基于径向基神经网络焊接接头力学性能预测

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.     

利用模糊神经网络技术预测焊接接头力学性能

探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法.通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真.结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%.能够满足实际生产的要求.使用MATLAB和Visuall C 混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径.     

基于人工神经网络的焊接接头力学性能预测系统

对神经元网络在焊接接头力学性能预测上的应用做了探索,训练了焊接方法包括焊条电弧焊、气体保护焊、埋弧焊和TIG焊的抗拉强度、屈服强度、断后伸长率和断面收缩率模型.并在此基础上设计完成了基于人工神经元网络的焊接接头力学性能预测系统.利用可视化界面编程技术和数据库技术制作了友好的人机用户界面.焊接接头力学性能预测系统包括添加...     

基于遗传神经网络的焊接接头力学性能预测系统

文中广泛收集和整理企业第一线的焊接工艺和焊接接头力学性能数据,并建立起相关数据库.应用遗传算法优化BP神经网络,建立焊接接头力学性能预测模型,实现碳钢、低合金高强钢以及不锈钢的抗拉强度、屈服强度、断后伸长率以及断面收缩率等力学性能指标预测.结果表明,材料成分和焊接工艺为影响接头力学性能的主要参数,应用遗传算法优化BP神...     

GH99合金TIG焊接接头拉伸性能的人工神经网络预测

利用Matlab7.0软件建立了用于预测GH99高温合金焊接接头拉伸性能的改进算法的多层BP神经网络.以焊接电流、焊接速度、脉冲频率、重熔次数、板厚、装配间隙、坡口与连接形式作为输入参数,抗拉强度、屈服强度和断后伸长率分别作为输出值.结果表明,改进算法的多层BP神经网络能够很好的预测GH99高温合金TIG焊接接头的拉伸性能,抗拉强度、屈服强度与断后伸长率预报值与试验值的平均相对误差分别为-0.76%,1.71%和2.30%.     

热处理工艺对M390/304 CMT焊接接头微观组织及力学性能的影响

基于改善M390高碳马氏体不锈钢与304奥氏体不锈钢焊接接头的力学性能特别是提高焊接接头硬度,以达到高端刀具生产的要求,对冷金属过渡焊接M390高碳马氏体不锈钢与304奥氏体不锈钢获得的焊接接头进行不同工艺的热处理研究.采用拉伸、维氏显微硬度测试及扫描电镜(SEM)表征不同热处理工艺的焊接接头力学性能及微观组织演变,统计了不同热处理工艺下焊接接头中M390母材、M390细晶区和M390粗晶区等区域的碳化物分布,研究了不同热处理工艺下焊接接头的断裂机理.研究结果表明,在1 150℃水淬热处理工艺下焊接接头既满足刀具钢硬度的要求,又具有良好的力学性能,可以作为M390/304焊接接头的最佳热处理工艺,对应焊接接头的抗拉强度和断后伸长率为502 MPa和20.8%,抗拉强度和断后伸长率分别是焊态的98%和95%. 1 150℃水淬热处理工艺的M390母材、细晶区和粗晶区中碳化物平均尺寸最小,碳化物形貌以细小的块状均匀分布.淬火温度升高,抗拉强度和断后伸长率均呈现出先下降后升高的趋势,随着冷却速度的减小,抗拉强度和断后伸长率均呈现出下降的趋势.不同热处理工艺下焊接接头的断裂位置在M390粗晶区...     

激光电弧热源复合模式对301L不锈钢焊接接头性能的弱化机制

激光电弧复合焊在传统的激光填丝焊基础上加入了电弧形成复合热源,导致电弧区产生热量积累,造成焊缝晶粒粗大,并弱化了焊接接头的强度和断后伸长率,促使焊接结构的服役安全性能大幅降低. 通过建立三维熔池温度模型及力学性能分析阐明了激光与电弧协同热作用对焊接接头强度和断后伸长率的影响规律. 结合焊缝的晶粒尺寸、晶界取向差分布、织构强度从微观晶体学角度揭示了焊接接头强度和断后伸长率的弱化机制. 结果表明,电弧介入促使复合热源产生热积累,降低熔池温度梯度,强化了晶粒的择优取向生长及织构强度,导致接头各向异性,从而使焊接接头的断后伸长率降低2%. 较低的温度梯度会延长熔池冷却时间,促使晶粒长大和大角度晶界减少,不利于阻碍位错滑移,导致焊接接头平均屈服强度降低35 MPa,极限抗拉强度降低66 MPa. 并且随着焊接电流的升高,熔池高温停留时间延长,接头晶粒及织构强度增大,接头强度和断后伸长率继续降低.     

带有埋藏裂纹的焊接接头电磁热强化及力学性能分析

采用ANSYS分析软件对45钢焊接接头电磁热强化过程进行了数值仿真,并对其强化后的温度场和残余应力场进行了分析.结果表明,电磁热强化使焊接接头内部裂纹尖端钝化,减少了应力集中,焊接裂纹尖端形成了3向残余压应力场.通过ZL-2型脉冲放电装置对45钢焊接接头进行了电磁热强化试验,并对其进行了强化前后力学性能对比分析.经过脉冲放电强化后的焊接接头抗拉强度和断后伸长率均有所提高,其力学性能得到了改善.数值分析和试验研究均证实了电磁热强化技术应用到焊接领域的可行性.     

