專利名稱：一種基于人工神經(jīng)網(wǎng)絡(luò)的q345焊接接頭力學(xué)性能預(yù)測(cè)方法
一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方
法本發(fā)明涉及一種Q345焊接接頭力學(xué)性能預(yù)測(cè)方法，特別是一種基于人工神經(jīng)網(wǎng) 絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法。焊接工藝在各種重要產(chǎn)品的制造過程中，有著極其重要的位置。例如，在起重機(jī)的 制造工藝中有著大量的焊接工作量，焊接工藝直接影響著焊接產(chǎn)品的生產(chǎn)及最終質(zhì)量。焊 接工藝評(píng)定工作是保證產(chǎn)品質(zhì)量的一個(gè)重要措施。從焊接工藝擬定、焊接工藝試驗(yàn)到焊接接頭力學(xué)性能的測(cè)試，焊接工藝評(píng)定工作 涉及工廠中的幾個(gè)部門。同時(shí)要投入大量的人力、物力和財(cái)力，完成這些工作，不僅耗資巨 大，而且周期長(zhǎng)，經(jīng)常出現(xiàn)延誤生產(chǎn)的現(xiàn)象。為了解決這個(gè)問題，多年來，人們一直在不懈地進(jìn)行努力，禾I傭多元回歸、模糊數(shù)學(xué)及人 工智能專家系統(tǒng)等技術(shù)，嘗試著進(jìn)行焊接工藝評(píng)定，希望可以代替常規(guī)的工藝評(píng)定試驗(yàn)。但由于 許多參數(shù)如焊接工藝規(guī)范，焊前預(yù)熱及焊后熱處理規(guī)范等都與焊接質(zhì)量及焊后接頭力學(xué)性能存 在密切的關(guān)系。同時(shí)，被焊材料的化學(xué)成分及填充金屬的化學(xué)成分，也直接影響著焊接接頭的性 能。而這些影響因素和接頭的力學(xué)性能之間的關(guān)系，卻難以用數(shù)學(xué)公式來清晰地描述，傳統(tǒng)方法 遇到了不可逾越的鴻溝。近年來，獲得迅速發(fā)展的神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)，可以處理任意復(fù)雜的多 元非線性關(guān)系，并且具有計(jì)算速度快、在線使用方便等特點(diǎn)。相比之下，神經(jīng)網(wǎng)絡(luò)理論比回歸分 析理論和模糊邏輯理論更適用于描述焊接接頭性能與焊接工藝參數(shù)、焊接條件及母材和焊材之 間的多元非線性關(guān)系，使比較準(zhǔn)確地進(jìn)行焊接工藝計(jì)算機(jī)輔助評(píng)定成為可能。樣本數(shù)據(jù)是影響人工神經(jīng)網(wǎng)絡(luò)模型精確度的主要因數(shù)之一，由各企業(yè)提供的數(shù)據(jù) 及查閱文獻(xiàn)資料收集來的數(shù)據(jù)，難以保證實(shí)驗(yàn)數(shù)據(jù)是在相同或相似的實(shí)驗(yàn)條件下得到的。 這樣訓(xùn)練出來的人工神經(jīng)網(wǎng)絡(luò)模型就不能保證在特定的條件下具有較高的精度，例如對(duì)特 定的材料，特定實(shí)驗(yàn)環(huán)境，特定的實(shí)驗(yàn)設(shè)備等。本發(fā)明為了一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法，該方法 利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立的Q345焊接接頭力學(xué)性能預(yù)測(cè)模型，采用誤差反向傳播算法 對(duì)人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型可以導(dǎo)出，進(jìn)行Q345焊接接頭 的力學(xué)性能預(yù)測(cè)，從而指導(dǎo)焊接工藝的制定，減少焊接工藝評(píng)定實(shí)驗(yàn)的人力物力投入。為了實(shí)現(xiàn)上述目的，一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法， 其特征在于包括以下步驟(1)針對(duì)Q345做在特定生產(chǎn)環(huán)境和特定生產(chǎn)設(shè)備的焊接接頭力學(xué)性能系列試驗(yàn)， 收集試驗(yàn)結(jié)果數(shù)據(jù)，篩選整理成人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本；(2)由上述試驗(yàn)收集而來的人工神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)樣本訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型，建立Q345焊接工藝參數(shù)和其焊接接頭力學(xué)性能之間的映射關(guān)系；(3)利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行Q345焊接接頭力學(xué)性能的預(yù)測(cè)，從而指 導(dǎo)焊接工藝的制定。步驟(1)所述的Q345焊接接頭力學(xué)性能試驗(yàn)要求在常用的焊接參數(shù)范圍內(nèi)，得到 的樣本數(shù)據(jù)盡量均勻離散；步驟(2)所述的Q345焊接接頭力學(xué)性能人工神經(jīng)網(wǎng)絡(luò)模型采用三層結(jié)構(gòu)，包括 輸入層、隱含層和輸出層，其中輸入層和隱含層采用非線性映射函數(shù)映射，隱含層和輸出層 采用線性函數(shù)映射；步驟(2)所述的Q345焊接接頭力學(xué)性能人工神經(jīng)網(wǎng)絡(luò)模型的輸入層采用以下焊 接工藝參數(shù)焊接電流160A 220A、焊接電壓20V 26V、焊接速度設(shè)有快速或慢速和預(yù) 熱溫度為室溫 300°C，輸出層采用以下基本焊接接頭力學(xué)性能指標(biāo)抗拉強(qiáng)度474. 