基于模糊神经网络的装甲钢复合热源搅拌摩擦焊接头力学性能预测被引量：3

Prediction of mechanical properties of hybrid stir-friction welded joint of 616 armor steel based on fuzzy neural network

下载PDF

导出

摘要以焊接预热电流、搅拌头旋转速度、焊接速度为优化变量,建立装甲钢复合热源搅拌摩擦焊力学性能模糊神经网络预测模型。利用不同工艺试验数据对该模型进行仿真,并且与BP, RBF网络预测模型进行比较。结果表明:模型具有较高的预测精度,预测结果的平均绝对误差为7.15%,均方误差为3.84,优于BP, RBF网络的预测结果,适用于预测焊接接头力学性能。

作者潘德林黄俊陈子博周琦 PAN De-lin;HUANG Jun;CHEN Zi-bo

机构地区湖北文理学院数学与统计学院南京理工大学材料科学与工程学院

出处《焊接技术》 2019年第1期36-39,共4页 Welding Technology

基金国防技术基础科研计划资助项目(JSCG2017606B005)

关键词搅拌摩擦焊装甲钢复合热源工艺参数模糊神经网络

分类号 TG453.9 [金属学及工艺—焊接]

引文网络
相关文献

参考文献2

1邢丽,魏鹏,宋骁,柯黎明.轴肩下压量对搅拌摩擦焊搭接接头力学性能的影响[J].焊接学报,2013,34(3):15-19. 被引量：16
2Qing Shao,Tao Xu,Tatsuo Yoshino,Nan Song.Multi-objective optimization of gas metal arc welding parameters and sequences for low-carbon steel (Q345D) T-joints[J].Journal of Iron and Steel Research International,2017,24(5):544-555. 被引量：6

二级参考文献9

1Nandan R, Debmy T, Bhadeshia H K I) H. Recentadvances infriction stir welding-process, weldment structure and properties[J]. Progress in Materials Science, 2008 , 53(6) : 980 - 1023.
2Buffa G, Campanile G, Fratini L, et al. Friction stir welding oflap joints : Influence of process parameters on the metallurgical andmechanical properties[ J] . Materials Science and Kngineering A,2009’ 519(1/2): 19 -26.
3Lee C Y, I,ee W B, Kim J W, ef al. Lap joint properties ofFS\X ed dissimilar formeti 5052 A] and 6061 Al alloys with differentthickness[ J]. Journal of Materials Science, 2008,43(9) : 3296-3304.
4Cederqvist L, Reynolds A P. Factors Affecting the properties offriction stir welded aluminum lap joints [ J ]. Welding Journal,2001(80) : 281 -287.
5柯黎明,潘际銮,邢丽,王善林.搅拌摩擦焊焊缝金属塑性流动的抽吸-挤压理论[J].机械工程学报,2009,45(4):89-94. 被引量：102
6刘鸽平,杨成刚,柯黎明.LY12铝合金搅拌摩擦焊接头组织和性能研究[J].热加工工艺,2010,39(15):139-140. 被引量：3
7魏鹏,邢丽,徐卫平.轴肩下压量对搅拌摩擦焊搭接焊缝界面迁移的影响[J].材料工程,2011,39(6):43-47. 被引量：10
8柯黎明,魏鹏,邢丽,罗凯,栾国红.双道焊对搅拌摩擦焊搭接界面及接头性能的影响[J].焊接学报,2011,32(7):5-8. 被引量：11
9邢丽,邹贵生,柯黎明,魏鹏.Influence of tool pin profile on the interface migration of friction stir lap joints＊[J].China Welding,2011,20(4):6-11. 被引量：7

