共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
管子——管板自动钨极氩弧焊焊头的研制 总被引:1,自引:1,他引:0
管子──管板自动钨极氩弧焊焊头的研制中国船舶工业总公司船舶工艺研究所(200032)邓惟嘉Developmentofweldingheadforautomaticargontungstenareweldingofpipe──pipeSheet¥(Sh... 相似文献
5.
6.
本文研究了TIG加填充丝单面焊背面自由成形的特点;低碳钢加填充丝TIG焊的冶金特点;工艺因素对焊缝成形的影响;焊接参数与电弧形态的关系;如何提高工艺适应性。最后给出焊接试验结果和结论。 相似文献
7.
8.
9.
10.
11.
针对脉冲MIG焊参数众多,不易调节的特点,提出了一种基于神经网络的焊机参数预测方法. 该方法采用LM(levenberg-marquarlt)算法建立了焊机参数的BP(back propagation)神经网络模型,充分利用已知的理想数据对网络进行训练,实现了焊接过程中任一给定焊接电流状态下焊机输出参数的预测;利用焊接参数的预测值分别对单、双脉冲MIG焊进行了试焊. 结果表明,基于神经网络的焊机参数预测方法精度较高,焊接过程稳定,焊缝成形美观,能够实现良好的一元化调节. 相似文献
12.
Al-Cu-Mg-Ag合金时效强化的神经网络预测模型 总被引:1,自引:0,他引:1
研究不同时效温度下(165℃、200℃、250℃)时效工艺对Al-Cu-Mg-Ag合金力学性能的影响,在此基础上,采用LevenbergMarquardt算法训练神经网络对样本进行学习,在溶质原子在两种强化相中的定量关系尚不存在的前提下,建立了以时效温度与时间为输入参数和抗拉强度、屈服强度与伸长率为目标函数之间的函数关系.发现在目标函数为0.0005,隐层节点数为11,学习率为0.1时,系统误差较小.利用所建立的网络模型预测不同时效状态下材料的力学性能,发现预测数据与实验数据吻合良好,证明了网络的可靠性,为进一步研究工艺参数对力学性能的影响规律和工艺的优化设计提供了理论依据. 相似文献
13.
轧钢机力能参数神经网络预测 总被引:3,自引:0,他引:3
在分析轧机轧制过程中的力能参数的基础上 ,测量并计算了 50 0 mm轧机的轧制力。探讨了用神经网络模型确定轧制力的方法 ,预测了轧制力 ,并将三种方法得到的轧制力进行了比较。结果表明用神经网络模型预测的轧制力误差远小于基于传统数学模型计算的轧制力误差 ,它能较好他反映实际轧制过程的特征。 相似文献
14.
15.
以10 kW大功率光纤激光焊接304奥氏体不锈钢板为试验对象,研究一种焊缝偏差预测算法.利用红外摄像机摄取焊接过程中的熔池红外图像,提取匙孔质心、匙孔形状参数和热堆积效应参数等反映激光束与焊缝位置偏差的特征量作为径向基函数RBF神经网络预测模型的输入量,建立焊缝偏差RBF神经网络预测模型.选择焊缝偏差特征量作为训练样本并对预测模型进行训练,建立焊缝偏差预测模型.结果表明,该模型能够对大功率光纤激光焊接过程中的激光束与焊缝位置之间的偏差进行有效预测. 相似文献
16.
GTAW(钨极气体保护电弧焊)是一种能够很好控制线能量,进行高质量薄板焊接的方法。焊接过程是一个复杂的、多参数耦合的高度的非线性系统,在实际焊接过程中难以实现实时、有效的在线控制。模糊控制吸收了人的经验思维的特点;神经网络则对信息的处理具有自组织、自学习的特点;遗传算法是一种全局优化搜索方法,具有简单通用、普遍性强,适合并行处理和应用范围广的优点。作者将三者有机地结合起来,在模糊神经网络控制器的基础上利用了改进的遗传算法,并分析了其网络结构和离线学习的方法,协调利用三者的优势设计了一种新型的模糊控制器,并使之用于脉冲GTAW仿真中,结果证明了该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性。 相似文献
17.
成形极限图(FLD)是评价金属板材成形能力的重要工具。为快速的建立拼焊板(TWB)成形极限图,建立基于人工神经网络(ANN)拼焊板FLD的预测模型。采用试验设计和有限元法获得训练样本,L-M算法对样本数据进行训练,建立了FLD预测模型并与物理试验结果对比。基于预测模型,分析了摩擦系数对拼焊板最小极限应变的影响。结果表明,基于ANN预测的拼焊板FLD与试验结果吻合,主应变的相对误差最大为8.71%。摩擦系数f对最小极限应变影响较大,f从0增大到0.12时,最小极限应变先增大后减小,并在摩擦系数f=0.06附近出现极小值。 相似文献
18.
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。 相似文献
19.
20.
利用径向基神经网络建立了TC4钛合金,TIG焊焊接工艺参数与接头力学性能关系的网络模型.训练模型使用了27组数据,并对另外9组数据进行仿真.结果表明,以焊接电流、焊接速度和氩气流量作为网络输入参数,利用所建的模型能够对该焊接接头抗拉强度、抗弯强度和断后伸长率进行较为准确的预测.通过与常用的标准BP神经网络模型比较发现,径向基网络相对于BP网络预测精度有了大幅度的提高,克服了BP网络训练时间长和容易陷入局部极小的缺点,为实现焊接接头力学性能预测提供了一条有效途径. 相似文献