胡海燕

摘 要 焊接工藝對(duì)焊接質(zhì)量起著決定性的作用，焊接工藝參數(shù)的優(yōu)化問(wèn)題非常重要卻又很復(fù)雜。通常焊接工作者為了獲得合適的焊接工藝參數(shù)，必須在焊接作業(yè)前進(jìn)行多次焊接試驗(yàn)，然后進(jìn)行焊接工藝評(píng)定，最后才能獲得合理的工藝參數(shù)。本文是利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合正交試驗(yàn)以及簡(jiǎn)單數(shù)學(xué)計(jì)算對(duì)電阻焊焊接工藝參數(shù)進(jìn)行優(yōu)化。

關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò) 動(dòng)力電池組 焊接 參數(shù)優(yōu)化

0引言

傳統(tǒng)焊接會(huì)消耗大量的人力、物力、財(cái)力。為適應(yīng)生產(chǎn)實(shí)際對(duì)焊接工藝優(yōu)化的需要，人們希望利用最少的試驗(yàn)次數(shù)和實(shí)驗(yàn)數(shù)據(jù)，建立焊接工藝參數(shù)與焊接結(jié)果之間的關(guān)系模型，用來(lái)指導(dǎo)焊接生產(chǎn)。傳統(tǒng)的焊接工藝優(yōu)化方法主要有：正交試驗(yàn)法、因子設(shè)計(jì)響應(yīng)曲面法以及回歸分析法等，但這些方法存在計(jì)算復(fù)雜、工作量大、知識(shí)獲取困難和自學(xué)習(xí)能力差等問(wèn)題。隨著智能工程的發(fā)展，出現(xiàn)了基于遺傳算法、模糊算法和神經(jīng)網(wǎng)絡(luò)等的工藝參數(shù)優(yōu)化，很好地解決了這些問(wèn)題。本文是利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合正交試驗(yàn)以及簡(jiǎn)單數(shù)學(xué)計(jì)算對(duì)電阻焊焊接工藝參數(shù)進(jìn)行優(yōu)化。

1焊接工藝數(shù)據(jù)的選擇以及正交試驗(yàn)表的建立

1.1激光焊接工藝參數(shù)的選擇

選擇不同電阻焊焊接參數(shù)范圍以及對(duì)應(yīng)的焊點(diǎn)抗拉強(qiáng)度值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)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(shù)，由焦耳熱定律可知，焊接過(guò)程的總析熱量與電流的平方成正比。一般而言，接頭強(qiáng)度隨著焊接電流的增加而增大，但過(guò)高的電流會(huì)軟化熱影響區(qū)，導(dǎo)致焊接飛濺、電極粘連甚至損毀。

1.1.2焊接時(shí)間

焊接時(shí)間與產(chǎn)熱量成正比。由于焊件尺寸的差異，微型電阻焊應(yīng)用的焊接時(shí)間通常短于常規(guī)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(chǔ)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(guī)定最小的焊接電流和焊接時(shí)間。

1.1.3電極壓力

電極壓力主要通過(guò)對(duì)接觸面積和接觸電阻的影響來(lái)作用電阻焊過(guò)程。在其他焊接條件不變的情況下，加大電極壓力會(huì)使得兩焊件實(shí)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(shí)間（S）、焊接電流（KA）作為控制焊縫強(qiáng)度的三個(gè)主要焊接工藝參數(shù)，焊縫抗拉強(qiáng)度試驗(yàn)指標(biāo)（N）作為評(píng)價(jià)焊點(diǎn)性能的主要指標(biāo)。電極壓力（N）、焊接時(shí)間（S）、焊接電流（KA）作為正交試驗(yàn)的三個(gè)因素，根據(jù)實(shí)驗(yàn)需求選取L9（34）正交試驗(yàn)表。

2基于BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的建立以及訓(xùn)練結(jié)果

2.1神經(jīng)網(wǎng)絡(luò)的選擇與建立

將實(shí)驗(yàn)數(shù)據(jù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本數(shù)據(jù)按公式進(jìn)行歸一化處理，= ，式中為單個(gè)樣本值，max為樣本最大值，xmin為樣本最小值，為歸一化后的數(shù)據(jù)。歸一化處理能夠使樣本數(shù)據(jù)在區(qū)間范圍內(nèi)呈現(xiàn)出正態(tài)分布的趨勢(shì)，使神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的泛化能力，有利于網(wǎng)絡(luò)的訓(xùn)練并能夠加快網(wǎng)絡(luò)的收斂速度。

