發(fā)布時(shí)間：2020-05-10 12:04

【摘要】：高強(qiáng)鋼的激光焊接是實(shí)現(xiàn)汽車輕量化的重要途徑之一,高強(qiáng)鋼的應(yīng)用能減小汽車車身鋼板厚度、降低車身質(zhì)量,并保證車身強(qiáng)度性能,達(dá)到節(jié)能減排效果。本論文以雙相鋼DP600的激光焊接為研究對象,以接頭性能只能預(yù)測為研究目標(biāo),采用人工神經(jīng)網(wǎng)絡(luò)和聚類分析方法研究工藝參數(shù)與成形性、接頭性能之間的關(guān)聯(lián)規(guī)律,實(shí)現(xiàn)焊縫區(qū)尺寸和焊接接頭性能智能預(yù)測,從而為雙相鋼DP600激光焊接尋求最優(yōu)接頭性能的工藝參數(shù)提供智能分析的手段。本論文主要結(jié)論如下:(1)采用BP神經(jīng)網(wǎng)絡(luò)建立以激光焊接功率、焊接速度和離焦量為輸入變量,以焊縫區(qū)上下表面和最窄處寬度為輸出變量的非線性預(yù)測模型,驗(yàn)證結(jié)果最大相對誤差為8.94%。根據(jù)模型擬合焊接工藝參數(shù)與焊縫區(qū)形貌關(guān)系,發(fā)現(xiàn)焊縫整體寬度隨離焦量增加而增大;隨焊接速度增加而減小;隨激光功率增加,上表面寬度變化較小,最窄處和下表面寬度逐漸增大。(2)以焊縫區(qū)上下表面和最窄處寬度數(shù)據(jù)為三個(gè)變量,采用K-均值算法將數(shù)據(jù)分為4類,并建立分類規(guī)則集,上表面寬度位于1.06 mm~1.19 mm且最窄處寬度位于0.74 mm~0.91 mm可分至第一類,上表面寬度位于0.84 mm~1.06 mm且最窄處寬度位于0.62 mm~0.74 mm且下表面寬度位于0.65 mm~0.81 mm可分至第二類,上表面寬度位于0.79 mm~0.91 mm且最窄處寬度位于0.74 mm~0.85 mm可分至第三類,最窄處寬度位于0.48 mm~0.67 mm且下表面寬度位于0 mm~0.65 mm可分至第四類。對各類焊縫進(jìn)行性能評價(jià),得出第二類焊縫形貌較好且性能最接近母材,第一類焊縫區(qū)寬度較大且斷裂伸長率較差,第三類焊縫與母材交界處存在凹陷缺陷,第四類熱輸入小,焊縫處于剛焊透狀態(tài)。(3)結(jié)合人工神經(jīng)網(wǎng)絡(luò)與聚類分析建立以激光焊接工藝參數(shù)為輸入變量以焊縫類別及性能為輸出變量的神經(jīng)網(wǎng)絡(luò)-聚類分析模型,并進(jìn)行焊接實(shí)驗(yàn)驗(yàn)證。焊縫區(qū)實(shí)測形貌及焊縫性能與預(yù)測結(jié)果一致,驗(yàn)證了該模型預(yù)測的合理性。
【圖文】：

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文題的處理。具有逼近復(fù)雜非線性關(guān)系、很強(qiáng)魯棒性和容錯(cuò)能力進(jìn)行大量運(yùn)算和自適應(yīng)等特點(diǎn)，同時(shí)具有自學(xué)習(xí)、聯(lián)想存儲(chǔ)和。在圖像識(shí)別、過程控制、數(shù)據(jù)預(yù)測等領(lǐng)域有很好的發(fā)展前是神經(jīng)網(wǎng)絡(luò)的基本組成成分和信息傳遞處理單位，典型模型三個(gè)部分組成：一是突觸，主要功能是將信息經(jīng)過權(quán)值進(jìn)行分內(nèi)；二是加法器，將神經(jīng)元內(nèi)的信號(hào)進(jìn)行權(quán)值和閾值處理；三輸出信息進(jìn)行函數(shù)計(jì)算后再傳遞至下個(gè)神經(jīng)元。在圖 1-2 中，值σi，主要用來對激勵(lì)函數(shù)的輸入進(jìn)行調(diào)整[31]。

( ) =1 gmoid 函數(shù)： ( ) =1 2 1 2 P 神經(jīng)網(wǎng)絡(luò)算法研究到焊接工藝參數(shù)與橫截面焊縫區(qū)幾何特征及焊接成形性的關(guān)系較線性或回歸分析方式無法對數(shù)據(jù)進(jìn)行有效分析。BP神經(jīng)網(wǎng)絡(luò)不僅結(jié)，，且具有靈活的非線性映射建模能力、較強(qiáng)的學(xué)習(xí)能力與泛化能BP 神經(jīng)網(wǎng)絡(luò)作為激光焊接高強(qiáng)鋼工藝參數(shù)與焊接成形性關(guān)系建模的 網(wǎng)絡(luò)是于 1986 年由 D. Erumelhart 和 J. L Mc Clelland 等提出的誤網(wǎng)絡(luò)模型由三個(gè)主體構(gòu)成，分別是連接外界輸入信息的輸入層（inpu行非線性映射處理的一個(gè)或多個(gè)隱含層（hiddenlayer）和將數(shù)據(jù)處output layer），典型的三層 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖 1-3 所示。采用反饋不斷調(diào)整各神經(jīng)元權(quán)值和閾值，實(shí)現(xiàn)模型輸出誤差最小[34]。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TG456.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉毅娟;雷鳴;何e

本文編號(hào)：2657268