8N/ mm2 550. 6N/mm2、屈服強(qiáng)度340. 5N/mm2 385. 8N/mm2、斷面收縮率27. 70%和延伸 率 12% 44%。本發(fā)明同現(xiàn)有的技術(shù)相比，本發(fā)明利用人工神經(jīng)網(wǎng)絡(luò)非線性映射能力強(qiáng)、自學(xué)習(xí) 性能優(yōu)秀和容錯(cuò)性高等特點(diǎn)，訓(xùn)練出來的模型預(yù)測(cè)精度高，適用于Q345焊接接頭的力學(xué)性 能預(yù)測(cè)；減少了焊接工藝評(píng)定實(shí)驗(yàn)量，簡(jiǎn)化了焊接工藝的制定，提高了生產(chǎn)效率。

圖1為本發(fā)明的算法流程圖；圖2為本發(fā)明的三層BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖； 圖3為本發(fā)明破口示意圖4為本發(fā)明破口示意圖；。下面通過具體的實(shí)施例并結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)的描述。參見圖1和2所示，下面以Q345手工電弧焊屈服強(qiáng)度模型為例說明本方法的具體 實(shí)施方案(1)由企業(yè)工廠或研究所實(shí)驗(yàn)室針對(duì)Q345做在特定生產(chǎn)環(huán)境和特定生產(chǎn)設(shè)備的 焊接接頭屈服強(qiáng)度系列試驗(yàn)。試驗(yàn)要求在常用的焊接參數(shù)范圍內(nèi)，得到的樣本數(shù)據(jù)盡量均 勻離散。收集試驗(yàn)結(jié)果數(shù)據(jù)，篩選整理成人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本。(2)由上述試驗(yàn)收集而來的人工神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)樣本訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型， 建立Q345焊接工藝參數(shù)和其焊接接頭力學(xué)性能之間的映射關(guān)系。人工神經(jīng)網(wǎng)絡(luò)模型的訓(xùn) 練過程采用誤差反向傳播算法。網(wǎng)絡(luò)采用三層結(jié)構(gòu)，包括輸入層、隱含層和輸出層。其中 輸入層和隱含層采用非線性映射函數(shù)映射，隱含層和輸出層采用線性函數(shù)映射。輸入層包 括焊接電流，焊接電壓，焊接速度和預(yù)熱溫度等焊接工藝參數(shù)。輸出層包括焊接接頭的抗拉 強(qiáng)度、屈服強(qiáng)度、斷面收縮率和延伸率等基本的力學(xué)性能指標(biāo)。神經(jīng)網(wǎng)絡(luò)為多層前饋神經(jīng)網(wǎng)絡(luò)，是對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng) 絡(luò)，輸入信號(hào)先向前傳播到隱含結(jié)點(diǎn)，經(jīng)過變換函數(shù)之后，把隱含結(jié)點(diǎn)的輸出信息傳播到輸 出結(jié)點(diǎn)，再給出輸出結(jié)果，結(jié)點(diǎn)的變換函數(shù)通常選取Sigmoid型函數(shù)，BP神經(jīng)網(wǎng)絡(luò)的輸入與輸出關(guān)系是一個(gè)高度非線性映射關(guān)系，如果輸入結(jié)點(diǎn)數(shù)為n，輸出結(jié)點(diǎn)數(shù)為m，則網(wǎng)絡(luò)是從η 維歐氏空間到m維歐氏空間的映射；輸入層與隱含層之間的關(guān)系以及隱含層與輸出層的關(guān)系可以分別用公式(2-1) 和(2-2)表示 (3)利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行Q345焊接接頭力學(xué)性能的預(yù)測(cè)。焊接工 藝員在設(shè)計(jì)焊接工藝時(shí)，先輸入一組焊接工藝參數(shù)，選擇材料成分等信息，模型可以在不進(jìn) 行工藝評(píng)定實(shí)驗(yàn)的情況下預(yù)測(cè)出焊后焊接接頭的力學(xué)性能，如果預(yù)測(cè)出的力學(xué)性能不能滿 足實(shí)際應(yīng)用需要，再進(jìn)行工藝參數(shù)的調(diào)整，再次進(jìn)行預(yù)測(cè)，直到設(shè)計(jì)的工藝參數(shù)合理能夠得 到足夠的焊接接頭力學(xué)性能。該過程不進(jìn)行任何力學(xué)性能實(shí)驗(yàn)，從而減少焊接工藝評(píng)定實(shí) 驗(yàn)的人力物力的投入。制作與試驗(yàn)情況如下1.試樣材料Q345R2.材料標(biāo)準(zhǔn)GB/T 1591-943.試板尺寸200X 100X 124.破口形式如圖3和圖4圖 4 中的參數(shù)如下:Ts = 12mm ；b = 30mm = 42mm ；L0 = 107. 2mm ；Lt = 200mm ； Lc = 120mm ；R = 25mm 5.焊材牌號(hào) J506/J5076.焊材標(biāo)準(zhǔn)GB/T5117-957.焊材規(guī)格<2 4mm8.焊接方法焊條電弧焊9.電流種類直流電源10.極性反接11.技術(shù)要求稍作擺動(dòng)，單道焊12.焊接設(shè)備GS-500SS13.焊工鋼印H0114.焊接電流160，170，180，190，200，210，220 共 7 種15.焊接時(shí)焊接速度要分快，慢兩種，各焊28組實(shí)驗(yàn)樣本，共56組試驗(yàn)樣本。16.標(biāo)法:K(1 28)表示焊接速度快，指14cm/min左右。M(1 28)表示焊接 速度慢，指14cm/min左右。焊工焊前先打鋼印，同時(shí)標(biāo)白漆，例Kl17.試驗(yàn)內(nèi)容抗拉強(qiáng) ，屈服強(qiáng)度，斷面收縮率，延伸率共4項(xiàng)力學(xué)性能指標(biāo)。
