基于RBF神经网络预测2219铝合金多层TIG焊接头拉伸性能研究

针对焊接过程的严重非线性和焊接工艺参数的复杂交互作用,使得接头抗拉强度的准确估算十分困难的问题,利用K-均值聚类算法建立焊接接头抗拉强度RBF (Radial basic function)神经网络预测模型。以2219铝合金多层TIG焊的焊缝形状参数(正面余高、背面余高、背面宽度、正面宽度、首层盖面熔深)作为预测模型的输入参数,以焊后接头的抗拉强度作为预测模型的输出参数。利用22组焊接试验数据对所建的预测模型进行网络训练,用另外6组焊接试验数据进行验证。结果表明,所建的RBF神经网络预测模型具有适应性强、精度高,预测的平均绝对误差仅为1.94%。通过预测模型,得到焊缝几何形状参数与接头抗拉强度之间的影响规律以及最佳的接头焊缝形状,从而对调控焊接接头的强度提供了依据。