共查询到19条相似文献,搜索用时 109 毫秒
1.
提出了一种神经网络与蚁群算法相结合的91耐热钢管热处理工艺参数优化方法.以4个主要热处理工艺参数为优化对象,5个材料力学性能指标为优化目标.首先进行正交试验,以试验数据为样本通过神经网络建立优化参数与优化目标之间的非线性映射模型,然后用蚁群算法对模型进行优化获取最佳热处理工艺参数.神经网络的非线性映射能力解决了优化建模困难问题,蚁群算法的智能化寻优能力克服了优化求解复杂的缺点.仿真试验显示热处理工艺参数优化精度高,材料力学性能指标预测误差小. 相似文献
2.
3.
焊接是汽车车身制造的一个关键环节,焊接质量的好坏严重影响汽车车身质量,所以焊接参数的选择至关重要. 针对薄板焊接质量控制问题,论文利用BP神经网络解决非线性问题的优势,建立焊接变形量与工艺参数之间映射关系模型;结合遗传算法构建基于遗传神经网络焊接的工艺参数优化系统;同时设计正交试验,将该方法与正交试验法相对比. 结果表明,该方法可以有效地实现CMT(cold metal transfer)点焊焊接变形预测与工艺参数优化. 通过预测模型给出合理参数,指导钢薄板和铝合金薄板的CMT点焊变形试验,提高焊接的效率. 相似文献
4.
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. 相似文献
5.
以某锅炉厂T91钢管环形焊接接头为研究对象,采用均匀试验设计,以焊接电流、焊接电压、焊接速度、预热温度、焊后热处理温度、保温时间作为可调整的工艺参数,使用Abaqus有限元分析软件对焊后热处理的接头残余应力进行模拟。通过RBF神经网络和粒子群算法对焊接参数进行优化,并采用优化后的焊接参数进行了试验。结果表明,通过均匀试验设计的方法得到RBF神经网络拟合用的训练样本是可行的,大大降低了数据计算量。在优化的焊接工艺参数下预测的焊后最大残余应力与实际模拟值相近。采用优化的焊接参数进行试验得到的接头金相检验合格。 相似文献
6.
7.
《组合机床与自动化加工技术》2016,(2)
电阻点焊工艺参数的设置对点焊焊接质量有着非常重要的作用,难以建立精确的数学模型。基于此,提出一种将Logistic映射微粒群优化算法(LPSO)与BP神经网络相结合的方法,对0.8mm厚08AL钢板点焊工艺参数建模优化。在详细分析点焊工艺的基础上,利用BP神经网络建立点焊工艺参数与焊接质量之间的模型,同时结合LPSO的全局寻优能力,对点焊工艺参数进行优化,获得三大主要工艺参数(点焊时间、点焊电流与电极压力)的最优匹配。以点焊时间9周波、点焊电流11.41k N、电极压力1.7k N的最优工艺参数组合进行试验,结果表明,与BP+COA和正交实验法相比,该方法具有更高的可靠性。 相似文献
8.
为了准确和快速确定最佳摩擦焊接工艺参数,提出了一种最小二乘支持向量机与鱼群算法相结合的摩擦焊接工艺参数优化方法。以摩擦时间、摩擦压力和顶锻压力3个主要摩擦焊接工艺参数为优化对象,焊接接头抗拉强度为优化目标,通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系。首先进行焊接试验,以试验数据为样本对模型进行训练,然后用鱼群算法对模型进行优化,获得最佳摩擦焊接工艺参数。结果表明,该方法具有建模容易、求解快捷等优点,优化得到的工艺参数与正交回归优化的工艺参数相比,使焊接接头的抗拉强度提高了2.1%。 相似文献
9.
10.
基于人工智能的薄板电阻点焊数值分析及工艺参数优化 总被引:1,自引:0,他引:1
焊接参数的设置对电阻点焊质量有着至关重要的作用,将有限元数值模拟技术与BP神经网络及遗传算法相结合,对不锈钢薄板电阻点焊过程的工艺参数进行优化.对点焊过程进行有限元分析,将模拟结果作为网络的数据样本,以焊接电流,电极压力,焊接时间这三个主要的焊接工艺参数作为优化参数,以焊接熔核尺寸作为优化目标,建立了优化参数与目标函数之间的BP神经网络模型.结合遗传算法的全局寻优能力,获得使熔核尺寸最大的三大主要工艺参数的最优搭配.为电阻点焊工艺参数的选取提供了一条合理途径,对提高点焊质量有一定的意义. 相似文献
11.
针对汽车车身常用的镀锌钢板(GMW2和DP600)的点焊性能预测问题进行了研究,引入人工神经网络模型来描述点焊工艺参数空间同焊点接头质量空间的映射关系;在对普通网络存在的缺陷问题进行深入分析的基础上,结合大量试验综合考虑,对网络模型进行了优化改进;然后将试验得到的大量点焊工艺参数与相应点焊接头质量的试验数据提供给神经网络学习.结果表明,学习后的优化神经网络模型能够准确有效地预测焊接电流对点焊熔核直径、压痕深度以及拉剪强度的影响规律.亦即该优化神经网络模型可有效地实现对车身镀锌钢板点焊性能的预测,且预测精度和准确率较高,符合工程需要,具有一定的实用价值. 相似文献
12.
Parameter selecting and quality predicting of spot welding based on artificial neural networks 总被引:1,自引:0,他引:1
This paper proposes a procedure for using artificial neural networks (ANN) in spot welding, and estabishesspot wilding parameter selecting ANN systems and sopt welding joint quality predicting ANN systems.It has been provedthat the ANN systems have high prediction precision ,providing a new way of parameter selecting and quality predicting in spot welding. 相似文献
13.
14.
15.
Anapproachofartificialneuralnetworktoroboticweldingprocessmodelling¥LiYan(HarbinResearchInstituteofWeldingJohnNorrishandT.E.B... 相似文献
16.
17.
Artificial neural networks have been studied for applicability for modeling of spot welding process. Some basic concepts relating to neural networks are explained as well as how they can be used to model welding quality parameters in terms of the welding process parameter. The performance of the neural networks for modeling is presented and evaluated using actual welding data. It is concluded that neural network modeling is a good means of estimating spot welding quality on-line. 相似文献
18.
This article deals with the optimization of process parameters for friction welding of Incoloy 800 H rod and compares the results obtained by response surface methodology(RSM) and artificial neural network(ANN).The experiments were carried out on the basis of a five-level,four-variable central composite design.The output parameters were the tensile strength and burn-off length(BOL).They were considered as a function of four independent input variables,namely heating pressure(HP),heating time,upsetting pressure(UP),and upsetting time.The RSM results showed that the quadratic polynomial model depicted the interconnection between individual element and response.For optimizing the process parameters,ANN analysis was used,and the optimal configuration of the ANN model was found to be 4–9–2.For modeling aspect,a requisite trained multilayer perceptron neural network was rooted,and a quick propagation training algorithm was used to train ANN.The purpose of optimization was to decide the maximum tensile strength and minimum burn-off length of the welded joint which was done by varying the friction welding process variables.The order of importance of input parameters for friction welding of Incoloy 800 H was HP [ UP [ N [ BOL.After predicting the model using RSM and ANN,a comparison was made for predicting the effectiveness of two methodologies.By analyzing the results,it was observed that as compared to RSM,ANN model was more specific. 相似文献