利用模糊神经网络技术预测焊接接头力学性能.pdfVIP

第29卷第7期 焊 接 学 报 V01．29No．7 2 00 THE WELDINGINSTITUTION2008 8年7月TRANSACtiONSOF CHINA July 利用模糊神经网络技术预测焊接接头力学性能 董俊慧， 张艳飞， 唐正魁 (内蒙古工业大学材料科学与工程学院，呼和浩特010051) neural fuzzy networks，ANHS)预测焊接接 摘要：探讨一种自适应模糊神经网络(adaptive 头力学性能的方法。通过测定TCA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MATIAB和VisualC”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。 关键词：自适应模糊神经网络；力学性能；预测；TIG焊 里。J及悬 中图分类号：TG407文献标识码：A 文章编号：0253—360X(2008)07—0029—05 O 序 言 力学性能预测的方法。因此，拟构建一种自适应模 糊神经网络模型，在已知焊接工艺参数的条件下，利 模糊神经网络是人工神经网络与模糊逻辑推理 用该模型对焊接接头的力学性能进行预测。 相结合形成的一种新型智能计算方法，它在焊接工 艺参数优化、焊接过程控制等方面有着广泛地应 1 试验方法与试验方案 用…，是人工智能界具有发展前途的三个重要领域 neural1．1试验材料及方法 之一【2J。自适应模糊神经网络(adaptivefuzzy 试验用母材为2mm厚TG4板材，焊接材料是 3与 networks，ANFIS)，是将Sugeno型模糊推理系统b 从母材上剪切经打磨成约声2m／n的焊丝，其化学成 神经网络相结合而得到的一种模糊神经网络。AN． IriS有机地结合了模糊推理系统易于表达模糊语言分见表1。对TC4板材进行双面TIG焊，采用直流 的优点和人工神经网络的自学习能力，充分发挥了 电源正接，接头形式为I型对接，焊接工艺参数见 二者的优势。将其应用于焊接接头力学性能预测具 表2。 有其它预测方法无法比拟的优势，如对专家经验依 赖少，允许预测数据存在一定噪声，预测精度高，适 表1 TC,4钛合金化学成分(质量分数，％) 1 ofTC,4titanium TableChemical cxxrl：x掩itlen alloy 用于