专利名称：一种钢/铝激光熔钎焊的工艺优化方法
技术领域：
本发明涉及焊接技术领域，具体为一种针对钢/铝激光熔钎焊的性能要求，制定的优化工艺参数的方法。
背景技术：
汽车轻量化已成为21世纪汽车技术的前沿和热点。车身的轻量化对于整车的轻量化起着具足轻重的作用，而钢/铝一体化车身框架结构是高性能轻质材料与优化车身结构相结合路线的典型应用。但是其应用目前还处于起步阶段，钢/铝激光熔钎焊过程中熔池形状对焊缝质量起着至关重要的作用，熔深是衡量焊缝质量的重要参数之一，然而各个工艺参数对熔深又有着极其重要的影响，但是钢/铝激光熔钎焊过程中很难捕捉到其熔池形状，尤其是熔深，因此涉及到钢/铝激光焊接的工艺设计和工艺优化时，很少能给出工艺参数与熔池熔深之间的关系，所以就大大增加了钢/铝激光焊接工艺制定的难度。若能在钢/铝激光熔钎焊领域引入计算机模拟和预测技术，则能够迅速准确的预测钢/铝激光熔钎焊的熔深并能及时调整和优化工艺，对于钢/铝激光焊接的研发和生产实践具有十分重要的指导作用。
发明内容
本发明所解决的技术问题在于提供一种钢/铝激光熔钎焊的工艺优化方法，该方法是针对钢/铝激光熔钎焊的性能要求，制定的一种工艺选取和优化的方法，以解决上述背景技术中的问题。本发明所解决的技术问题采用以下技术方案来实现
一种钢/铝激光熔钎焊的工艺优化方法，采用有限元分析和人工神经网络的结合得到钢/铝激光熔钎焊的熔池熔深的预测模型，训练好的人工神经网络模型用来预测不同工艺条件下钢/铝激光熔钎焊的熔池熔深，具体包括以下步骤
(1)采用有限元分析软件ANSYS进行钢/铝激光焊接的模拟仿真，从中收集模拟结果数据，筛选整理成人工神经网络的训练样本；
(2)用步骤(I)得到的训练样本来训练人工神经网络模型，建立起激光焊接工艺参数和熔深之间的映射关系；
(3)利用步骤(2)训练好的人工神经网络模型进行钢/铝激光焊接熔深的预测，从而指导并优化工艺参数。本发明步骤(I)所述的钢/铝激光焊接的模拟仿真要求实验的各个工艺参数在常用的工艺范围之内，得到的样本数据均匀分散。本发明步骤(2)所述的人工神经网络模型采用三层结构，包括输入层、隐含层和输出层，其中输入层和隐含层间采用非线性映射函数，隐含层和输出层间采用线性映射函数。本发明步骤(2)所述的人工神经网络模型的输入层采用以下焊接工艺参数焊接功率1. 8 2. 6kw、焊接速度35 55mm/s、离焦量O +4mm。
与现有技术相比，本发明的有益效果是本发明利用有限元软件模拟仿真和人工神经网络的结合，计算速度较快，比较准确的进行了钢/铝激光焊接过程的模拟，节约了生产成本，缩短了生产周期，并且人工神经网络非线性映射能力强，自学性能优和容错性好，训练出来的模型预测精度高，适用于钢/铝激光焊接工艺参数的制定和优化。
图1为本发明的算法流程图。图2为本发明的人工神经网络拓扑结构图。
具体实施例方式为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面进一步阐述本发明。 参见图1和2所示，下面以钢/铝激光焊接为例说明本方法的具体实施方案
