电子束二次熔焊人工神经网络模型的建立和分析

通过工艺试验,基于人工神经网络建立电子束焊接参数与二次熔焊接头力学性能之间的数学模型,分析研究了电子束焊接参数对焊缝力学性能的影响规律。为选择合适的二次熔焊工艺参数提供了理论依据。     

钛合金电子束焊缝熔凝区形状的人工神经网络模型

通过采用人工神经网络方法对TC4钛合金电子束焊缝熔凝区形状尺寸进行预测研究.在大量工艺试验的基础上,采集网络训练样本,并对训练样本和测试样本进行标准化,通过确定合适的人工神经网络模型、网络结构、网络算法以及网络训练次数,建立了从聚焦电流、电子束流和焊接速度到焊缝熔深、熔宽、正面焊缝宽度、深宽比、焊缝余高、钉头半角的BP网络映射模型.结果表明,网络的最大输出相对误差不超过5%,说明该网络具有较强的映射能力,能满足预测要求.     

钛合金电子束深熔焊根部缺陷机理分析

文中研究了大厚度Ti6321钛合金深熔焊时,根部缺陷的位置和形貌特征,分析了根部缺陷产生的原因,揭示了缺陷产生的机理,提出了减小和消除根部缺陷的方法.结果表明,对于大厚度钛合金深熔焊,未焊透时焊缝中容易产生钉尖和链状气孔缺陷.当匙孔底部表面张力与流体静压力之和大于金属蒸气压力时,根部无法维持稳定的匙孔内壁,液态金属凸出向匙孔坍塌,金属蒸气不能完全逸出,在快速冷却条件下,液态金属凝固后形成钉尖缺陷. 当表面张力、液体静压力与金属蒸气压力的平衡位置距离匙孔底部距离大于1/2熔深时,焊缝根部容易产生链状气孔缺陷.通过采取相应措施可以有效减少和消除钉尖缺陷和链状气孔缺陷.     

应用MATLAB建立焊接参数人工神经网络模型的方法

介绍了MATLAB软件包中神经网络工具箱的使用方法,并通过以优化焊接工艺参数为例,介绍了三层BP网络模型的网络结构的设计、训练数据的处理、网络的初始化、网络的训练和仿真的过程及所应用的函数。     

电子束深熔焊熔质密度分布与溶池流动行为

利用计算机层析成像设备-工业CT分析了电子束焊缝中熔质密度分布,并进而分析了电子束焊接过程中熔池流动和小孔波动行为。熔质分布与材料的物理性能及焊接状况密切相关,其决定因素是小孔波动及其引起的熔池波动,以及蒸气冲击力,小孔强烈的波动和熔体紊流可以使熔质分布均匀化,但金属等离子蒸气冲击力会在焊缝中形成局部区过度富积熔质,而电子束流扫描搅拌可进一步促使熔质元素分布均匀化,完全穿透焊可以在根部通孔中释放高压等离子蒸气,使小孔内蒸气作用力相比部分穿透焊时的行为产生明显变化,而使熔质分布不同。     

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...     

电子束深熔焊熔质密度分布与熔池流动行为

利用计算机层析成像设备———工业CT分析了电子束焊缝中熔质密度分布 ,并进而分析了电子束焊接过程中熔池流动和小孔波动行为。熔质分布与材料的物理性能及焊接状况密切相关 ,其决定因素是小孔波动及其引起的熔池波动 ,以及蒸气冲击力。小孔强烈的波动和熔体紊流可以使熔质分布均匀化 ,但金属等离子蒸气冲击力会在焊缝中形成局部区过度富积熔质 ,而电子束流扫描搅拌可进一步促使熔质元素分布均匀化。完全穿透焊可以在根部通孔中释放高压等离子蒸气 ,使小孔内蒸气作用力相比部分穿透焊时的行为产生明显变化 ,而使熔质分布不同     

钛合金电子束焊接应力分析的有限元模型

建立了两种钛合金平板电子束焊接应力场的数值分析模型，针对4mm厚的TC11钛合金平板试件，计算分析不同计算模型对电子束焊接残余应力的影响。结果表明厚度为4mm的平板电子束焊接接头，在焊缝及其近缝区很窄的区域内，存在着数值接近材料屈服极限的纵向残余拉应力，而表面横向残余应力则为压应力，且残余应力在厚度上也呈不均匀分布，数值计算模型应根据研究问题的特点来选取。     

基于ANN的TA15钛合金TIG焊接头拉伸性能模型建立

近α型钛合金TAI5具有较好的综合力学性能,在飞机结构中有广阔的应用前景。针对TAI5钛合金进行了系统的TIG焊试验,并进行了焊接接头拉伸性能测试。在此基础上,基于人工神经网络（ANN）原理对影响TAI5钛合金TIG焊接头拉伸性能的主要参数进行了选取,确定ANN的输入和输出参数,建立了TAI5钛合金TIG焊接头拉伸性能ANN模型并对模型进行了优化及误差分析。结果表明,最终建立的拉伸性能模型能很好地适用于TAI5钛合金TIG焊接头拉伸性能的模拟,优于传统回归方法。     

