响
3.5 本章小结
第四章 基于神经网络的焊缝形状预测模型建立
4.1 本文模型建立的思想
4.2 模型实现的平台和工具
4.3 基于Tensorboard可视化的模型建立方法
4.4 第一类神经网络模型的结构实现
4.4.1 BP神经网络
4.4.2 BP神经网络的前向传播
4.4.3 BP神经网络的反向优化
4.4.4 可视化确定第一类网络结构
4.5 基于Matlab拟合工具箱的焊缝模型分类
4.5.1 焊缝图像数据提取与拟合
4.5.2 One-hot编码标签制作
4.6 第二、三类神经网络模型的结构实现
4.6.1 分类算法的前向传播
4.6.2 分类算法的反向优化
4.6.3 可视化确定第二、三类网络结构
4.7 神经网络性能优化
4.7.1 数据归一化
4.7.2 Dropout缓解网络过拟合
4.7.3 退化学习率
4.8 模型训练过程及结果
4.8.1 模型搭建与运算过程
4.8.2 各类模型结果
4.9 本章小结
第五章 焊接输入工艺参数优化与可视化界面设计
5.1 建立焊道成形反向预测模型
5.2 正反联合预测
5.3 预测系统可视化界面设计
5.3.1 开发平台的选择
5.3.2 界面的总体构成
5.3.3 用户界面的具体设计
5.4 预测系统的应用
5.4.1 焊缝几何尺寸预测
5.4.2 测试集准确率
5.4.3 焊缝形状预测
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
附录1 焊缝几何尺寸数据
附录2 One-hot标签数据
致谢
研究成果及发表论文
作者及导师简介
附件
本文编号：3744010
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3744010.html
