当前位置:首页 >> 机械/仪表 >>

基于人工神经网络的点焊工艺参数选择和质量预测


维普资讯 http://www.cqvip.com

19 9 9年  吉 林 工 业 大 学 自 然 科 学 学 报  Vo.9 12  第 1期 JU N LO LNU IE ST  F E H O G N T R Ls【N   ) 总 第 9 O R A F II NV R IYO   . N I Y(A U A  cE c J TC O 3期 

/>
基 于 人 工 神 经 网络 的点 焊 工 艺  参 数 选 择 和 质 量 预 测 
王 宸煜
( j 吉林  
摘 要

,  

7 ,    

赵 熹 华 

黄 金 河 
团公 司 )  

科学与工程学院) ( 国 第 一 汽 车 集   中

将 人工神经 网络技术( ANN) l 点焊 领 域 , 立 了点 焊 工 艺参 数选 择  ;入 建

N A N 系统 和 点焊 接 头质 量 预 测 A N 系 统 。 验 证 表 明, N 预 测 精 度 较 好 , N N A 为  点焊 工 艺参 数 优 选 及 焊 点 性 能 预测 提 供 了 一 条新 途径 。  

关 词 人 遵垒堕 ,皇 : 茔 壅   兰竺   键 工 鳖 里量 堡 塑 堡 竺
中囝分类号 T 49 G 0 

点  

电阻 点 焊 是 一 种 机 械 化 、 自动 化 程 度 颇 高 的 工 艺 方 法 。焊 接 质 量 与 工 艺 参 数 的选 择  有 直 接 关 系 。但 由于 点 焊 过 程 是 一 个 热 、 、 场 耦 合 的 复 杂 过 程, 立 精 确 的 数 学 模 型  电 磁 建 存 在 较 大 困难 。 将 大 量 点 焊 规 范参 数与 相 应 接 头 质 量 的试 验 数 据 提 供 给 神 经 网 络 学 习 .   通 过 其 非线 性 映 射 的 泛 化 能 力 自动 抽 取 所 学 习 知 识 的 特 征 [ 准 确 地 描 述 点 焊 规 范 参 数  “, 空 间 与焊 点 接头 质 量 空 间 的映 射 关 系 , 以较 好 地 预 测 电阻 点 焊 的接 头 质 量 。 可  

1 人 工 神经 网络模 型 的建立 
将 常 用 的钢 种 牌 号按 照焊 接性 相 同或 接 近 进 行 分 类 . 后 根 据 不 同类 别 钢 的 焊 接 特  然 点分 别 建 造 神 经 网络 , 神 经 网络 随 着具 体 规 范 的 不 同 而 具 有 不 同 的 网 络 结 构 。 倒 如 低  各 碳 钢规 范 神 经 网 络 具 有 1—1 —4的结 构 , 1个 输入 节点 : 厚  ; 输 出节 点 : 1 即 板 4个 电极 工  作 端 面 直 径 D、 电极 压力 P、 接 电 流  、 接 时 间 t 中 间 1 焊 焊 w; 1个 隐 层 节 点 。 而 可 淬 硬  钢 规范 神 经 网络 的 结 构 为 1 2—7 即 1个 输 入 节 点 : 厚 d 中 间 1 —1 . 板 ; 2个 隐 层 节 点 ; 7个  输 出节 点 : 电极 工 作 端 面 直 径 D 、 电极 压 力 P、 接 电流 脉 冲 f 焊 接 时 间 t 冷 却 时 间  焊 Ⅳ、 Ⅳ、
t 热 处 理 电流 脉 冲 L、   热处 理 时 间 t。   