在多種神經(jīng)網(wǎng)絡(luò)模型中，誤差反向傳播的多層前饋式網(wǎng)絡(luò)，BP網(wǎng)絡(luò)是最具有代表性、使用最廣泛的。BP網(wǎng)絡(luò)由1個(gè)輸入層、1個(gè)或多個(gè)隱含層、1個(gè)輸出層組成，含有輸入、輸出接點(diǎn)以及1層或者多層隱接點(diǎn)。當(dāng)有信息輸入時(shí)，輸入信息傳遞到輸入接點(diǎn)，在隱接點(diǎn)層經(jīng)功能函數(shù)處理后，傳遞到輸出接點(diǎn)，將得到輸出值與期望輸出值進(jìn)行比較，若有誤差，則誤差反向傳播，逐層修改權(quán)值系數(shù)直到輸出值滿足要求為止。由于BP神經(jīng)網(wǎng)絡(luò)具有非線性逼近能力強(qiáng)、算法簡(jiǎn)單等特點(diǎn)，因此在工程實(shí)際問(wèn)題中得到了廣泛的應(yīng)用。本文就是采用BP神經(jīng)網(wǎng)絡(luò)建立了焊接工藝參數(shù)和焊點(diǎn)抗拉強(qiáng)度之間的神經(jīng)網(wǎng)絡(luò)模型。

本文的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中輸入層有三個(gè)神經(jīng)元（x1，x2，x3），分別為電極壓力（N）、焊接時(shí)間（S）、焊接電流（KA），輸出層為一個(gè)神經(jīng)元（Y1），即焊點(diǎn)抗拉強(qiáng)度（G）。隱含層有m個(gè)神經(jīng)元，個(gè)數(shù)可由經(jīng)驗(yàn)公式確定，nhid=（nin+nout）1/2+a。

式中nhid為隱層接點(diǎn)數(shù)，nin為輸入層節(jié)點(diǎn)數(shù)，nout為輸出層節(jié)點(diǎn)數(shù)，a取1-10之間的數(shù)。本實(shí)驗(yàn)中，nhid=3，nout=|，所以nin的取值范圍為3-12。本實(shí)驗(yàn)使用四層網(wǎng)絡(luò)模型，隱層第一層節(jié)點(diǎn)數(shù)為5，隱層第二層節(jié)點(diǎn)數(shù)為10，設(shè)定訓(xùn)練次數(shù)為2000次，訓(xùn)練所要達(dá)到的誤差精度為1e-5，網(wǎng)絡(luò)學(xué)習(xí)速率0.01，網(wǎng)絡(luò)訓(xùn)練函數(shù)為計(jì)算誤差函數(shù)—最小均方誤差法LMS，網(wǎng)絡(luò)學(xué)習(xí)速率取0.01。

2.2神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

用matlab神經(jīng)網(wǎng)絡(luò)工具箱對(duì)正交試驗(yàn)所得的九組數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過(guò)訓(xùn)練后輸出的抗拉強(qiáng)度分別隨三個(gè)焊接工藝參數(shù)變化，經(jīng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練最后確定最佳焊接工藝參數(shù)為A1B2C3。按優(yōu)化的設(shè)定的條件，取焊接電流3KA、焊接時(shí)間20S、焊接壓力35N進(jìn)行多次焊接，對(duì)焊接成品進(jìn)行破壞性試驗(yàn)。經(jīng)多次試驗(yàn)驗(yàn)證，采用微電阻焊后動(dòng)力電池組的點(diǎn)焊接頭的焊接質(zhì)量得到很大的提升。

3結(jié)論

本文選擇BP神經(jīng)網(wǎng)絡(luò)對(duì)電阻焊焊接工藝參數(shù)進(jìn)行優(yōu)化，同時(shí)分析不同焊接工藝對(duì)焊點(diǎn)性能的影響，經(jīng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練最后確定最佳焊接工藝參數(shù)為焊接電流3KA、焊接時(shí)間20S、焊接壓力35N。經(jīng)多次試驗(yàn)驗(yàn)證，采用微電阻焊后動(dòng)力電池組的點(diǎn)焊接頭的焊接質(zhì)量得到很大的提升。

項(xiàng)目來(lái)源：2013年吉林省科技廳重大科技攻關(guān)項(xiàng)目《電動(dòng)汽車動(dòng)力電池組自動(dòng)焊接技術(shù)研究》（20130204024GX）。