超窄间隙电弧焊侧壁根部熔深混合预测模型.docxVIP

下载本文档

0
0
约1.97万字
约 10页
2025-11-19 发布于浙江
举报
版权申诉

超窄间隙电弧焊侧壁根部熔深混合预测模型.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

窑PAGE

窑PAGE141窑

窑PAGE

窑PAGE142窑

第54卷第12期

2025年6月

热加工工艺

HotWorkingTechnology

ISSN1001-3814CN61-1133/TG

DOI:10.14158/j.cnki.1001-3814. rjggy@

超窄间隙电弧焊侧壁根部熔深混合预测模型

马晶1,2,张爱华1,2,马永强1,2,朱亮3,贾彬彬1,2,王平1,2

(1.兰州理工大学电气工程与信息工程学院,甘肃兰州730050;2.甘肃省工业过程先进控制重点实验室,甘肃兰州

730050;3.兰州理工大学材料科学与工程学院,甘肃兰州730050)

摘要院针对超窄间隙电弧焊侧壁根部熔深无损检测难题袁提出了机理与数据驱动的混合预测模型遥首先袁基于热平衡机理和焊缝截面面积数学建模构建了机理主模型袁预测侧壁根部熔深基准值曰其次袁采用粒子群算法渊PSO冤优化长短期记忆网络渊LSTM冤超参数袁建立了PSO-LSTM误差补偿模型袁预测机理主模型的误差曰最终叠加基准值与误差预测值获得最终的预测结果遥结果表明院混合预测模型的均方误差渊0.0152冤和平均绝对误差渊0.0914冤均低于单一机理模型遥对比分析证实袁PSO-LSTM补偿模型对机理主模型误差的修正能力更强遥钢轨焊接实例验证表明袁混合预测模型可用于钢轨焊缝侧壁根部熔深的无损检测袁为超窄间隙焊接质量评估与控制奠定了基础遥

关键词院侧壁根部熔深预测曰超窄间隙焊接曰机理曰数据驱动曰长短期记忆网络曰粒子群算法

中图分类号院TG444 文献标识码院A 文章编号院1001-3814(2025)12-0141-09

HybridPredictionModelofSidewallRootPenetrationinUltra-narrowGapArcWelding

MAJing1,2,ZHANGAihua1,2,MAYongqiang1,2,ZHULiang3,JIABinbin1,2,WANGPing1,2

(1.SchoolofElectricalandInformationEngineering,LanzhouUniversityofTechnology,Lanzhou730050,China;2.KeyLaboratoryofGansuAdvancedControlforIndustrialProcesses,Lanzhou730050,China;3.SchoolofMaterialsScienceandEngineering,LanzhouUniversityofTechnology,Lanzhou730050,China)

Abstract院Aimingatthechallengeofnon-destructivetestingforsidewallrootpenetrationdepthinultra-narrowgaparc

welding,ahybridpredictionmodelintegratingmechanism-drivenanddata-drivenapproacheswasproposed.Firstly,amechanism-basedmainmodelwasestablishedbyintegratingthermalbalanceprinciplesandweldcross-sectionalareamodelingtopredictbaselinevaluesofsidewallrootpenetration.Secondly,aPSO-LSTMerrorcompensationmodelwasdevelopedusingparticleswarmoptimization(PSO)tooptimizehyperparametersofthelongshort-termmemory(LSTM)network,aimingtopredicterrorsfromthemechanism-basedmainmodel.Finally,theultimatehybridpredictionresultswereobtainedbysuperimposingbaselinevalues