[发明专利]一种电子束焊接熔凝区形状因子的神经网络建模方法

说明书

技术领域

本发明属于一种神经网络建模方法，适用于各种金属材料的电子束焊接技术，涉及一种电子束焊接熔凝区形状因子的神经网络建模方法。

背景技术

在高能束焊接领域，神经网络方法主要应用于激光焊接研究。熊建钢、张伟等建立了基于BP网络的钛合金(TI-6AL-4V)激光焊接工艺参数优化模型；该模型以激光功率、焊接速度和离焦量为输入，以熔深和焊缝宽度为输出，实现了由工艺参数预测焊缝形状(熊建钢，张伟，胡乾午.基于人工神经网络模型的钛合金YAG激光焊接工艺参数优化[J].应用激光，2001，4(21)：243-246)。耿昌松等采用建立BP网络模型的方法，有效地实现了A3钢YAG激光深溶焊的熔深预测，相对误差绝对值的平均值在8％以内；模型以激光输出功率、焊接速度、保护气流量和焦点位置为输入，以熔深为输出(耿昌松，林泳，王旭友.YAG激光焊接参数的人工神经网络模型[J].焊接学报，2001，6，37-40)。于有生等人通过脉冲激光焊接10Mn镀镍板的实例建立了焊缝形状预测模型；模型以激光发射频率、脉冲宽度、激光功率和焊接速度为输入，以熔深和熔宽为输出(于有生，李文杰.神经网络方法在建立脉冲激光焊焊缝形状模型中的应用[J].焊接技术，2004，5：11～13)。林盾等运用BP网络预测1Gr18Ni97Si不锈钢YAG激光焊焊缝形状；网络输入为焊接速度、激光功率、离焦量，输出为焊缝熔深、熔宽(林盾，陈俐.BP神经网络在模拟非线性系统输出中的应用[J].武汉理工大学学报，2003，5：731-734)。Jeng-Ywan Jeng等建立了激光对接焊焊接质量预测模型，以材料厚度、对接间隙、激光功率、焊接速度为输入，以焊缝宽度、咬边、焊接变形量为输出。W.S.Chang等结合有限单元法与神经网络技术预测激光搭接焊焊点形状证明是成功的(CHANG W S，NA S J.Prediction of Laser-Spot-WeldShape byNumerical Analys is and Neural Network[J].Metallurgical andMaterials Transactions，2001，32B(3)：723-731)。J.M.Vitek等研究了5754铝合金板YAG脉冲激光焊，以实验批次、平均能量、焊接速度、脉冲能量、脉冲时间为BP网络输入，以熔深、熔宽、半宽、熔化面积为输出；熔深、熔宽以及熔化面积的百分误差大多数在20％或以内(Vitek JM，Fuerschbach P W，Smartt H B，et al.Neural Network Modeling ofPulsed-Laser Weld Pool Shapes in Aluminum Alloy Welds[R].Proceedingsof the laser materials processing conference，1998)。

综上所述，国内外学者研究主要是利用神经网络方法预测工艺参数因素对焊缝形貌特征的影响，所考虑的输入层仅包括功率(电压、电流)、焊接速度等工艺参数，输出仅为熔深、焊缝宽度、熔化面积、焊接变形量等，输入、输出因素均较少。

神经网络方法对焊缝形状特征的预测研究存在以下不足。首先，考虑的输入层参数(影响因素)较少、不够全面，除了焊接工艺因素的影响以外，对于高能束焊接还需要考虑束流品质、材料特性因子、环境因子等多种因素对熔凝区形状的影响。

发明内容

本发明的目的是提供一种能够全面的预测工艺参数因素对焊缝形貌特征影响的一种电子束焊接熔凝区形状因子的神经网络建模方法。

本发明的技术解决方案是，

电子束焊接接头熔凝区是指在热循环作用下经历了熔化、凝固和组织转变的区域，是决定焊接构件的接头性能的主要因素之一。在追求电子束焊接深穿透的同时，技术人员希望控制焊接熔凝区的形状。接头熔凝区成形除了取决于加速电压、束流、焊接速度、聚焦电流等工艺参数外，与电子束束流品质、电子束与材料的交互作用，以及电子束所处的压强环境有关。熔凝区形状因子是指能反映电子束焊接接头力学性能的熔凝区几何形状的参量，由影响电熔凝区形状的一组因素组成，包括工艺因子、环境因子、束流品质因子、材料特性因子。

(一)接头试样制备