TiAl/Ti60电子束焊接接头组织及性能

对 TiAl/Ti60 异种材料进行电子束焊接,研究了其接头成形特点、焊缝组织、热影响区组织及接头力学性能.结果表明,TiAl/Ti60 电子束焊接时,接头的主要缺陷是存在宏观横向裂纹.焊缝组织快速冷却时主要形成的马氏体组织为针片状的α2 相,Ti60侧热影响区为针状α' 相,TiAl 侧热影响区为马氏体形貌.接头焊缝区硬度值较大,且熔合线两侧的硬度分布梯度较大.TiAl/Ti60 常规电子束焊接接头,接头的抗拉强度最大可达到 175.4 MPa,接头强度相对较低.拉伸断裂发生在 TiAl 侧熔合线附近,断裂为脆性断裂,断裂特征为穿晶断裂.

Abstract：

Electron beam welding experiments of TiAl/Ti60dissimilar joints were carried out. Microstructure and mechanical properties were studied. The results show that major defect in TiAl/Ti60 joint during electron beam welding is transverse crack. Weld zone is characterized by acicular α2 plates, HAZ near to Ti60 by acicular α' phase, and HAZ near to TiAl by martensite. Hardness in weld zone is relatively higher, as well as the hardness gradient along fusion line. Fracture during stretching occurs in the region near fusion line. Fracture mode is brittle fracture, which is characterized by transgranular fracture.     

人工神经元网络法估测点焊接头力学性能

采用一个神经网络估测器进行焊点力学性能无损在线分析。在此估测器中，经训练的神经元网络将用于描述动态电阻曲线与焊点力学性能的映射关系，试验结果证实了神经元网络用于这类应用场合的可行性和有效性。     

人工神经网络控制在焊接中的研究应用

介绍了近些年来国外关于人工神经网络控制技术在焊接过程的自动化、智能化控制中的研究应用。     

应用人工神经网络模型预测Ti＋10V-2Fe-3A合金的力学性能

采用人工神经网络方法建立了Ti-10V-2Fe-3Al合金机械性能预测的神经网络模型。模型的输入参数包括变形温度、变形程度、固溶温度、时效温度等热加工工艺参数和热处理制度。模型的输出为钛合金最重要的5个机械性能指标，即抗拉强度、屈服强度、延伸率、断面收缩率和断裂韧性。与传统回归拟合公式相比，该模型具有容错性好、通用性强等优点。该模型可以预测Ti-10V-2Fe-3Al合金在不同热加工工艺参数和热处理制度下的机械性能，也可以用于优化热加工参数和热处理制度。     

基于人工神经网络的结构钢回火后力学性能预测

利用多层前向神经网络，使用B－P算法对结构钢回火性能预测进行了研究。通过利用99种钢450余组训练数据样本对神经网络进行训练，建立了结构钢回火后的力学性能与金属成分和回火温度之间的隐性函数。并针对训练用样本不足的问题，设计了为网络提供自学功能软件，在钢完全淬透的前提下，用此神经网络模型可在一定精度范围内预测结构钢的回火力学性能。     

人工神经网络在钛合金领域的应用

概括了人工神经网络的学习机理以及运用较多的BP神经网络模型的BP算法原理,进一步综述了人工神经网络在钛合金材料高温变形行为研究、力学性能预测和相变规律等方面的应用情况。认为将人工神经网络技术应用于钛合金材料领域中,可以明显地提高工艺设计效率,缩短实验周期,对钛合金材料的研究具有很高的应用价值和深远的指导意义。     

铝青铜力学性能人工神经网络模型的建立和应用

采用MATLAB的BP人工神经网络,以铝青铜的化学成分作为输入参数,其抗拉强度σb、屈服强度σ0.2和伸长率δ作为输出,建立了高强度船用螺旋桨铝青铜的力学性能预测模型。计算结果表明,三项输出的预测值与实测数据接近,其相对误差基本在±2%～±7%,因此,该模型对高强度船用螺旋桨铝青铜的生产具有一定的指导意义。     

A354合金热处理制度的人工神经网络模型

采用人工神经网络方法,研究了固溶温度、固溶时间、时效温度和时效时间对A354合金热处理性能的影响,建立了A354合金热处理制度的人工神经网络模型.     

基于BP人工神经网络模型的激光焊缝宽度预测方法

激光焊缝宽度是考核激光拼焊板质量的重要指标之一,直接影响到拼焊板的成形性能.因此,通过对激光焊缝宽度进行预测可以达到焊接工艺参数优化的目的,以提高拼焊板的焊接质量与成形性能.本文利用BP人工神经网络技术建立了焊缝宽度预测模型,该模型可以实现对焊缝宽度的有效预测,预测精度达到96%以上,具有较好的工业实用价值.     

基于专家系统和人工神经网络的点焊工艺参数选择

提出了一处集成专家系统和休工神经网络和电阻点焊工艺参数选择人工智能系统。试运行结果表明,该系统充分发挥了专家系统和人工神经网络各自优点,具有使用简单,预测准确度高,速度快等优点,是实用,合理的,这就为点焊工艺参数优选和接头质量预测提供了一种有效的新方法。