?

基于神經網絡的動力電池組焊接參數優化研究

2016-12-26 16:43胡海燕
科教導刊·電子版 2016年30期
關鍵詞:參數優化焊接神經網絡

胡海燕

摘 要 焊接工藝對焊接質量起著決定性的作用,焊接工藝參數的優化問題非常重要卻又很復雜。通常焊接工作者為了獲得合適的焊接工藝參數,必須在焊接作業前進行多次焊接試驗,然后進行焊接工藝評定,最后才能獲得合理的工藝參數。本文是利用人工神經網絡結合正交試驗以及簡單數學計算對電阻焊焊接工藝參數進行優化。

關鍵詞 神經網絡 動力電池組 焊接 參數優化

0引言

傳統焊接會消耗大量的人力、物力、財力。為適應生產實際對焊接工藝優化的需要,人們希望利用最少的試驗次數和實驗數據,建立焊接工藝參數與焊接結果之間的關系模型,用來指導焊接生產。傳統的焊接工藝優化方法主要有:正交試驗法、因子設計響應曲面法以及回歸分析法等,但這些方法存在計算復雜、工作量大、知識獲取困難和自學習能力差等問題。隨著智能工程的發展,出現了基于遺傳算法、模糊算法和神經網絡等的工藝參數優化,很好地解決了這些問題。本文是利用人工神經網絡結合正交試驗以及簡單數學計算對電阻焊焊接工藝參數進行優化。

1焊接工藝數據的選擇以及正交試驗表的建立

1.1激光焊接工藝參數的選擇

選擇不同電阻焊焊接參數范圍以及對應的焊點抗拉強度值作為神經網絡訓練樣本。

1.1.1焊接電流

焊接電流是微型電阻焊中最具影響力的參數,由焦耳熱定律可知,焊接過程的總析熱量與電流的平方成正比。一般而言,接頭強度隨著焊接電流的增加而增大,但過高的電流會軟化熱影響區,導致焊接飛濺、電極粘連甚至損毀。

1.1.2焊接時間

焊接時間與產熱量成正比。由于焊件尺寸的差異,微型電阻焊應用的焊接時間通常短于常規電阻焊,典型值為幾十毫秒,更短的甚至只有幾毫秒(如電容儲能式電源)。由于熱量向外傳遞和輻射損失,為使得焊接成功必須規定最小的焊接電流和焊接時間。

1.1.3電極壓力

電極壓力主要通過對接觸面積和接觸電阻的影響來作用電阻焊過程。在其他焊接條件不變的情況下,加大電極壓力會使得兩焊件實際接觸面積增加,使接觸電阻和電流密度減小,從而使熔核尺寸變小。

本文選用電極壓力(N)、焊接時間(S)、焊接電流(KA)作為控制焊縫強度的三個主要焊接工藝參數,焊縫抗拉強度試驗指標(N)作為評價焊點性能的主要指標。電極壓力(N)、焊接時間(S)、焊接電流(KA)作為正交試驗的三個因素,根據實驗需求選取L9(34)正交試驗表。

2基于BP神經網絡系統的建立以及訓練結果

2.1神經網絡的選擇與建立

將實驗數據用于訓練神經網絡的樣本數據按公式進行歸一化處理,= ,式中為單個樣本值,max為樣本最大值,xmin為樣本最小值,為歸一化后的數據。歸一化處理能夠使樣本數據在區間范圍內呈現出正態分布的趨勢,使神經網絡具有更強的泛化能力,有利于網絡的訓練并能夠加快網絡的收斂速度。

在多種神經網絡模型中,誤差反向傳播的多層前饋式網絡,BP網絡是最具有代表性、使用最廣泛的。BP網絡由1個輸入層、1個或多個隱含層、1個輸出層組成,含有輸入、輸出接點以及1層或者多層隱接點。當有信息輸入時,輸入信息傳遞到輸入接點,在隱接點層經功能函數處理后,傳遞到輸出接點,將得到輸出值與期望輸出值進行比較,若有誤差,則誤差反向傳播,逐層修改權值系數直到輸出值滿足要求為止。由于BP神經網絡具有非線性逼近能力強、算法簡單等特點,因此在工程實際問題中得到了廣泛的應用。本文就是采用BP神經網絡建立了焊接工藝參數和焊點抗拉強度之間的神經網絡模型。

本文的神經網絡結構中輸入層有三個神經元(x1,x2,x3),分別為電極壓力(N)、焊接時間(S)、焊接電流(KA),輸出層為一個神經元(Y1),即焊點抗拉強度(G)。隱含層有m個神經元,個數可由經驗公式確定,nhid=(nin+nout)1/2+a。

式中nhid為隱層接點數,nin為輸入層節點數,nout為輸出層節點數,a取1-10之間的數。本實驗中,nhid=3,nout=|,所以nin的取值范圍為3-12。本實驗使用四層網絡模型,隱層第一層節點數為5,隱層第二層節點數為10,設定訓練次數為2000次,訓練所要達到的誤差精度為1e-5,網絡學習速率0.01,網絡訓練函數為計算誤差函數—最小均方誤差法LMS,網絡學習速率取0.01。

2.2神經網絡訓練結果

用matlab神經網絡工具箱對正交試驗所得的九組數據進行神經網絡訓練,經過訓練后輸出的抗拉強度分別隨三個焊接工藝參數變化,經神經網絡訓練最后確定最佳焊接工藝參數為A1B2C3。按優化的設定的條件,取焊接電流3KA、焊接時間20S、焊接壓力35N進行多次焊接,對焊接成品進行破壞性試驗。經多次試驗驗證,采用微電阻焊后動力電池組的點焊接頭的焊接質量得到很大的提升。

3結論

本文選擇BP神經網絡對電阻焊焊接工藝參數進行優化,同時分析不同焊接工藝對焊點性能的影響,經神經網絡訓練最后確定最佳焊接工藝參數為焊接電流3KA、焊接時間20S、焊接壓力35N。經多次試驗驗證,采用微電阻焊后動力電池組的點焊接頭的焊接質量得到很大的提升。

項目來源:2013年吉林省科技廳重大科技攻關項目《電動汽車動力電池組自動焊接技術研究》(20130204024GX)。

猜你喜歡
參數優化焊接神經網絡
神經網絡抑制無線通信干擾探究
基于神經網絡的拉矯機控制模型建立
復數神經網絡在基于WiFi的室內LBS應用
基于支持向量機回歸和RBF神經網絡的PID整定
91香蕉高清国产线观看免费-97夜夜澡人人爽人人喊a-99久久久无码国产精品9-国产亚洲日韩欧美综合