焊接接頭力學(xué)性能是衡量焊接產(chǎn)品質(zhì)量的重要指標(biāo)之一,為保證焊接產(chǎn)品質(zhì)量滿足焊接工程使用要求,傳統(tǒng)方式是通過大量的焊接工藝評(píng)定試驗(yàn)來測試接頭力學(xué)性能是否達(dá)標(biāo),具有成本高、效率低等缺點(diǎn)。本文提出利用機(jī)器學(xué)習(xí)建模的方法來對(duì)焊接接頭力學(xué)性能進(jìn)行預(yù)測,從而達(dá)到減少甚至取代焊接工藝評(píng)定試驗(yàn)的目的。首先,本文在深入研究機(jī)器學(xué)習(xí)算法理論的基礎(chǔ)上,針對(duì)焊接接頭力學(xué)性能預(yù)測這類小樣本數(shù)據(jù)建模問題,設(shè)計(jì)了一套基于BP神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練算法流程,提出采用K折交叉驗(yàn)證法和網(wǎng)格搜索法相結(jié)合的方式來訓(xùn)練和優(yōu)化模型。另外,基于TA15鈦合金TIG焊焊接試驗(yàn)及其接頭性能測試數(shù)據(jù)集,應(yīng)用設(shè)計(jì)的算法流程訓(xùn)練得到了泛化性能優(yōu)良的接頭抗拉強(qiáng)度預(yù)測模型和屈服強(qiáng)度預(yù)測模型,驗(yàn)證了算法的有效性。其次,本文在神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練算法的基礎(chǔ)上,設(shè)計(jì)了一套樣本增量學(xué)習(xí)算法流程,實(shí)現(xiàn)了模型動(dòng)態(tài)學(xué)習(xí)新數(shù)據(jù)、實(shí)時(shí)更新優(yōu)化。基于鈦合金GTAW焊焊接數(shù)據(jù)樣本,隨機(jī)抽取其中70%的數(shù)據(jù)用于基本模型構(gòu)建,得到最優(yōu)抗拉強(qiáng)度預(yù)測模型測試誤差為7.51%。隨后,將原始數(shù)據(jù)集另外30%的數(shù)據(jù)樣本作為增量學(xué)習(xí)補(bǔ)充數(shù)據(jù),對(duì)原模型進(jìn)行增量學(xué)習(xí)優(yōu)化,得到增量學(xué)習(xí)優(yōu)化后的模型... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：94 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

汪超等人開發(fā)的系統(tǒng)主界面

神經(jīng)網(wǎng)絡(luò)模型由兩部分內(nèi)容組成：一是模型的結(jié)構(gòu)，主要包括網(wǎng)絡(luò)的層數(shù)、每層神激活函數(shù)、損失函數(shù)、評(píng)價(jià)函數(shù)等；另外一部分是模型的權(quán)重，用來負(fù)責(zé)調(diào)節(jié)神經(jīng)接。神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的過程，就是尋找損失函數(shù)最小值的過程。由于神經(jīng)網(wǎng)絡(luò)�？�、自學(xué)習(xí)能力，使得模型根據(jù)訓(xùn)練樣本數(shù)據(jù)可以自動(dòng)調(diào)節(jié)模型權(quán)重，而不需要人。但模型的結(jié)構(gòu)以及模型訓(xùn)練時(shí)需要設(shè)置的訓(xùn)練次數(shù)和批尺寸等參數(shù)，不是通過訓(xùn)到的參數(shù)，而是需要在訓(xùn)練前進(jìn)行人為手工設(shè)置，這類需要人為干預(yù)設(shè)置的參數(shù)稱參數(shù)。在給定訓(xùn)練數(shù)據(jù)集的情況下，需要對(duì)超參數(shù)進(jìn)行優(yōu)化，給學(xué)習(xí)器提供一組最，才能學(xué)習(xí)得到針對(duì)當(dāng)前數(shù)據(jù)集的最優(yōu)預(yù)測模型。因此，如何設(shè)計(jì)模型超參數(shù)并對(duì)優(yōu)化，是模型構(gòu)建的重點(diǎn)。另外，如何判斷一個(gè)模型是否是性能優(yōu)良的模型，則需要設(shè)計(jì)合理化的模型評(píng)估機(jī)講，評(píng)估一個(gè)模型的性能表現(xiàn)好不好，不是看它對(duì)訓(xùn)練數(shù)據(jù)集的擬合效果，而是看據(jù)集上的性能表現(xiàn)。一個(gè)模型對(duì)沒有學(xué)習(xí)過的新數(shù)據(jù)樣本表現(xiàn)出優(yōu)良的預(yù)測性能的該模型具有很好的預(yù)測性能，也就是說該模型的泛化能力很好。本文設(shè)計(jì)的模型訓(xùn)練算法流程如圖 2.1 所示。

