基于神经网络方法的焊接接头力学性能预测.pdfVIP

维普资讯 第25卷 第2期 焊 接 学 报 Vo1．25 No．2 2004年 4 月 TRANSACTIONSOFTHE CHINA WELDING INSTITUTION April 2004 基于神经网络方法的焊接接头力学性能预测 石 圩， 樊 丁， 陈剑虹 (兰州理T大学 甘肃省有色金属新材料重点试验室一省部共建国家重点实验室培育基地，兰州 730050) 摘 要：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l7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。 关键词：焊接接头性能预测；BP神经网络；均匀设计 中图分类号：TP18 文献标识码 ：A 文章编号：0253—360X(2004)02—73—04 石 圩 0 序 言 1．1 样本数据的构造 不同焊接规范焊后接头热影响区力学性能的准 神经网络接头性能预测模型的建立，需要大量 确预测，一直是焊接工作者力图解决的难题之一。由 准确可靠的样本数据。为了得到这些样本数据 ，以17 于焊接过程是一个极其复杂的非线性过程，而且焊 种钢材为代表，加工成试样，在焊接热模拟机上模拟 材各组成成分间的交互作用也十分复杂，所 以准确 不同冷却时间t下的焊接热循环过程 ，从而获得了 地预测接头性能是十分困难的。实际生产中往往需 这些钢材在不同t 下的抗拉强度 ，屈服强度 ，冲击 要做大量的焊接工艺评定，消耗大量人力，物力，并 韧度，断面收缩率，硬度等力学性能参数，总共得到 使得生产周期变长。近几十年来，国内外焊接工作者 了159组样本数据，构造了样本数据空间。 针对这个 问题开展了大量的研究工作，发展了一些 1．2 样本数据的分类 接头性能预测的方法，例如回归统计，专家系统… 由于各种钢材所含合金成分的不同以及热处理 等。但结果还都不很理想。 工艺间的差别造成17种钢材之间性能也有较大的差 近年来，神经网络方法在焊接领域得到了广泛 别，如果对这17种钢材使用 同一个网络模型，势必造 的应用，但大都集中于焊接过程控制方面[。考虑到 成预测精度的下降，甚至根本不能逼近其性能函数， 神经网络非线性映射能力强，容错性能优越的特点， 所 以将这17种钢材根据成分和性能的相近原则，将 作者在解决接头薄弱区性能预测难题时采用了神经 其分为四类：低碳合金 (热轧 )钢，包括Q235，20g， 网络方法，建立了针对四类钢材的接头薄弱区性能 16MnR，SM41B， spy36钢 ；低合金 (热轧 ，正火 )钢 ， 预测模型，取得了良好效果。此外，在建模过程中针 包括15MnV，15MnVR，BHW-35，STE460k，HQ60钢 ； 对BP神经网络参数设计的不确定性 ，为了尽量减少 低合金 (调质 )钢 ，包括STE690，HQT0，HQ80C， 神经网络设计的工作量，作者在设计过程中引入了 SM58Q，15MnVN钢 ；Cr—M0钢 ，包 括 13CrMo44， 均匀设计法来优化神经网络参数，取得 良好的效果。 5／4Crl一1／2Mo—Si 1