基于主成分分析和GA-BP神经网络的带钢焊接质量预测

发布时间：2022-08-29 20:28

　　为提高冷轧带钢激光焊接质量预测精度,提出了一种基于主成分分析和GA-BP神经网络相融合的焊接质量改进预测模型。以深冲级冷轧板（DC04）的激光焊接为例,首先利用主成分分析法对5个焊接参数进行分析,从中提取出影响焊接质量的4个主要因素,形成新的训练样本并作为网络输入,以焊接接头抗拉强度的大小表征焊接质量的优劣,并将其作为网络输出。然后通过遗传算法对BP神经网络的权值和阈值进行优化,构建出焊接质量预测模型。仿真结果表明:与传统的BP网络模型相比,本文所建模型无论在预测精度上还是在收敛速度上都有了大幅提高,为实现焊接质量的精准预测提供了一条行之有效的途径。 

【文章页数】：5 页

【文章目录】：
1 试验及样本获取
    1.1 试验材料及焊接设备
    1.2 拉伸试验与样本获取
2 主成分提取
3 GA-BP预测模型的构建
    3.1 模型原理
    3.2 预测模型的构建
        3.2.1 网络结构设计
        3.2.2 网络参数的设定
4 训练及预测结果分析
    4.1 模型训练
    4.2 模型预测
5 结论


【参考文献】：
期刊论文
[1]430不锈钢薄板光纤激光焊接工艺研究[J]. 李翠,叶兵,孟晓明,余世文,刘硕夫,易鑫.  应用激光. 2018(02)
[2]基于神经网络遗传算法的激光熔钎焊参数优化[J]. 刘皋,张朝阳,黄磊,姜雨佳,聂昕,陆海强,庄鸿武.  光学技术. 2016(05)
[3]基于BP神经网络的激光焊接工艺参数优化数据库系统[J]. 刘荷花.  激光杂志. 2015(04)
[4]基于遗传算法BP人工神经网络的热轧带钢力学性能预报模型[J]. 杨洋,陶歆.  柳钢科技. 2014 (03)
[5]基于主成分分析与BP神经网络的激光拼焊板力学性能预测[J]. 李新城,陈楼,张绘,张云.  热加工工艺. 2012(05)
[6]基于田口法的镁合金激光焊接工艺参数研究[J]. 杨锐,张健.  轻合金加工技术. 2012(01)
[7]基于BP神经网络的光纤激光焊接工艺参数优化及性能预测[J]. 郭亮,王少华,张庆茂,徐鹏嵩,庞振华.  应用激光. 2010(06)
[8]激光焊接过程监测及焊缝质量检测技术研究现状[J]. 高世一,吴瑞珉,陈卫东,杨赛丹,乔俊良.  世界钢铁. 2010(03)
[9]基于径向基神经网络焊接接头力学性能预测[J]. 张永志,董俊慧,张艳飞.  焊接学报. 2008(07)



本文编号：3678962