[发明专利]一种双相高强钢焊接参数优化方法

说明书

本发明公开了一种双相高强钢焊接参数优化方法，利用响应面法(RSM)与量子遗传算法(QGA)相结合的方法来实现优化具有I型坡口的双相高强钢TIG双面焊接工艺参数，具体包括焊接材料及初始工艺参数的确定、实施焊接与焊后变形量的测量、建立响应面模型、利用QGA求解响应面模型获得最优参数、最优工艺参数的验证等步骤。本发明可通过使用有限的试验次数建立可靠的响应面模型来代替大量的试验，从而实现通过焊接参数预测焊接质量的目的，针对I型坡口的DP590、DP780等双相高强钢的双面TIG焊接，可大大缩短设计周期、实现减小焊接变形量，不仅可以提高生产效率、而且可以提高焊接产品的质量。

技术领域

本发明涉及一种钢材的焊接参数优化方法，具体是一种适用于对I型坡口的DP590、DP780等双相高强钢的双面TIG焊接参数优化方法，属于焊接技术领域。

背景技术

双相高强钢(dual-phase，简称DP钢)，又称复相钢，是由马氏体、奥氏体或贝氏体与铁素体基体两相组织构成的钢，是低碳钢或低合金高强度钢经临界区热处理或控制轧制后而获得。双相高强钢具有重量轻、强度高、成形性好的特点。有数据表明，汽车车身自重每减少10％、则每百公里油耗就会减少5％，因此双相钢已作为汽车轻量化设计中代替传统汽车钢材的首选材料成功应用于汽车产业。

如今在汽车生产行业，运用在车身上最多的为抗拉强度在700～1100MPa级范围内的双相高强钢，其中抗拉强度为700MPa级的双相高强钢应用最为广泛。由于车身一体化成型难度大，因此焊接成为生产车身的必要工序。然而，由于双相高强钢的碳当量过大，因此焊接性较差。此外，在焊接过程中会产生残余应力从而引起变形，甚至产生疲劳裂纹，这极不利于后期装配。因此，如何改善焊接变形对汽车生产而言具有重要意义。

目前，改善焊接变形主要通过改善焊接工艺参数的方式，然而焊接工艺参数的优化主要是依靠大量的试验来获取数据，而且对于操作者要求较高，这就造成人力、财力与时间的浪费，导致生产效率低下。

发明内容

针对上述问题，本发明提供一种双相高强钢焊接参数优化方法，具体针对I型坡口的DP590、DP780等双相高强钢的双面TIG焊接参数优化，能够实现减小焊接变形量，从而实现提高焊接产品质量的目的。

为实现上述目的，本双相高强钢焊接参数优化方法，以获得最小焊接变形量为目标，使用RSM与QGA结合的方法对采用I型坡口的双相高强钢双面TIG焊接工艺参数进行优化，具体包括以下步骤：

步骤一，焊接材料及初始工艺参数的确定：根据焊件材料的牌号选定焊接用焊丝，根据TIG焊接的特性以及材料的焊接性选取焊接参数，参数至少包括焊接电流与焊接速度，利用均匀化设计的方法，将焊接电流与焊接速度参数组合为多组焊接参数，其余焊接参数选用默认值；

步骤二，实施焊接与焊后变形量的测量：通过自动TIG焊接机器手进行焊接，焊接前进行工件预焊接，采用双面焊接完成待工件冷却至室温，然后测量工件的最大变形量；

步骤三，建立响应面模型：将每组工件的焊接电流、速度与其相对应的最大变形量分别列出，并利用最小二乘法计算模型各参数、得出对应的响应面模型，然后利用方差分析法检验所建立的响应面模型与实际数据的拟合程度，当拟合度不小于设定百分值时视为合格；

步骤四，利用QGA求解响应面模型获得最优参数：将所得相应曲面方程作为二元方程，确定焊接电流和焊接速度的自变量范围后，通过设定的量子遗传算法迭代次数、种群数量、量子长度数据，利用QGA算法取负的方法求解获得最值，得到最优工艺参数；

步骤五，最优工艺参数的验证：重复步骤二，将所得工艺参数作为实际生产参数，运用相同的生产条件进行验证，测量实际生产的最大变形量与QGA算法计算所得变形量进行对比，两者误差小于设定百分值时，则视为优化方法可行。