【摘要】：攪拌摩擦焊技術自問世以來,由于生產(chǎn)率高、接頭強度高等優(yōu)點,在航空、航天、高鐵等領域得到了廣泛應用。但由于焊接過程復雜、參數(shù)多等特點,在實際生產(chǎn)中尚且存在一定的質(zhì)量問題。另一方面,隨著人工智能的崛起,機器學習在焊接領域中的應用逐漸發(fā)展成為一個熱門研究方向。在這樣的大背景下,為提高攪拌摩擦焊焊接鋁合金結(jié)構件的質(zhì)量的穩(wěn)定性,提升攪拌摩擦焊焊接工藝數(shù)字化和信息化的程度,本文設計了一套搭載多種傳感器的數(shù)據(jù)采集系統(tǒng),建立了一套基于自組織增量學習神經(jīng)網(wǎng)絡的質(zhì)量評價系統(tǒng)。采用雙色紅外測溫的原理,獲得了攪拌頭軸肩工件結(jié)合處的溫度;采用激光測距的原理,獲得了攪拌頭下壓量;采用電容微型擺錘的原理,獲得了攪拌頭傾角;通過OPC系統(tǒng)對攪拌摩擦焊機床的授權,讀取了攪拌頭轉(zhuǎn)速以及焊接速度兩個參數(shù)。在上述方法的基礎上,建立了攪拌摩擦焊焊接參數(shù)采集系統(tǒng),為后續(xù)的機器學習提供了數(shù)據(jù)來源。研究了自組織增量學習神經(jīng)網(wǎng)絡的基本原理,利用MATLAB軟件編程實現(xiàn)了這種算法,并建立起了相應的模型。為驗證該算法的性能,利用一些人工數(shù)據(jù)集對建立的機器學習模型進行了仿真分析。針對自組織增量學習神經(jīng)網(wǎng)絡的一些不足,提出了改進的自組織增量學習神經(jīng)網(wǎng)絡算法。為進一步驗證改進的自組織增量學習神經(jīng)網(wǎng)絡算法的可靠性,通過研究雙支持向量回歸機算法的原理,利用MATLAB編程軟件,對改進的自組織增量學習神經(jīng)網(wǎng)絡和雙支持向量回歸機建立了各自相應的模型,對兩種算法進行性能對比。實驗結(jié)果表明,改進的自組織增量學習神經(jīng)網(wǎng)絡在模擬效果上與雙支持向量回歸機的仿真效果相近,但自組織增量學習神經(jīng)網(wǎng)絡算法的訓練時間遠小于雙支持向量回歸機�；诓粩嗬鄯e的仿真訓練結(jié)果,建立起了攪拌摩擦焊質(zhì)量評價系統(tǒng),初步實現(xiàn)了從焊接參數(shù)到焊接質(zhì)量的非線性映射關系。并利用從生產(chǎn)中采集到的實際數(shù)據(jù),驗證了質(zhì)量評價系統(tǒng)的可行性。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP183;TG453.9
【圖文】：

圖 1-1 焊接溫度監(jiān)測平臺總體結(jié)構示意圖[17]大學的胡亞真[18]針對攪拌摩擦焊接過程中溫度測量偶的原理對攪拌摩擦焊過程進行溫度測量，通過紅對所研究的結(jié)果進行校正，實驗結(jié)果表明，該方法一定的指導作用。的徐天天等人[19]建立了我一套以力傳我感器為核心的我攪統(tǒng)，編寫了相應的焊接參數(shù)我監(jiān)測軟件。該系統(tǒng)可以，并具有數(shù)據(jù)的處理、實時的顯示和存儲等功能。航天大學的王吉勝等人[20]以測力八角環(huán)、加速度傳IEW 軟件，配用研華 PCI-l710L 型數(shù)據(jù)采集卡，建系統(tǒng)，如圖 1-2 所示。采集焊接過程中的溫度信號，并具有實時采集、顯示與存儲的功能。電偶信數(shù)裝有L

圖 1-3 三種測量方法測量峰值對比圖[21]康星大學麥迪遜分校的Axel Fehrenbacher等人[22]建立了一統(tǒng)來測量攪拌針-工件溫度。如圖 1-4 所示在工具和工件的偶被放置在一個孔中，這樣尖端就可以與工件材料接觸，接區(qū)的溫度。表明了將焊接區(qū)溫度保持在一定范圍內(nèi)，可質(zhì)穩(wěn)定。

【相似文獻】

相關期刊論文 前10條

1 盧家海;;基于在線增量學習支持向量機的徑流預測[J];水利科技與經(jīng)濟;2017年07期

2 秦玉平;王秀坤;王春立;;實現(xiàn)兼類樣本類增量學習的一種算法[J];控制與決策;2009年01期

3 秦玉平;李祥納;王秀坤;王春立;;支持向量機加權類增量學習算法研究[J];計算機工程與應用;2007年34期

4 朱婷;滕桂法;陸浩;張長利;曾大軍;;基于在線增量學習的自適應聚焦爬蟲研究[J];計算機應用與軟件;2009年05期

5 秦玉平;李祥納;王秀坤;王春立;;基于超球支持向量機的類增量學習算法研究[J];計算機科學;2008年08期

6 劉新旺;殷建平;張國敏;羅h

本文編號：2741256