基于遺傳神經網絡的焊接接頭力學性能預測系統(tǒng)研究.pdf

1、焊接接頭的力學性能是焊接產品質量控制的主要指標之一,目前國內外大多采用拉伸、沖擊、彎曲等試驗來確定力學性能。這種傳統(tǒng)方法對人員、材料及設備都提出了較高要求,從而提高了產品的成本。隨著計算機技術的發(fā)展,焊接接頭力學性能模擬和預測越來越受到關注。本文系統(tǒng)地研究了利用人工神經元網絡預測焊接接頭力學性能的不同方法和途徑,利用遺傳算法優(yōu)化反向傳播神經網絡實現(xiàn)了焊接接頭力學性能的預測。
　　 首先,本文廣泛收集和整理企業(yè)第一線的焊接工藝和焊

2、接接頭力學性能數(shù)據(jù),建立了相應的數(shù)據(jù)庫,并對這些數(shù)據(jù)進行了有效地的管理。通過分析大量的數(shù)據(jù)記錄,得出材料成分和焊接規(guī)范為影響接頭力學性能的主要參數(shù)。
　　 其次,本文重點分析了BP網路模型特點,研究了其梯度下降訓練算法,利用MATLAB和高級語言設計了基于BP網絡模型的焊接接頭力學性能預測系統(tǒng),并分別對焊接接頭力學性能進行了仿真預測。實現(xiàn)了碳鋼、低合金高強鋼以及不銹鋼的焊接接頭力學性能預測,主要包括接頭的抗拉強度、屈服強度、延伸

3、率以及斷面收縮率,同時分析了各參數(shù)變化對接頭力學性能的影響。
　　 本文進一步通過遺傳算法優(yōu)化了BP神經網絡模型,確定了遺傳算法編碼方案,研究了適應度函數(shù)及選擇、交差和變異策略,建立了新的神經網路模型-遺傳算法優(yōu)化神經網路模型。研究了該模型的算法學習規(guī)則以及拓撲結構,在此基礎上設計了基于遺傳算法優(yōu)化神經網路的焊接接頭力學性能預測系統(tǒng)。應用該系統(tǒng)預測了TIG焊接頭抗拉強度以及手工電弧焊接頭延伸率。將經過遺傳算法優(yōu)化的神經網絡模型與