论文部分内容阅读
在激光-电弧复合焊接中,焊缝形貌是否合理是评价焊接质量好坏的一个重要标准,然而复合焊接过程中可控的工艺参数众多,每个工艺参数的变动都可能引起焊缝形貌的变化从而使焊接失败。因此,找出复合焊接工艺参数对焊缝形貌的影响规律,并作出预测是十分有必要的本文以响应面法建立激光功率、焊接电流、电弧电压和光丝间距等工艺参数与焊缝的熔深、熔宽、余高的数学模型;通过方差分析和回归分析表明该回归模型的R2分别如下:熔深H为0.932,熔宽W为0.915,余高A为0.910,P>F值均小于0.001。模型分析结果表明激光功率、焊接电流、电弧电压和热源间距四个因素的主效应和交互作用对焊缝形貌有着很大的影响,其中对熔深影响最大的主效应是激光功率,交互效应是激光功率与电弧电压;对熔宽影响最大的主效应是焊接电流和电弧电压,交互效应是焊接电流与热源间距、电弧电压与热源间距和激光功率与电弧电压;对余高影响最大的主效应是焊接电流,交互效应是电弧电压与热源间距。实验验证结果表明模拟结果和实验结果相吻合。根据实验分析工艺参数对焊接稳定性的影响,发现电弧能量是影响焊接稳定性的最主要因素:随着电弧能量的增加焊接趋于稳定。并且,在试验过程中利用高速摄像机拍摄电弧形态、熔滴过渡形态、熔池状态来帮助分析各个工艺参数对焊缝形貌的影响。建立极坐标系来采集焊缝形貌的轮廓数据。利用MATLAB的三次样条拟合通过所采集的数据来拟合焊缝形貌轮廓。在通过所建立的数学模型分析个各工艺参数对焊缝形貌的影响后,利用BP神经网络建立了激光功率、焊接电流、电弧电压、热源间距对焊缝形貌轮廓的预测模型。结果显示90%以上的预测数据与实际数据的相对误差在20%以内。为了改善BP神经网络的预测精度,使其泛化能力提高,本文采用以遗传算法对BP神经网络的初始权值和阈值进行优化的方法来实现。经遗传算法优化后的BP神经网络的泛化能力增强,预测精度提高,结果显示所有的预测数据与实际数据的相对误差都在20%以内。