焊接发尘率测量装置及测控系统的研究

针对熔化极气体保护焊(GMAW)焊接发尘率的测量准确性问题,对焊接发尘率测量过程中涉及的信号检测和控制装置进行了研究,研发了一种焊接发尘率测量装置的测控系统,实现了对GMAW焊接过程中焊接电流、焊接电压和焊接速度等焊接工艺参数的准确测量或控制。通过对该测量系统的检测和控制过程的分析,设计了运动控制系统、抽滤系统和数据采集系统,建立了系统的控制时序;在LabVIEW平台上实现了对测量过程的实时监控,并完成了对检测数据的自动化采集、分析和存储。研究结果表明:该系统能够实现焊接工艺参数测量和控制的功能,测量精度和测量准确性均能满足设计要求。     

基于神经网络的药芯焊丝GMAW发尘率预测

焊接工艺对焊接发尘率有直接的影响,建立基于相关焊接工艺参数的焊接发尘率预测模型,预测特定焊接工艺的发尘率对控制和降低焊接烟尘的排放具有重要意义。鉴于焊接发尘率影响因素复杂,存在高度非线性特征,提出了基于神经网络的熔化极气体保护焊(GMAW)焊接发尘率的预测模型。通过药芯焊丝E501T-1发尘率实测数据,分别建立了BP和Elman神经网络模型,并采用遗传算法(GA)对2种神经网络进行了优化。基于15组实测数据的验证,结果表明,采用遗传算法优化后,BP和Elman神经网络模型的预测合格率分别提升了6.7%和13.4%,遗传算法优化的BP神经网络模型(GA-BP)的均方误差为586.21,平均绝对百分比误差为3.01%,均为4个模型中最小,其预测结果更为准确可靠。基于GA-BP模型所预测数据,对不同焊接电流和电弧电压的发尘率进行预测,在一定的焊接速度和保护气流量条件下,焊接电流约为170 A,电弧电压约为26 V时,焊接发尘率最小。 创新点： (1)将神经网络模型引入到焊接发尘率数值预测中,并通过遗传算法对神经网络的权值和阈值进行优化,提高了预测准确性和可靠性。 (2)根据优化后的模型的预测结果,分析了焊接电流和电弧电压对发尘率的影响规律,为进一步控制焊接发尘率提供了有益的指导。     

GMAW焊接工艺因素对E501T-1型药芯焊丝发尘率的影响

影响GMAW药芯焊丝发尘率的焊接工艺因素较多,通过选择焊接电流、电弧电压、焊接速度和保护气体气流量作为发尘率的主要影响因素,进行正交试验、单因素试验与交互试验,采用方差分析、单因素分析和回归拟合,得到了焊接工艺因素对发尘率的影响规律,以及降低发尘率的最优焊接工艺参数。结果表明,焊接电流对发尘率的影响最显著,发尘率随电弧电压与焊接电流的变化趋势符合Boltzmann模型,正交分析的优化焊接工艺参数符合该药芯焊丝的焊接工艺规范要求。