[發明專利]考慮焊接溫度和頂鍛力的FSW抗拉強度智能預測方法

有效

• 申請號: 202210625492.8
• 申請日: 2022-06-02
• 公開（公告）號: CN114888426B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 盧曉紅;馬沖;賈振元;孫世煊;欒貽函;滕樂
• 申請（專利權）人: 大連理工大學
• 主分類號: B23K20/12
• 分類號: B23K20/12;B23K31/12;B23K20/26;B23K31/02;B23K31/00;G01J5/48
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪

1.一種考慮焊接溫度和頂鍛力的FSW抗拉強度智能預測方法，其特征在于，采用紅外熱像儀和測力儀獲取焊接過程中焊件表面軸肩外圍前進側和后退側特征點溫度、頂鍛力時間序列數據，利用獲取的溫度數據和頂鍛力數據對一維卷積神經網絡進行訓練及測試，實現攪拌摩擦焊的抗拉強度預測，具體步驟如下：

步驟1：攪拌摩擦焊過程中，通過紅外熱像儀和測力儀獲取焊接過程中焊件表面軸肩外圍前進側特征點溫度、后退側特征點溫度和頂鍛力數據；

步驟2：紅外熱像儀和測力儀采樣頻率不同，將紅外熱像儀和測力儀采樣頻率最小公倍數作為共同采樣頻率fs，通過重采樣的方法，控制兩種設備采樣頻率相同，獲得前進側特征點溫度、后退側特征點溫度以及頂鍛力時間序列數據，同時根據焊接時長確定采樣點數量N；

步驟3：根據焊接速度和采樣頻率以及采樣點數量計算焊接區間長度，通過拉伸試驗獲取此區間抗拉強度；

步驟4：將步驟2處理后的前進及后退側特征點溫度、頂鍛力數據處理成N*3矩陣，將步驟3獲取的抗拉強度處理成1*1矩陣，制作成數據集用于一維卷積神經網絡的訓練和測試；

步驟5：建立一維卷積神經網絡：一維卷積神經網絡輸入量有三個，分別為前進側特征點溫度、后退側特征點溫度以及頂鍛力時間序列，輸出量為抗拉強度值；根據步驟4，一維卷積神經網絡輸入矩陣為N*3，輸出矩陣為1*1，建立一維卷積神經網絡，預設一維卷積神經網絡的參數，包括卷積層層數、卷積核數量及尺寸、池化層層數及大小、全連接層層數及單元數以及激活函數；

步驟6：以Huber魯棒損失函數為評價標準，以步驟4中處理后N*3溫度及頂鍛力矩陣為輸入，1*1抗拉強度矩陣為輸出對模型進行訓練，通過Huber損失函數優劣對步驟5中的參數進行優化，最終保存預測精度最高的參數組合下的一維卷積神經網絡預測模型；

步驟7：在實際焊接加工過程中對紅外熱像儀和測力儀獲取的焊件表面軸肩外圍前進側特征點溫度、后退側特征點溫度和頂鍛力數據進行步驟2和步驟4的處理，然后作為步驟6中優化后的一維卷積神經網絡模型的輸入對實際加工過程中的抗拉強度進行預測。