为 了 使 点焊 接 头 质 量 的 预 测 能 够 方 便 地 与 规 范 参 数 选 择 相 结 合 , 建 造 接 头 预 测 神  在 经 网 络 时 与 上 述 的 规 范 参 数 神 经 网络 相 对 应 , 入 是 由 规 范 神 经 网络 的 输 出 加 上 板 厚 信  输 息 对 应 起 来 的 。 倒 如 低 碳 钢 熔 核 尺寸 网 络 和接 头 拉 剪 载 荷 网 络 都 具 有 5—3—1的结 构 ,  5
收 稿 日 期 :9 8 8— 1  19 —0 2 *国 家 自 然 科 学 基 金 ( 9 7 0 3) 目 5 8 5 3 项  吉 林 省 科 技 发 展 计 划 项 目( 9 8 5 G 资 助  190 1)

王宸煜  .9 1 6月 生 博士 研究 生  男 I7 年  
31  

维普资讯 http://www.cqvip.com

个输 入节点都 同样是 : 板厚 、 电极 工作端面直径 、 电极 压力、 焊接 电流 、 焊接 时间; 出节点  输 则分 别 为 : 核 直 径 和 拉 剪 载 荷 。 同理 , 淬 硬 钢 熔 核 尺寸 网络 和 接 头拉 剪 载 荷 网 络 的 输  熔 可
入 也 都 相 同 , 由 规 范 网 络 的 输 出  是 加 上 板 厚 共 同构 成 的 。   在 确定 了 神 经 网 络 的 层 次 结 构  以后 , 实 际 中 采 用 了 改 进 的 B   在 P

算法—— 变学习速率 B P学习算 法  训练 各神经 网络。此算法能够有效  地 避 免 陷 于 局 部 最 小 并 可 以显 著 缩 
短 训 练 时 间 。 当训 练 的 代 价 函 数 
E( 为 误 差 平 方 和 ) 本 趋 于 最  取 基

小 . 者 已小 于 规 定 的 阈值 , 明 网  或 表 络 各 单 元 权 重 已 趋 于 稳 定 , 以结  可 束 训 练 。 图 1给 出 了低 碳钢 接 头 拉  剪 载 荷 预 测 神 经 网 络 的训 练 过 程 。  
图 1 训练 期 间的 误差 平方 和 
F .  S m ?qlr der rdui  riig   1 u 鲁 I e  ro   r a ng tann  

2 验 证 与 分 析 
2. 工 艺 参 数 选 择  1

低碳钢 A类规范神经网络模型的各种板厚的规范预测结果见图 2 。由图可见, 所预 
测 的 规范 参 数 均 与 文 献 【] 的 推 荐 值 吻 合 很  2中 好 。 由 图 2还 可 以 看 出 , 于 原 推 荐 表 格 中 没  对 有 包 括 的情 况 ( 板 厚 ) 训 练 的 神 经 网 络 均 能  如 ,

非常 容 易地 给 出预测结 果, 给 出的规 范结果  所 具 有 合 理 的 变 化 趋 势 , 反 映 了 神 经 网络 具 有  这
“ 思考 ” 力 。 能   表 1给 出 了 可 淬 硬 钢 ( 的 质 量 分 数 为  碳 01 9 .56~0 6 9 规 范 参 数 神 经 网 络 模 型 的 预  .06) 测 结 果 与 文 献 [] 际 推 荐 参 数 值 的 比较 。 其  2实 中 为 便 于 比较 ANN 映 射 和 插 值 逼 近 的 精 度 ,   将 表 中 两 种 板 厚 假 想 为推 荐 表 格 中没 有 实 际 数  据 而 需 要 推 测 的情 况 , 后 和 实 际 数 据 相 比较 。 然   图2 神经网络预测的规范参数 

插值 时采用 根据 邻近数据 点线性插 值 的方法,   F . r ie p a e rb N   i 2 e c d a m ts y N g  P d t   r e   A 结 果证 明 无 论 是 插值 区 间 很 小 ( .  0 9mm 的 邻近 点 是 0 8  和 1 0mm)还 是 较 大 ( .  .5mm .  . 29 mm 的 邻 近 点 是 2 6mm 和 32mm) A .  .  , NN 预 测 方 法 的 平 均 相 对 误 差 E R 均 比插 值 方  R
法 小 , 而 证 明 ANN 预 测 可 以 获 得 比插 值 逼 近 更 高 的 精 度 。 从   2 2 点 焊 接 头 质 量 预 测  . 图 3给 出 了 1 0mm 厚 的 低 碳 钢 板 A 类 规 范 时 一 定 范 围 内的 焊 接 电流 和 焊 接 时 间  . 


