[发明专利]一种基于数值模拟和深度学习的搅拌摩擦焊缝成形预测的工艺参数、焊具结构优化方法

说明书

本发明提出了一种基于数值模拟和深度学习的搅拌摩擦焊缝成形预测的工艺参数、焊具结构优化方法，属于搅拌摩擦焊技术领域。所述方法包括：步骤一、设定三次模拟试验作为数据测试集；步骤二、计算焊接过程中材料流动场和温度场分布情况；步骤三、计算不同参数下搅拌摩擦焊具断裂失效情况，并计算不同参数下焊缝成形质量及缺陷分布情况；步骤四、利用生成对抗网络深度学习模型遍历所有工艺参数和焊具结构的焊缝成形结果，获得在保证焊具可靠工作前提下焊缝成形最优化结果。本发明所述方法目的在于为生产中最优化搅拌摩擦焊工艺提供有效的普适性预测方法，具有降低时间消耗、材料成本以及预测精确度高等优点。

技术领域

本发明涉及一种基于数值模拟和深度学习的搅拌摩擦焊缝成形预测优化方法，属于搅拌摩擦焊技术领域。

背景技术

搅拌摩擦焊(Friction Stir Welding)作为自激光焊接问世以来最引人注目的焊接方法，在克服传统熔焊轻质合金过程中易产生的裂纹和气孔等焊接缺陷问题上具有显著优势，使难于熔焊的部分材料实现了可靠的优质连接，其工作基本原理是用一个具有轴肩(或带有搅拌针)的焊具进行高速旋转，工具与工件之间产生大量的摩擦热和塑性变形热，使工件材料局部塑化，当焊具沿着焊接界面向前移动时，塑化材料在焊具的作用下用前部移向后部，并在焊具的挤压作用下形成致密的固相接头。

然而，尚不成熟的搅拌摩擦焊存在着如下缺点：(1)焊具设计尚无普适性理论。在搅拌摩擦焊过程中，被焊材料主要受焊具驱动流动并形成致密焊缝结构，同时焊具会受到流动的被焊材料的强阻力作用，不可靠的焊具设计会导致焊缝成形差、焊具折断等问题的发生；(2)目前关于搅拌摩擦焊工艺参数优化的研究主要以实验为主，然而由于搅拌摩擦热力耦合系统本身的复杂性、焊缝成形设计的因素过多、正交实验设计次数较多、工作量巨大且重复性较弱等，优化预测的实验研究和预测成本极高，实际工程应用中参数优化过程通常较为简陋。因此，工程上对经济、便捷且普适的基于数值模拟和深度学习的搅拌摩擦焊缝成形预测优化方法有强烈需求。

发明内容

本发明针对上述搅拌摩擦焊工艺参数和焊具结构优化存在的不足，提供一种基于数值模拟和深度学习的搅拌摩擦焊缝成形预测优化方法，目的在于为生产中最优化搅拌摩擦焊工艺提供有效的普适性预测方法。由于数值模拟和深度学习只需依托于一般的计算机硬件和相应的软件平台，所以其可以经济地实现对不同工艺参数和焊具结构的快捷测试对比，实现焊缝成形最优化；同时，结合充分的实验数据作为深度学习测试集，整个预测优化系统的可靠性得到了有力保障，为达到上述目的，本发明所采用的技术方法如下：

一种基于数值模拟和深度学习的搅拌摩擦焊缝成形预测的工艺参数、焊具结构优化方法，所述搅拌摩擦焊缝成形预测的工艺参数、焊具结构优化方法包括：

步骤一、可选地，根据实际生产需求，初步设置至少三次针对搅拌摩擦焊缝成形的模拟试验，作为数值模拟模型的数据基础和生成对抗网络(Generative AdversarialNetwork)深度学习模型的测试集，然后生成对抗网络深度学习模型；

步骤二、根据给定的实际工况及材料物性参数建立用于数值模拟模型，计算焊接过程中材料流动场和温度场分布情况；

步骤三、根据步骤二获得的材料流动场和温度场分布情况，结合单向流固耦合模型，计算不同参数下搅拌摩擦焊具断裂失效情况；然后，结合离散相模型，计算不同参数下焊缝成形质量及缺陷分布情况；

步骤四、根据上述计算所得焊缝成形质量及缺陷分布情况和焊具断裂失效情况，利用生成对抗网络深度学习模型遍历所有工艺参数和焊具结构的焊缝成形结果，从而获得在保证焊具可靠工作前提下焊缝成形最优化结果。

进一步地，所述模拟实验所采集的参数包括：焊具结构，焊接参数，焊具断裂失效状况，焊缝成形质量结果，且其中应包括至少一组用以完成焊接的参数。