2195铝锂合金搅拌摩擦焊工艺

试验研究了8 mm厚2195-T8铝锂合金板材搅拌摩擦焊工艺,分析了不同搅拌针结构设计对焊缝内部质量的影响,研究了工艺参数对接头表面成形的影响,测试了接头的力学性能。结果表明,使用圆锥螺纹+三个斜面结构的搅拌针焊接,接头内部质量更好;在室温和低温(-196℃)条件下,接头抗拉强度和断后伸长率都呈现出随焊接速度的增加先增加后减少的趋势,当焊接速度为100 mm/min时,室温和低温(-196℃)下接头抗拉强度、断后伸长率都达到最高值,接头抗拉强度分别为428 MPa,538 MPa,断后伸长率分别为4. 9%,7. 4%;接头断裂位置位于热影响区,断口呈45°剪切断裂,断裂部位有明显颈缩。     

工程机械用2205双相钢的焊接工艺与热处理行为研究

对工程机械用2205双相钢板进行了非熔化极惰性气体钨极保护焊和热处理,研究了不同焊接工艺参数和热处理制度下焊接接头的焊缝组织、常温拉伸性能和慢应变应力腐蚀性能。结果表明:不同焊接工艺参数下焊接接头的抗拉强度和断后伸长率均低于母材,其中焊接电流100 A、焊接电压16 V、钨极直径3 mm、氩气流量17 L/min时,焊接接头的力学性能相对较高;在3.5%氯化钠溶液中,550℃×1 h热处理后Ar+2%N_2保护气下的焊接接头的抗拉强度和断后伸长率高于Ar保护气氛下的焊接接头,且断裂时间也相对较长。     

基于神经网络方法的焊接接头力学性能预测

针对焊接过程严重非线性和焊材中多种成分的复杂交互作用使得对接头力学性能的准确估算十分困难的实际问题,论述了神经网络技术在焊接接头力学性能预测方面的应用。研究了神经网络建模方法,提出采用均匀设计法优化设计神经网络参数,在四类17种钢材的焊接热模拟数据基础上,建立了预测焊接接头力学性能的神经网络模型。试验表明该模型可根据钢材成分和焊接规范对焊接接头及其热影响区的冲击韧度、抗拉强度、屈服强度、断面收缩率和硬度等力学性能进行较为准确的估算。试验表明,该预测方法较之传统统计方法,预测精度有了大幅度提高,为实现焊接接头力学性能预测提供了一条有效的途径。     

Mechanical properties of friction stir welded armor grade Al–Zn–Mg alloy joints

The influence of different welding speeds and rotary speeds on the formation and mechanical properties of friction stir weld joints of armor grade aluminum alloy was presented. The developed weld joints were characterized by bend tests, micro-hardness tests, tensile tests, optical and scanning electron microscopies. Mechanical properties (i.e., micro-hardness, ultimate tensile strength and elongation to fracture) increased with the increase in rotary speed or decrease in welding speed. The effect of welding speed on micro-hardness of heat affected zones was more profound than the rotary speeds. The welding speeds and rotary speeds influenced the mechanical properties and their effects on various mechanical properties of the friction stir welded joints can be predicted with the help of regression models.     

两种预测焊接接头力学性能的模糊神经网络

针对焊接过程的高度非线性、多种因素的交互作用复杂,难以预测焊后接头力学性能.以TC4钛合金TIG为基础,建立了自适应模糊神经网络（ANFIS）和模糊RBF神经网络（FRBFNN）焊接接头力学性能预测模型.以焊接工艺参数、接头力学性能作为预测模型的输入、输出参数.利用27组试验数据对模型进行训练,用另外6组试验数据进行仿...     

混合聚类RBF神经网络焊接接头力学性能预测

构建混合聚类算法,与伪逆法结合建立RBF神经网络模型预测焊接接头力学性能.以TC4钛合金TIG焊接试验为基础,将焊接参数作为模型输入,焊后接头力学性能作为模型输出.通过仿真,该模型预测平均相对误差范围为1.74%~6.69%,具有较高的预测精度、适应性和泛化能力,能够预测焊接接头力学性能.采用数学解析对所建模型分解,得到焊接工艺参数与接头力学性能之间映射关系的函数表达式,可优化焊接工艺参数.利用焊接专业知识对模型的径向基单元参数进行调整,提高了模型的预测精度,为将焊接专家知识融入RBF神经网络模型开辟了新方法与途径.     

广义动态模糊神经网络焊接接头力学性能预测

建立广义动态模糊神经网络模型,用来预测焊接接头力学性能. 模型结构不再是建模时预设,而是在对逐个样本的学习过程中动态自适应调整. 引入椭圆基函数扩大函数的接收域,利用系统误差和模糊规则ε完备性作为模糊规则增加的依据,并将模糊规则ε完备性作为径向基单元的宽度确定准则. 以误差减少率评价模糊规则的重要性,并以此为依据对模型的模糊规则进行修剪. 采用三种不同厚度、不同工艺TC4钛合金TIG焊接试验,获得17组训练样本和5组仿真样本数据,建模并仿真. 结果表明,该模型能够对焊接接头力学性能进行较为准确的预测.     

焊丝成分对6082-T6铝合金焊接接头组织和性能的影响

采用ER5356和ER5087焊丝对12 mm厚6082-T6铝合金进行熔化极惰性气体保护焊(MIG)后,通过显微硬度测试、拉伸力学性能测试、光学显微镜(OM)、扫描电镜(SEM)、电子背散射衍射(EBSD)和透射电镜(TEM)等研究焊丝成分对焊接接头力学性能与显微组织的影响。结果表明:采用ER5087焊丝焊接的6082-T6铝合金焊接接头焊缝区晶粒更细小;抗拉强度、屈服强度、断后伸长率以及焊接系数均高于ER5356焊丝焊接的6082-T6铝合金焊接接头的;两种焊丝焊接的6082-T6铝合金焊接接头的硬度最低区域与拉伸断裂位置均在距离焊缝中心10~15 mm处的热影响区,该区域β″强化相聚集长大、粗化,导致析出相强化作用减弱,成为焊接接头性能最薄弱区域。