GMAW快速成形熔敷焊道尺寸神經網絡建模和參數預測.pdf

1、GMAW熔敷快速成形是基于離散堆積原理的一種新型加工方法。本文以快速成形過程智能化為背景,以熔敷工藝參數預測為目標,采用神經網絡建模方法研究快速成形過程中熔敷工藝參數與熔敷焊道成形尺寸間的關系,進而實現根據給定的熔敷工藝參數計算堆敷成形尺寸、根據需要的堆敷成形尺寸規(guī)劃合理熔敷工藝參數的功能。
　　首先,以送絲速度、焊接速度、焊接電壓和噴嘴高度為輸入變量,以熔敷焊道寬度和高度為輸出變量,采用二次回歸通用旋轉組合設計的方法設計了試驗樣

2、本,在基板上進行了單道堆敷試驗。采用結構光視覺傳感器測量了每一條堆敷焊道的寬度和高度,獲得了完整的樣本數據。
　　采用傳統(tǒng)的二次回歸方法分別建立了熔敷焊道寬度和高度與輸入變量之間的二次回歸方程,對獲得的回歸方程進行了統(tǒng)計檢驗,將回歸方程的不顯著項剔除,從而得到了熔敷焊道寬度和高度與輸入變量之間的優(yōu)化模型。
　　考慮到熔敷過程輸入變量與輸出變量之間的高度非線性,采用人工神經網絡建立了多輸入與多輸出變量的非線性正向模型。利用設計

3、的驗證樣本,對傳統(tǒng)二次回歸模型和神經網絡模型的預測能力進行了比較,結果表明神經網絡模型精度更高。然后,利用建立的神經網絡模型對熔敷過程行為進行了仿真研究,揭示了熔敷工藝規(guī)范對熔敷焊道尺寸的影響規(guī)律。
　　在實際堆敷成形過程中,一般需要根據理想的熔敷焊道尺寸預測合適的熔敷工藝參數。因此,建立了熔敷焊道尺寸為輸入變量熔敷工藝參數為輸出變量的神經網絡逆向模型。由于逆向模型預測熔敷工藝參數精度有限,建立了神經網絡正向模型和逆向模型聯合預測