[发明专利]考虑焊接温度和顶锻力的FSW抗拉强度智能预测方法

说明书

本发明属于搅拌摩擦焊焊接质量预测领域，涉及一种考虑焊接温度和顶锻力的FSW抗拉强度智能预测方法。本发明运用实验和理论结合的方法，进行搅拌摩擦焊实验，采用红外热像仪和测力仪获取焊接过程中焊件表面轴肩外围前进侧特征点温度、后退侧特征点温度和顶锻力数据，利用获取的温度数据和顶锻力数据对一维卷积神经网络进行训练及测试，实现了搅拌摩擦焊抗拉强度预测，为焊接过程调控提供参考。

技术领域

本发明属于搅拌摩擦焊焊接质量预测领域，具体涉及一种考虑焊接温度和顶锻力的FSW抗拉强度智能预测方法，使用红外热成像仪、测力仪采集数据，通过一维卷积神经网络深度学习模型进行抗拉强度预测。

背景技术

随着航空航天工业的快速发展，航天需求对航天器制造技术有了更高的要求。1991年英国焊接研究所发明了搅拌摩擦焊技术(FSW)，搅拌摩擦焊搅拌头由轴肩和搅拌针组成，轴肩在搅拌摩擦焊接过程中通过摩擦提供热量，使被焊金属软化并且阻止软化后的金属流出焊接区域；搅拌针在焊接区域进行旋转搅拌增强软化金属的流动性。搅拌摩擦焊产生的较低热输入量有效地解决了铝合金和镁合金等低熔点合金在传统焊接中存在的板材变形较大、焊接速度慢等问题。搅拌摩擦焊技术广泛应用于航空航天、造船、汽车等领域，通常采用抗拉强度作为焊接质量的评价标准，根据不同的产品需要，抗拉强度必须合格才能应用到生产中。

Luigi等在《Prediction of the Vickers Microhardness and UltimateTensile Strength of AA5754 H111 Friction Stir Welding Butt Joints UsingArtificial Neural Network》中采用ANN神经网络，以焊接过程中的焊接参数、搅拌摩擦焊过程中热数据以及样品位置为输入来预测AA5754 H111FSW显微硬度以及抗拉强度值。Mohammad W.Dewan在《Prediction of tensile strength of friction stir weldjoints with adaptive neuro-fuzzy inference system(ANFIS)and neural network》中建立了一种优化的自适应神经模糊推理系统(ANFIS)模型，以转速、焊接速度和顶锻力三个焊接参数为输入预测AA2219-T87焊缝抗拉强度。Verma在《Prediction of tensilebehavior of FS welded AA7039 using machine learning》中等采用高斯回归(GPR)、支持向量机(SVM)、人工神经网络和线性回归等机器学习的方法以转速、焊接速度和倾斜角度为输入预测AA7039铝合金搅拌摩擦焊极限抗拉强度，采用相关系数(CC)和均方根误差(RMSE)作为预测精度评估参数并得出结论，人工神经网络对抗拉强度预测最有效。范文学等人在《基于响应面法7A52高强铝合金FSW接头抗拉强度预测及优化》中采用响应曲面法研究了焊接工艺参数，包括焊接速度和搅拌头转速及轴肩压深对焊缝抗拉强度的影响。

搅拌摩擦焊工艺参数包括搅拌头转速、焊接速度等，不同的参数组合能够形成不同质量的焊缝，相应的微观组织和力学性能也有所差异。而焊接工艺参数通过影响顶锻力和温度来影响抗拉强度。抗拉强度随着顶锻力和焊接温度的变化而变化，现有研究通过焊接工艺参数对抗拉强度进行预测并不能准确反映焊接过程中焊接工艺参数对抗拉强度动态影响，同时，现有研究没有综合考虑顶锻力和温度时间序列数据对抗拉强度影响。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，综合考虑直接影响抗拉强度的顶锻力和前进侧、后退侧特征点温度，提出一种一维卷积神经网络，以搅拌摩擦焊过程中焊件表面搅拌头轴肩外围前进侧和后退侧特征点温度、顶锻力时间序列数据为输入实现抗拉强度预测，为焊接过程调控提供参考。

本发明的技术方案：