[發明專利]一種面向批量加工的堆焊工藝參數優化方法

有效

• 申請號: 201410270025.3
• 申請日: 2014-06-17
• 公開（公告）號: CN105279291B
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 張華;謝玉婷;馬峰;鄢威;江志剛;向琴;肖永茂;龔青山;張緒美;趙剛
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 胡琳萍

本發明涉及一種面向批量加工的堆焊工藝參數優化方法，包括以下步驟：根據待焊件確定待優化的堆焊工藝參數，所述工藝參數包括有焊條直徑、焊接電流、電弧電壓、焊接速度和焊接層數；根據焊件厚度和焊條屬性確定待優化堆焊工藝參數的約束條件；確定優化目標，根據優化目標建立優化目標與待優化堆焊工藝參數的綜合優化模型；通過有限次試驗獲得優化目標與焊接工藝參數之間的離散關系；根據綜合優化模型與焊接工藝參數之間的離散關系，建立模糊函數模型，同時對離散關系進行擬合建立與模糊函數模型對應的擬合函數；對擬合函數實施最優值求解。本發明方法兼顧了堆焊過程耗能少和產品的合格率高，能提高生產效率，適用于堆焊焊接的批量加工。

技術領域

本發明涉及焊接技術領域，尤其涉及一種面向批量加工的堆焊工藝參數優化方法。

背景技術

堆焊是用焊接方法在被焊金屬表面制備具有特殊性能的堆焊層的方法，具有效率高、周期短、成形美觀、厚度均勻的特點，因此應用廣泛，尤其在閥門零件的批量加工中應用廣泛。現有技術中，對堆焊工藝過程主要考慮的是效率、質量，能耗極少被考慮在內，工藝參數的選取并沒有一個確定的統一標準，在實際的選取中具有主觀性和不確定性，容易造成耗能高和總產品的合格率低。

發明內容

本發明要解決的技術問題在于針對現有技術中的缺陷，提供一種面向批量加工的堆焊工藝參數優化方法，該方法兼顧了堆焊過程耗能少和產品的合格率高，避免人為操作的主觀性和不確定性，并可提高生產效率，適用于堆焊焊接的批量加工。

本發明解決其技術問題所采用的技術方案是：

一種面向批量加工的堆焊工藝參數優化方法，包括以下步驟：

1)根據待焊件確定待優化的堆焊工藝參數，所述工藝參數包括有焊條直徑、焊接電流、電弧電壓、焊接速度和焊接層數；

2)根據焊件厚度和焊條屬性確定待優化堆焊工藝參數的約束條件；

3)確定優化目標，根據優化目標建立優化目標與待優化堆焊工藝參數的綜合優化模型；

4)通過有限次試驗獲得優化目標與焊接工藝參數之間的離散關系；

5)根據綜合優化模型與焊接工藝參數之間的離散關系，建立模糊函數模型，同時對離散關系進行擬合建立與模糊函數模型對應的擬合函數；

6)對擬合函數實施最優值求解。

按上述方案，步驟3)中所述優化目標包括焊接過程中的能耗和焊接產品的合格率；

批量生產過程中能耗與待優化工藝參數的“黑箱”函數模型為：

其中EC(X)為能量消耗，M代表M臺設備，N代表N件產品，D為焊條直徑,I為焊接電流,U為電弧電壓,V為焊接速度,n為焊接層數；

合格率與工藝參數的“黑箱”函數模型為：

Q(X)＝Q(D,I,U,V,n)，Q(X)為批量生產的焊接產品的合格率；

綜合優化目標模型：

Y＝EC(X)/Q(X)，Y_min為最優模型。

按上述方案，步驟5)中采用神經網絡的方法來擬合輸入、輸出之間的函數關系；具體如下：

用神經網絡的隱式來表達輸入、輸出之間的模糊函數關系，即將離散數據作為樣本輸入網絡進行訓練，建立輸入、輸出之間的非線性映射關系，并將信息存儲在連接權上，利用網絡的記憶功能形成虛擬函數，在后續的求解計算中可以直接調用此虛擬函數。

按上述方案，步驟6)中采用食物鏈算法對擬合函數實施最優值求解。

按上述方案，步驟6)中采用的食物鏈算法具體如下：