共引文献20

1蒋若蓉,李文亚,杨夏炜,高大路.薄板AA2024铝合金无针搅拌摩擦焊搭接工艺与接头性能[J].焊接学报,2016,37(4):98-102. 被引量：9
2鲜林云,张国超,毕宗岳,余晗.真空隔热油管内外管环焊搭接接头评价方法研究[J].焊管,2017,40(1):25-29. 被引量：2
3王超,侯红亮,王卫兵,赵大龙,牛涛.流动摩擦点焊界面质量控制研究[J].航空制造技术,2018,61(6):89-93.
4许壮,高剑,应俊杰,李红军.5083铝合金搅拌摩擦焊工艺参数研究[J].焊接技术,2018,47(6):25-28. 被引量：5
5王金辉,李积元.搅拌摩擦焊工艺参数对6061-T6铝合金焊缝质量的影响[J].青海大学学报（自然科学版）,2018,36(4):36-40. 被引量：3
6孙金睿,朱海,赵华夏,孙朝伟,张剑.铝合金搅拌摩擦增材制造工艺参数对成型效果的影响[J].热加工工艺,2018,47(15):37-42. 被引量：6
7夏浩,黄俊,周琦,王雪娟,杨立,景岩.616装甲钢复合热源搅拌摩擦焊工艺[J].焊接学报,2017,38(11):124-128. 被引量：7
8孟立春,孙晓红,刘雪松.基于涡状搅拌针的2024-T4铝合金搅拌摩擦扩散焊接头成形与断裂载荷[J].焊接学报,2018,39(3):67-70. 被引量：1
9孙世烜,毕煌圣,杜宪策,张昊,李凯华.连接环结构对重型火箭部段装配焊接的影响[J].电焊机,2018,48(4):1-8. 被引量：1
10Ankush Choudhary,Manoj Kumar,Deepak Rajendra Unune.Experimental investigation and optimization of weld bead characteristics during submerged arc welding of AISI 1023 steel[J].Defence Technology（防务技术）,2019,15(1):72-82. 被引量：4

同被引文献23

1宋士吉,张鹏宇,张玉利,张瑞,丁见亚,牛晟盛,常志琦,吴澄.钢铁生产线的多工序实时智能优化调度理论、方法及应用[J].中国科学基金,2021,35(S01):205-213. 被引量：5
2张喆,张永林,陈书锦.基于遗传BP神经网络的搅拌摩擦焊温度模型[J].热加工工艺,2020,49(3):142-145. 被引量：4
3邓天勇,许云波,吴迪,刘相华,王国栋.控轧控冷过程中低碳钢组织性能模型[J].轧钢,2007,24(3):16-18. 被引量：10
4瞿云华,常锦才,张玉柱.基于BP神经网络模型的螺纹钢性能与元素含量关系的研究[J].铸造技术,2018,39(12):2664-2667. 被引量：2
5乔建生,四改平,张文儒.国产A508-3钢在AP1000工况下的辐照脆化性能预测与分析[J].热加工工艺,2016,45(2):79-83. 被引量：2
6张洪波,黎军顽,施渊吉,吴晓春.H13钢硬度对其热疲劳行为影响的试验和数值研究[J].上海金属,2016,38(3):28-33. 被引量：2
7胡星,杨海军,但文蛟,黄胜.淬火分离钢板成形的有限元仿真研究[J].热加工工艺,2016,45(12):156-160. 被引量：4
8Vahid Moosabeiki Dehabadi,Saeede Ghorbanpour,Ghasem Azimi.Application of artificial neural network to predict Vickers microhardness of AA6061 friction stir welded sheets[J].Journal of Central South University,2016,23(9):2146-2155. 被引量：5
9李会娟.论如何利用大数据技术实现钢卷的性能预测[J].中国管理信息化,2017,20(10):56-57. 被引量：1
10赵雯,岳晓丽,陈慧敏,秦坤.42CrMo钢调质处理后力学性能的预测[J].金属热处理,2017,42(7):158-162. 被引量：8

引证文献3

1张天鹏,赵亚东.基于主轴动态特性的GA-BP网络预测FSW接头性能[J].特种铸造及有色合金,2022,42(7):814-818. 被引量：1
2齐秀美.基于BP神经网络的热轧低碳钢力学性能预测[J].河北冶金,2020(9):55-57. 被引量：3
3谢保盛,郭庆先,汪净.基于BP神经网络的700 MPa级高强钢抗拉强度不合原因分析[J].轧钢,2023,40(5):47-54. 被引量：2

