焊接接頭力學性能預測模型的研究

黃青（中石化中原油建工程有限公司，四川 達州 636150）

1.工程概述

焊接工藝參數是通過大量的焊接試驗，從中選定一些重要參數，以便能確保焊接工程質量。焊接工藝參數的設計不是一件輕松的工作，這是由于焊接工藝眾多參數之間存在十分復雜的關系。隨著人工智能理論成熟的發展，人們試圖利用虛擬焊接技術代替常規的工藝評定試驗[1]。

2.焊接過程的數學建模

焊接的質量與焊接工藝參數的選擇息息相關，參數之間不僅存在靜態重疊，而且也存在動態耦合，這種存在大量隨機不確定因素的復雜過程決定了其數學建模的困難性。伴隨著人工智能理論突飛猛進的發展，神經網絡在工業生產的各個領域得到了越來越多的關注與應用。從理論上說，神經網絡通過自身的學習訓練，對復雜的非線性方程的有著很好的映射，更能夠體現出自身的優越性。

作為一種智能預測算法，神經網絡是通過模擬大腦的某種機制與功能，去實現工業領域上的某些特定功能。人工神經網絡在某種算法的指導下，通過從外部環境獲取知識去自動歸納學習，并對輸入作出相應的反應。本文通過引入神經網絡技術虛擬建模，并深入的研究其焊接接頭的力學性能。

3.實驗內容

本次試驗內容主要是預測焊接接頭的力學性能，試樣采用材質為Q235B的鋼板。

實驗方案設計為：采用林肯-400s進行手工電弧焊，焊材為Φ4.0的J507焊條，試樣坡口為單面V型。為了盡可能得到均勻離散的實驗數據。焊后的試樣進行機械切割后做拉伸試驗，記錄四項接頭力學性能數據，分別為：屈服強度、抗拉強度、斷面收縮率、延伸率。

4.仿真結果

驗證性試驗選擇了5種線能量，驗證性試驗焊接速度選定為10cm/min，隨機選取8組焊接工藝參數，導入系統，進行仿真。每組實驗做3次，取平均值，盡可能降低人為引起的誤差。實驗參數和仿真結果見表。

表2 仿真結果分析

實驗結果分析：

用于驗證的實驗數據共有八組。圖中實線段為預測值，虛線段為試驗值。從圖中可以發現：試驗值和預測值是基本貼合的，誤差絕對值均不超過5%，預測情況較為理想。由于篇幅所限，延伸率和斷面收縮率預測結果暫不列出。從圖中可以看出，文中設計的模型精確度還需提高，可以通過適當增加模型樣本訓練數據，進一步增強網絡的學習、泛化能力。

5.結語

本文通過引入神經網絡技術，設計了一種快速建立焊接接頭力學性能模型預測的方法，網絡輸入焊接工藝參數，經過相應的學習訓練，輸出焊接接頭的力學數據，極大的提高了焊接質量。研究表明，該焊接接頭力學性能預測模型結構簡單，精確度較高，具有一定的實用價值。

[1]崔朝宏，李午申.人工神經網絡在焊接中的應用現狀及發展趨勢[J].焊接技術2009,29（1：40-42.

[2]張良均，曹晶，蔣世忠.神經網絡實用教程[M].北京：機械工業出版社，2008.

[3]陳裕川.焊接工藝評定手冊[M].機械工業出版社.2000:185-201.