焊管厂MES焊接参数预报模型的研究及应用

发布时间：2023-04-17 19:47

　　提升企业竞争力是企业研究的重要课题,而提高产品质量和生产率更是提升企业市场竞争力的关键环节。在焊管生产的各个要素之中,焊接参数是衡量焊管质量重要指标,焊管参数的合理搭配对焊接质量起到决定性影响。研究焊管焊接过程中焊接参数的变化规律,进而通过这种规律用于实际生产指导,这不仅能提升生产力,而且能及时纠正焊接过程中产生的异常数据,具有一定使用价值。通过对某ERW焊管厂MES系统中提取的精焊数据分析,认为焊接数据中的焊接电流、焊弧电压、焊接电压、焊接速度之间存在函数关系。这种函数关系可以通过数学方法获取。根据实际需要,实验过程中以焊接电流为预报量,运用统计模型的逐步回归法建立了焊接电流、焊弧电压、焊接电压、焊接速度之间的预报模型;运用改进的BP神经网络法对预报对象进行了预报,并与逐步回归法对预报精确度进行了对比分析。结果表明,BP神经网络法对数据的预报精确度大于逐步回归法,在考虑焊接电流大小对产品质量的影响下,可以使用BP神经网络法对焊接数据进行预报,提高产品质量和生产率。

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景
    1.2 焊接参数研究背景
    1.3 相关理论及技术
    1.4 焊接参数
    1.5 本文主要研究内容
第二章 基于逐步回归法的ERW焊接参数预报模型研究
    2.1 焊管厂参数研究背景
    2.2 统计模型基本概述
    2.3 逐步回归分析法
    2.4 逐步回归法算法步骤
    2.5 焊接参数来源及分析
    2.6 焊接参数处理
        2.6.1 焊接参数提取过程
        2.6.2 实验数据分析
        2.6.3 试验样本选取
        2.6.4 预报量和预报因子
    2.7 逐步回归法建立预报模型
    2.8 统计模型优缺点
    2.9 本章小结
第三章 基于BP神经网络的ERW焊接参数预报模型研究
    3.1 BP神经网络发展
    3.2 神经元模型
    3.3 BP神经网络原理
    3.4 神经网络算法存在的缺陷
    3.5 BP神经网络改进方法
    3.6 BP神经网络对焊管参数的研究意义
    3.7 BP神经网络对ERW焊管参数研究
    3.8 实验过程及结果
        3.8.1 实验过程
        3.8.2 结果分析
        3.8.3 实验总结
    3.9 本章小结
第四章 总结与展望
    4.1 总结
    4.2 展望
参考文献
致谢
研究成果及发表的学术论文
导师及作者简介
专业学位硕士研究生学位论文答辩委员会决议书



本文编号：3792772