[发明专利]一种基于BP神经网络焊接工艺参数优化方法

权利要求书

1.一种基于BP神经网络的工艺参数优化方法，其具体方法为；

(1)建立钢铝激光焊接的神经网络模型，利用所得的训练样本对神经网络进行学习、训练，通过神经网络优化焊接工艺参数；

(2)选定激光焊接工艺参数范围，设计正交试验，通过数值模拟获得试验结果，得到不同工艺参数下的焊接熔深数据作为神经网络的训练样本；

(3)利用训练样本对BP神经网络进行训练，获得焊接工艺参数和熔接深度之间的非线性映射关系；

(4)在选定的最优熔深数据点附近对每个工艺参数增加和减少某一微小步长，获得新的一组工艺参数，重新设计正交实验，获得新的工艺参数组合；

(5)通过BP神经网络仿真预测新的工艺参数下的熔深数据；

(6)在新的熔深数据中查找最逼近合适熔深数据的点，若熔深已满足要求，则优化结束，反之则返回步骤5继续寻优，直至获得最优工艺参数组合；

(7)分析最优工艺参数条件下的应力场，找出焊接过程和冷却过程中应力场的变化规律；

(8)观察最优工艺参数条件下焊接接头表面成形性和表面缺陷，测试焊接接头的力学性能。

2.按照权利要求1所述的一种基于BP神经网络的工艺参数优化方法，其特征在于所述BP神经网络包括输入层、隐含层、输出层及各层之间的传递函数，BP网络可以包含不同的隐层，所述BP神经网络选用单隐层的神经网络模型。

3.按照权利要求1所述的一种基于BP神经网络的工艺参数优化方法，其特征在于所述BP神经网络的学习过程分两个阶段：第一阶段是输入已知学习样本，结合网络结构和前一次迭代的权值和阈值，从前往后计算各神经元的输出；第二阶段是修改权值和阈值，从后往前计算各权值和阈值对总误差的影响，据此对各权值和阈值进行修改，以上两个过程反复交替，直到误差达到收敛为止。