基于大数据驱动的焊接接头力学性能预测

• 作者: 张昭 李健宇 白小溪
• 来源期刊: 电焊机
• 学科: 工学
• 关键词: 搅拌摩擦焊 硬度 BP人工神经网络 特征参量
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 焊接工艺
• 页码范围: 75-78
• 页数: 4页
• 分类号: TG404
• 字数: 2118字
• 语种: 中文
• DOI: 10.7512/j.issn.1001-2303.2020.04.12

摘要

通过BP人工神经网络从试验和数值计算样本数据中提取特征参量,建立合理的输入数据和输出数据的映射关系,从而达到基于输入参量预测输出参量的目的.针对搅拌摩擦焊接接头硬度,以搅拌头旋转速度、焊接速度、距离焊接中心距离为输入参量,以接头硬度为输出参量,构建了3×10×1的三层拓扑结构的6061-T6铝合金搅拌摩擦焊接头硬度BP人工神经网络模型,选择在13种不同搅拌头旋转速度和移动速度工况下进行测试和训练,通过对比试验数据验证模型的有效性.测试结果表明BP,人工神经网络能够很好地预测接头硬度,为焊接接头力学性能预测提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张昭	大连理工大学工程力学系工业装备结构分析国家重点实验室	61	391	12.0	16.0
2	白小溪	大连理工大学工程力学系工业装备结构分析国家重点实验室	2	1	1.0	1.0
3	李健宇	大连理工大学工程力学系工业装备结构分析国家重点实验室	4	0	0.0	0.0