3 2

—  

维普资讯 http://www.cqvip.com

表 1 参 数选 择 系统 的输 出结 果 ( 料 : 5 焊机 : N .0 材 4 #. D 22 0型 )  
T be1 O t u r s t   f aa t r ee t g sse mae i : 5 . ed r D . 0   a l   u p t eut o  rmee s l i  y tm( t a 4 # w l : N22 O)   s p   cn rl e

■ 

( 电极 压 力 2 2   N 不 变 ) 对 应 的 焊 . 核 尺 寸 的 预 测 结 果  . 5k 所  熔

为 了验 证 神 经 网 络接 头 质  量预测 的准 确度 , 用可 焊性  选
较 差 的 6  5 Mn弹 簧 钢 建 立 了 

接头质量预测神经网络并做了  
验 证 实 验 , 用 点 焊 接 头 拉 剪  采

:  
5  

载荷作为接头质量测试参数。  
实验 设 备 : DN21 0型 点  .0 焊 机 ,电 极 直 径 5 2 mm。 由  .  于 6  5 Mn钢 的 焊 接 性 很 差 , 采  用 了 多 脉 冲 回火 的 焊 接 工 艺 ,  

蔷5  

2   0O

主 要 的 规 范 参 数 和 验 证 结 果 如 
表 2 其 中 n为 回火 脉 冲数 )   ( 所
圈 3 低 碳铺 板 的预 坝 熔 校  寸  I
( 厚 :  板 1mm. 电扳 压 力 : .5k   2 2  N)
Fi .   P e it d nu g t i mee so   w  a b n g3 r d c e   g e   a t r  l c r o   d f o

示 。 表 2表 明, 经 网 络 预 测  神 精 度 较 好 , 为 电 阻 点 焊 工 艺  作
参 数优选时的焊点性能检验是 

se I h e ( jk es 1 mm . lc rd   te  e t t c ns :  s h ee to e fr e 2. 5 kN) oc: 2    

可靠的。  

表 2 接头质 量预 测 神经 网结 的预 测精 度 
Tal    Th   rdcig p e io     it u l yp e i ig ANN te2 t ep e i n   rc ino j n   ai   r d t   t s f o q t cn  

3 结

论 

( )利 用神 经 网 络实 现 电 阻 点 焊 工 艺 参 数 选 择 . 且 根 据 规 范 参 数 预 演接 头 质 量 是  1 并 4
可行 的 . 效 的 。 有  
3  3

维普资讯 http://www.cqvip.com

( )神 经 网 络成 功 地 实 现 了焊 接 知 识 学 习 , 2 为点 焊 质 量 控 制 的 人 工 智 能 化 提 供 了新 
思路 。  







献 

1 Ro etHeh - es n. e r   ft eb e p o a a in n ua  ewo k n ICNN . 9 9 1 5 3~ 6 4   b r  c tNil o Th o yo h   a k rp g t   e rln t r I :J o 18 . :8 0 

2 曾乐 主编 . 代焊 接技 术手 册 .上海 : 海科 学技 术 出版 社 . 9 3 现 上 1 9 

P r mee  ee t ga d Qu l yPrdcigo p tW edn   a a trS lci  n   ai   e it   fS o  lig n t n
Ba e o   r i e a   u a   t r   s d  n A tf i lNe r l Ne wo ks i

W a g C 'n u n    ̄ .y   Z a w h oXi u   h a

( £ 0 姆

o fMaeil S i c   n En ier g. in Unz,i   t as c ne a d r e s gnei Jl   i 't o  ̄h o g, n i  ̄s y fT n l 3) o  

