汽车高强钢激光焊接接头质量智能分析与预测

发布时间：2020-05-10 12:04

【摘要】：高强钢的激光焊接是实现汽车轻量化的重要途径之一,高强钢的应用能减小汽车车身钢板厚度、降低车身质量,并保证车身强度性能,达到节能减排效果。本论文以双相钢DP600的激光焊接为研究对象,以接头性能只能预测为研究目标,采用人工神经网络和聚类分析方法研究工艺参数与成形性、接头性能之间的关联规律,实现焊缝区尺寸和焊接接头性能智能预测,从而为双相钢DP600激光焊接寻求最优接头性能的工艺参数提供智能分析的手段。本论文主要结论如下:(1)采用BP神经网络建立以激光焊接功率、焊接速度和离焦量为输入变量,以焊缝区上下表面和最窄处宽度为输出变量的非线性预测模型,验证结果最大相对误差为8.94%。根据模型拟合焊接工艺参数与焊缝区形貌关系,发现焊缝整体宽度随离焦量增加而增大;随焊接速度增加而减小;随激光功率增加,上表面宽度变化较小,最窄处和下表面宽度逐渐增大。(2)以焊缝区上下表面和最窄处宽度数据为三个变量,采用K-均值算法将数据分为4类,并建立分类规则集,上表面宽度位于1.06 mm~1.19 mm且最窄处宽度位于0.74 mm~0.91 mm可分至第一类,上表面宽度位于0.84 mm~1.06 mm且最窄处宽度位于0.62 mm~0.74 mm且下表面宽度位于0.65 mm~0.81 mm可分至第二类,上表面宽度位于0.79 mm~0.91 mm且最窄处宽度位于0.74 mm~0.85 mm可分至第三类,最窄处宽度位于0.48 mm~0.67 mm且下表面宽度位于0 mm~0.65 mm可分至第四类。对各类焊缝进行性能评价,得出第二类焊缝形貌较好且性能最接近母材,第一类焊缝区宽度较大且断裂伸长率较差,第三类焊缝与母材交界处存在凹陷缺陷,第四类热输入小,焊缝处于刚焊透状态。(3)结合人工神经网络与聚类分析建立以激光焊接工艺参数为输入变量以焊缝类别及性能为输出变量的神经网络-聚类分析模型,并进行焊接实验验证。焊缝区实测形貌及焊缝性能与预测结果一致,验证了该模型预测的合理性。
【图文】：

华 中 科 技 大 学 硕 士 学 位 论 文题的处理。具有逼近复杂非线性关系、很强鲁棒性和容错能力进行大量运算和自适应等特点，同时具有自学习、联想存储和。在图像识别、过程控制、数据预测等领域有很好的发展前是神经网络的基本组成成分和信息传递处理单位，典型模型三个部分组成：一是突触，主要功能是将信息经过权值进行分内；二是加法器，将神经元内的信号进行权值和阈值处理；三输出信息进行函数计算后再传递至下个神经元。在图 1-2 中，值σi，主要用来对激励函数的输入进行调整[31]。

( ) =1 gmoid 函数： ( ) =1 2 1 2 P 神经网络算法研究到焊接工艺参数与横截面焊缝区几何特征及焊接成形性的关系较线性或回归分析方式无法对数据进行有效分析。BP神经网络不仅结，，且具有灵活的非线性映射建模能力、较强的学习能力与泛化能BP 神经网络作为激光焊接高强钢工艺参数与焊接成形性关系建模的 网络是于 1986 年由 D. Erumelhart 和 J. L Mc Clelland 等提出的误网络模型由三个主体构成，分别是连接外界输入信息的输入层（inpu行非线性映射处理的一个或多个隐含层（hiddenlayer）和将数据处output layer），典型的三层 BP 神经网络结构如图 1-3 所示。采用反馈不断调整各神经元权值和阈值，实现模型输出误差最小[34]。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG456.7

【参考文献】

相关期刊论文 前10条

1 刘毅娟;雷鸣;何e

本文编号：2657268