论文部分内容阅读
海洋石油资源的开发已经成为世界范围内的新的研究热点之一,海洋中出现越来越多的石油平台钢结构、海底管道、水下结构。由于长期浸蚀在海水中,水下焊接修复十分困难,所以研究适用于深海水下焊接技术十分关键。高压干法GMAW是具有现实意义的水下焊接方法,已成为海洋油气田开采和储运常用的水下焊接技术之一,得到广泛应用。焊缝成形是反映焊接质量的一个重要指标,通过分析高压下的焊缝成形有助于研究高压GMAW的规律,对焊缝成形进行预测能够指导高压环境下焊接工艺,有效节约高压焊接试验成本。鉴于此原因本文建立了基于BP神经网络的焊缝成形预测模型,该模型可以实现焊缝信息预测,由此优化焊接工艺方案,提高焊接质量。本文的研究内容如下：(1)首先,利用正交设计法设计了实验方案,该方案以焊接工艺参数为影响因素,每个因素取四个水平,焊缝成形尺寸为输出变量。在搭建好的高压焊接试验系统中进行高压焊接试验,采集焊缝样本数据,作为神经网络的学习训练样本和预测样本。(2)通过分析焊缝成形数据,得到高压环境下GMAW焊缝成形的规律,如高压下,焊缝成形不好,飞溅较大;环境压力的增加会引起焊缝熔宽减小,熔深增加,余高增高。(3)利用回归分析的方法建立了焊缝成形尺寸与焊接工艺参数之间的回归方程,得到了经验公式。对回归方程进行R2检验、F检验和置信区间估计,回归方程具有很高的显著性,能够用于焊缝成形预测。(4)建立了基于BP神经网络的高压GMAW焊缝成形预测模型,该模型以压力、电流、CO2比例和干伸长为输入,以熔宽、熔深和余高为输出。在VC++环境下,开发了可视化的神经网络预测系统。将该预测系统的预测结果与实际值进行比较,得到该预测系统相对误差较小,可靠度较高的结论。最后利用试验数据对建立的回归方程和BP神经网络模型的预测能力进行了对比。结果表明,BP网络的的预测能力优于回归方程,所以建立的神经网络预测模型更适用于高压GMAW焊缝成形预测。