18.試驗(yàn)結(jié)果如下表試驗(yàn)數(shù)據(jù)記錄表(快速)
. 1試驗(yàn)數(shù)據(jù)記錄表(慢速)

根據(jù)上訴方法實(shí)施方案，即可實(shí)現(xiàn)本發(fā)明。
權(quán)利要求
一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法，其特征在于包括以下步驟(1)針對(duì)Q345做在特定生產(chǎn)環(huán)境和特定生產(chǎn)設(shè)備的焊接接頭力學(xué)性能系列試驗(yàn)，收集試驗(yàn)結(jié)果數(shù)據(jù)，篩選整理成人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本；(2)由上述試驗(yàn)收集而來的人工神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)樣本訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型，建立Q345焊接工藝參數(shù)和其焊接接頭力學(xué)性能之間的映射關(guān)系；(3)利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行Q345焊接接頭力學(xué)性能的預(yù)測(cè)，從而指導(dǎo)焊接工藝的制定。
2.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法， 其特征在于步驟(1)所述的Q345焊接接頭力學(xué)性能試驗(yàn)要求在常用的焊接參數(shù)范圍內(nèi)， 得到的樣本數(shù)據(jù)盡量均勻離散。
3.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法， 其特征在于步驟(2)所述的Q345焊接接頭力學(xué)性能人工神經(jīng)網(wǎng)絡(luò)模型采用三層結(jié)構(gòu)，包 括輸入層、隱含層和輸出層，其中輸入層和隱含層采用非線性映射函數(shù)映射，隱含層和輸 出層采用線性函數(shù)映射。
4.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法， 其特征在于步驟(2)所述的Q345焊接接頭力學(xué)性能人工神經(jīng)網(wǎng)絡(luò)模型的輸入層采用以下 焊接工藝參數(shù)焊接電流160A 220A、焊接電壓20V 26V、焊接速度設(shè)有快速或慢速和 預(yù)熱溫度為室溫 300°C，輸出層采用以下基本焊接接頭力學(xué)性能指標(biāo)抗拉強(qiáng)度474. 8N/ mm2 550. 6N/mm2、屈服強(qiáng)度340. 5N/mm2 385. 8N/mm2、斷面收縮率27. 70%和延伸 率 12% 44%。
全文摘要
本發(fā)明涉及一種Q345焊接接頭力學(xué)性能預(yù)測(cè)方法，特別是一種基于人工神經(jīng)網(wǎng)絡(luò)的Q345焊接接頭力學(xué)性能預(yù)測(cè)方法。其特征在于包括以下步驟針對(duì)Q345做在特定生產(chǎn)環(huán)境和特定生產(chǎn)設(shè)備的焊接接頭力學(xué)性能系列試驗(yàn)，收集試驗(yàn)結(jié)果數(shù)據(jù)，篩選整理成人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本；由上述試驗(yàn)收集而來的人工神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)樣本訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型，建立Q345焊接工藝參數(shù)和其焊接接頭力學(xué)性能之間的映射關(guān)系；利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行Q345焊接接頭力學(xué)性能的預(yù)測(cè)，從而指導(dǎo)焊接工藝的制定。本發(fā)明訓(xùn)練出來的模型預(yù)測(cè)精度高，用于Q345焊接接頭的力學(xué)性能預(yù)測(cè)，減少了焊接工藝評(píng)定實(shí)驗(yàn)量，簡(jiǎn)化了焊接工藝，提高了生產(chǎn)效率。
文檔編號(hào)G01N3/00GK101908083SQ20101017376
公開日2010年12月8日 申請(qǐng)日期2010年5月13日 優(yōu)先權(quán)日2010年5月13日
發(fā)明者丁惠嘉, 葉偉釗, 羅凡, 薛季愛, 顧福明, 魏艷紅 申請(qǐng)人:上海市特種設(shè)備監(jiān)督檢驗(yàn)技術(shù)研究院