Hu g nn e an h 
(h T e胁 Auo bl ru o a yo tmoi eG o pC mp n   fOu a) '   n

A s a t T i p p rpo o e  rc d r  r ric l e r  ewok ( N )i p t l. bt c  hs a e rp ssa oe u ef   t i a  ua n t r AN r   p o a fi n l nso  d  we
i g a d e t bih s s twddn   aa tr slci g ANN  y tm sa d s twed n  on   n , n  sa l e  p   s o i g p rmee   ee t   n s se   n   p   li j it o g
q ai   rd ci   u lt p e itn A y g N N  y t m s Th   s se eA N


N  y t m s f e o   g   r d c i n p e ii n. t a s   s s e   l   fhih p e i t   r cso I l o i o  

p o i e     e wa   fp r e e  e e t   n   u i   r d c i  n s o   r v d a D w  y o   a a t r s l c i a d q a t p e i n i   p twdd n . s m g n l y t g ig 

Ke   l s a t ii   e rln t r .rss a c   p t wed n , a a t r slc i .q aiy y wo d   r fca n u a  e wo k e itn e s   li i l o g p r me e  ee tn g u lt  p e it g rd c i   n


相关文章:
浅谈基于神经网络的电阻点焊工艺参数优化
浅谈基于神经网络的电阻点焊工艺参数优化_冶金/矿山/...为准 确预测点焊质量提高依据。在运用试验手段、神经...1、原理 人工神经网络是用物理模型模拟生物神经网络...
浅谈基于神经网络的电阻点焊工艺参数优化(1)
浅谈基于神经网络的电阻点焊工艺参数优化摘要:本文提出...为准确预测点焊质量提高依据。 在运用试验手段、 ...1 原理 人工神经网络是用物理模型模拟生物神经网络的...
浅谈基于神经网络的电阻点焊工艺参数优化(2)
浅谈基于神经网络的电阻点焊工艺参数优化(2)_信息与通信_工程科技_专业资料。该...2 点焊样本的选取 影响点焊质量的参数有很多,我们选取点焊时的控制参数,即点焊...
基于神经网络的电阻点焊工艺参数优化(3
基于神经网络的电阻点焊工艺参数优化(3_信息与通信_工程科技_专业资料。图 1 工具箱示意图 工具箱示意图非常清晰地表示了本实验的神经网络的输入, 输出以及训练的...
电阻点焊质量控制技术的方法与研究现状
点焊过程的工艺参数主要有焊接电流、焊接时间、预紧...点焊过程中的单一的监测信息预测焊点质量只能在较窄...国内外的学者纷纷将人工智能的主要分支神经网络、 ...
人工神经网络作业
滚动轴承常见故障特征参数选择描述滚动轴承振动时域波形...表 2 神经网络检验样本 神经网络检测结果如下所示:...基于人工神经网络的中医... 暂无评价 1页 5下载券...
人工神经网络作业
人工神经网络作业_工学_高等教育_教育专区。BP网络预测的一些示例人工神经网络作业 BP网络在函数逼近的应用 学 号:080081002007 学生所在学院:自动化学院 学生姓名 :...
基于人工神经网络的预测研究的文献综述
基于人工神经网络的预测研究文献综述专业:电子信息工程 班级:08级2班 作者:刘铭 指导老师:熊朝松引言 随着多媒体和网络技术的飞速发展及广泛应用, 人工神经网络已被...
基于人工神经网络和遗传算法的注塑成型过程的参数优化
刘提出建议的成 型工艺参数的变化,为提高二维品质的注塑部分基于反向过程建模的概念[25](长)的人工神经网络 的应用程序。因此,产品的重量和长度的产品质量是可行的...
更多相关标签:
人工神经网络预测 | 人工神经网络预测模型 | 点焊工艺 | 点焊工艺参数 | 点焊工艺参数表 | 激光点焊工艺 | 点焊工艺基础知识 | 电阻点焊工艺 |