(I)通过有限元分析软件ANSYS并进行焊接过程的模拟，通过软件自带的APDL语言来改变激光焊接的各个工艺参数来获得不同的熔池形状，从而得出各个工艺参数下对应的熔深，要求各个工艺参数在常用的工艺范围内，得到的样本尽量均匀离散，收集实验结果数据，从实验中得到25组实验数据，随机筛选其中的20组数据作为人工神经网络模型的训练样本。(2)由上述模拟实验收集而来的训练样本来训练人工神经网络，建立起钢/铝激光熔钎焊工艺参数与熔深之间的映射关系，人工神经网络训练采用误差反向传播算法，网络采用三层结构各层节点数分别为3-9-1,包括Inputlayer、Hiddenlayer和Outputlayer,输入层包括焊接功率、焊接速度、离焦量三个工艺参数，输出层为熔池的熔深。(3)人工神经网络为多层前馈神经网络，它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小，其隐层函数为logsig，输出层函数为purelin,训练函数为traingdm。(4)利用训练好的人工神经网络模型对剩余的5组数据进行钢铝激光熔钎焊的熔深的预测，在制定焊接工艺时只需输入焊接工艺参数，模型可以直接预测数钢/铝激光熔钎焊的熔深，从而来设计和制定焊接工艺。仿真实验的情况如下
(1)试样尺寸钢100 X 35 X1. 4 mm，铝 100 X 35 X1. 3 mm ;
(2)焊接方法铝搭接在钢上；
(3)工艺参数焊接功率1.8 2. 6KW、焊接速度35 55mm/s、离焦量O +4mm ；
(4)实验内容测得不同工艺参数下的焊接熔池的熔深；
(5)实验结果实验数据记录如表I，预测值与仿真值对比如表2；
表I实验数据记录表
权利要求
1.一种钢/铝激光熔钎焊的工艺优化方法，其特征是采用有限元分析和人工神经网络的结合得到钢/铝激光熔钎焊的熔池熔深的预测模型，训练好的人工神经网络模型用来预测不同工艺条件下钢/铝激光熔钎焊的熔池熔深，具体包括以下步骤(1)采用有限元分析软件ANSYS进行钢/铝激光焊接的模拟仿真，从中收集模拟结果数据，筛选整理成人工神经网络的训练样本；(2)用步骤(I)得到的训练样本来训练人工神经网络模型，建立起激光焊接工艺参数和熔深之间的映射关系；(3)利用步骤(2)训练好的人工神经网络模型进行钢/铝激光焊接熔深的预测，从而指导并优化工艺参数。
2.根据权利要求1所述的一种钢/铝激光熔钎焊的工艺优化方法，其特征是步骤(I) 所述的钢/铝激光焊接的模拟仿真要求实验的各个工艺参数在常用的工艺范围之内，得到的样本数据均匀分散。
3.根据权利要求1所述的一种钢/铝激光熔钎焊的工艺优化方法，其特征是步骤(2) 所述的人工神经网络模型采用三层结构，包括输入层、隐含层和输出层，其中输入层和隐含层间采用非线性映射函数，隐含层和输出层间采用线性映射函数。
4.根据权利要求1所述的一种钢/铝激光熔钎焊的工艺优化方法，其特征是步骤(2) 所述的人工神经网络模型的输入层采用以下焊接工艺参数焊接功率1. 8 2. 6kw、焊接速度35 55mm/s、离焦量O +4mm。
全文摘要
本发明公开了一种钢/铝激光熔钎焊的工艺优化方法，采用有限元分析软件在特定的条件下对钢/铝激光熔钎焊过程进行模拟，利用人工神经网络建立起各个工艺参数与熔深之间的映射关系，从而对不同工艺参数下熔深进行预测，在综合考虑焊缝凝固收缩的条件下得到理想的焊缝熔深，进而得到较优的工艺参数，本发明应用于钢/铝激光熔钎焊工艺参数的选取，将计算机模拟和预测技术的有机结合对生产实践中钢/铝激光焊接工艺参数的选取有一定的指导意义，从而克服了钢/铝激光熔钎焊工艺参数凭经验和大量实验来选取的困难，进而提高了生产效率和产品质量，节约了生产成本。
文档编号G06N3/08GK102999676SQ20121056506
公开日2013年3月27日 申请日期2012年12月24日 优先权日2012年12月24日
发明者周惦武, 乔小杰, 李升 , 刘元利 申请人:湖南大学