二级引证文献6

1文辉,朱守欣,韩伏,朱自猛,于浩.基于BP神经网络的电力角钢成分优化及生产实践[J].钢铁研究学报,2022,34(1):95-100. 被引量：8
2刘福龙,郝良元,靳亚涛,刘二浩,邱洪涛,张永升.基于CatBoost算法的高炉铁水硫含量预测[J].河北冶金,2023(6):31-36.
3魏晓飞,李飞,李素芳,高靖宇.一种基于自编码器的无监督漂移检测算法[J].河北冶金,2024(4):29-33. 被引量：1
4邱碧涛,但斌斌,肖涵,阮金华,袁锐.基于BP神经网络的轧机刚度预测模型[J].轧钢,2024,41(2):120-125. 被引量：2
5李成文,吉海标,闫朝辉,刘志宏,马建国,王锐,吴杰峰.基于GA-BP神经网络的316L多层多道焊残余应力和变形预测[J].焊接学报,2024,45(5):20-28.
6王复越,任毅,张帅,王爽,张哲睿,高红.我国管线钢生产技术的进步[J].轧钢,2024,41(5):79-86.

1张强,徐洪雨,莫新东,江传斌,秦若东,王金凤.铜铝异种金属搅拌摩擦焊工艺研究[J].轻合金加工技术,2018,46(12):51-55. 被引量：4
2邓怀波,陈玉华,李树寒,陈超.汽车轮辋用钢搅拌摩擦焊接头组织及力学性能[J].精密成形工程,2018,10(6):117-122.
3YANG Xia-wei,FENG Wu-yuan,LI Wen-ya,CHU Qiang,XU Ya-xin,MA Tie-jun,WANG Wei-bing.Microstructure and mechanical properties of dissimilar pinless friction stir spot welded 2A12 aluminum alloy and TC4 titanium alloy joints[J].Journal of Central South University,2018,25(12):3075-3084. 被引量：8
4刘政军,张琨,刘长军.基于双重人工神经网络模型预测焊接接头强度系数的研究[J].兵器材料科学与工程,2018,41(5):53-56. 被引量：4
5焦志刚,马明超.陶瓷复合靶板抗侵彻性能数值仿真[J].兵器装备工程学报,2018,39(12):1-4. 被引量：15
6彭安华,王天宇,刘成文,杜爱民.考虑交互作用的铝合金搅拌摩擦焊工艺参数优化[J].机床与液压,2019,47(1):28-32. 被引量：1
7秦振伟.机床刀具可靠性及寿命评估[J].科技经济导刊,2018(24):70-70.
8程换新,张义民,刘军亮,张远绪.基于DEBP模糊神经网络的醇烯比值控制研究[J].工业仪表与自动化装置,2019(1):72-75. 被引量：3
9王哲哲,许梦国,程爱平,王平,赵文斌.模糊神经网络在巷道支护方案选择中的应用[J].化工矿物与加工,2019,48(1):16-19. 被引量：4
10贾哲,郭庆军,郝倩雯.基于Elman-马尔科夫模型的深基坑变形预测[J].人民长江,2019,50(1):202-206. 被引量：14

焊接技术

2019年第1期

浏览历史

内容加载中请稍等...

基于模糊神经网络的装甲钢复合热源搅拌摩擦焊接头力学性能预测被引量：3

参考文献2

二级参考文献9

共引文献20

同被引文献23

引证文献3

二级引证文献6

相关作者

相关机构

相关主题

浏览历史

基于模糊神经网络的装甲钢复合热源搅拌摩擦焊接头力学性能预测 被引量：3

参考文献2

二级参考文献9

共引文献20

同被引文献23

引证文献3

二级引证文献6

相关作者

相关机构

相关主题

浏览历史

基于模糊神经网络的装甲钢复合热源搅拌摩擦焊接头力学性能预测被引量：3