南京航空航天大學(xué)碩士學(xué)位論文1 2(x )TnX x x學(xué)模型可以簡化為：(W X)Tj f 神經(jīng)元激活函數(shù))反應(yīng)了神經(jīng)元輸出與其激活狀態(tài)之間下面簡單介紹下最常用的幾種激活函數(shù)，也是本文中near function)最簡單的一種激活函數(shù)，函數(shù)表達(dá)式見式(2.5)，函數(shù)示f (x) x

【參考文獻(xiàn)】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的稀土堿性焊條焊縫耐蝕性預(yù)測[J]. 王玉榮,烏日根.  焊接技術(shù). 2018(09)
[2]線性回歸與灰色理論在用電量預(yù)測中的應(yīng)用[J]. 任芳玲,李文波,賀甜.  甘肅科學(xué)學(xué)報(bào). 2018(02)
[3]感知機(jī)理論研究綜述[J]. 張?zhí)煨?  電子技術(shù)與軟件工程. 2017(22)
[4]廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)焊接接頭力學(xué)性能預(yù)測[J]. 張永志,董俊慧,侯繼軍.  焊接學(xué)報(bào). 2017(08)
[5]焊接工藝評(píng)定適用性探討[J]. 趙立,楊錦輝,陶建平.  電焊機(jī). 2017(05)
[6]人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及現(xiàn)狀[J]. 徐學(xué)良.  微電子學(xué). 2017(02)
[7]機(jī)器學(xué)習(xí)算法在焊接領(lǐng)域中的應(yīng)用[J]. 李馳,李廣軍.  焊管. 2016(05)
[8]混合聚類RBF神經(jīng)網(wǎng)絡(luò)焊接接頭力學(xué)性能預(yù)測[J]. 唐正魁,董俊慧,張永志,候繼軍.  焊接學(xué)報(bào). 2014(12)
[9]焊接工藝參數(shù)對(duì)焊縫力學(xué)性能的影響[J]. 尹士科,劉紹維.  機(jī)械制造文摘(焊接分冊(cè)). 2013(03)
[10]基于遺傳神經(jīng)網(wǎng)絡(luò)的焊接接頭力學(xué)性能預(yù)測系統(tǒng)[J]. 劉立鵬,王偉,董培欣,魏艷紅.  焊接學(xué)報(bào). 2011(07)

博士論文
[1]在線學(xué)習(xí)算法研究與應(yīng)用[D]. 劉成昊.浙江大學(xué) 2017
[2]基于粗糙集知識(shí)建模的焊縫成形質(zhì)量專家系統(tǒng)預(yù)測研究[D]. 林濤.上海交通大學(xué) 2008

碩士論文
[1]鋼材焊接接頭力學(xué)性能預(yù)測平臺(tái)[D]. 汪超.南京航空航天大學(xué) 2011
[2]基于ANN焊接接頭力學(xué)性能遠(yuǎn)程預(yù)測系統(tǒng)[D]. 張孝軍.哈爾濱工業(yè)大學(xué) 2008
[3]低合金高強(qiáng)鋼接頭力學(xué)性能預(yù)測及焊接工藝管理[D]. 魏永強(qiáng).哈爾濱工業(yè)大學(xué) 2006



本文編號(hào)：3528883