基于人工智能的薄板電阻點(diǎn)焊數(shù)值分析及工藝參數(shù)優(yōu)化*

龍振華，程 蓉

(深圳大學(xué) 機(jī)電與控制工程學(xué)院，深圳 518060)

電阻點(diǎn)焊過程具有高度非線性、多變量耦合作用以及熔核形成的不可見性等特點(diǎn)，是一種比較復(fù)雜的動(dòng)態(tài)過程［1］。這種復(fù)雜性使得傳統(tǒng)方法確定最佳工藝參數(shù)存在操作復(fù)雜、精度低等缺陷。

因此本文通過研究提出了一種將有限元數(shù)值模擬技術(shù)、BP 神經(jīng)網(wǎng)絡(luò)、遺傳算法結(jié)合起來的優(yōu)化方法。利用有限元軟件ANSYS 對(duì)不銹鋼薄板的電阻點(diǎn)焊過程進(jìn)行模擬分析，將獲得的大量點(diǎn)焊規(guī)范參數(shù)與相應(yīng)接頭質(zhì)量的試驗(yàn)數(shù)據(jù)提供給BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，通過其非線性映射的泛化能力自動(dòng)抽取所學(xué)習(xí)知識(shí)的特征，準(zhǔn)確地描述點(diǎn)焊規(guī)范參數(shù)空間與焊點(diǎn)接頭質(zhì)量空間的映射關(guān)系［2-3］。同時(shí)結(jié)合遺傳算法的全局尋優(yōu)能力獲得焊接工藝參數(shù)的最優(yōu)搭配，以得到良好的焊接接頭，保證焊接質(zhì)量。

1 薄板的電阻點(diǎn)焊有限元數(shù)值模擬

在有限元軟件ANSYS 中建立0.2mm +0.2mm不銹鋼薄板點(diǎn)焊的軸對(duì)稱模型［1，4］，如圖1a 所示。該模型在電極、工件以及工件和工件之間分別加入1個(gè)接觸層。模型輸入?yún)?shù):焊接電流2.72kA，電極壓力450N，焊接時(shí)間2 周波(0.04s)。該模型的邊界條件設(shè)定為:空氣溫度20℃，與空氣的對(duì)流換熱系數(shù)為25W/(m2·℃)，電極內(nèi)壁的冷卻水溫度20℃，與冷卻水的對(duì)流換熱系數(shù)為3800W/(m2·℃)。圖1b 為模型的網(wǎng)格劃分圖。通過點(diǎn)焊溫度場(chǎng)的數(shù)值模擬揭示了不銹鋼電阻點(diǎn)焊熔核的生長過程，并獲得了點(diǎn)焊規(guī)范參數(shù)下的熔核尺寸，如圖2a。不銹鋼的熔點(diǎn)為1400℃左右，溫度高于熔點(diǎn)時(shí)熔核才能形成，根據(jù)現(xiàn)有的研究理論及試驗(yàn)，筆者設(shè)定溫度超過1550℃的區(qū)域?yàn)槿酆瞬糠?。熔核的尺寸可以通過圖2b 所示方法測(cè)得。其中圖2b 為熔核形成時(shí)刻沿工件與工件之間結(jié)合面的溫度分布曲線，其橫坐標(biāo)表示距熔核中心點(diǎn)的距離。在溫度分布曲線找到1550℃的點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)值就是熔核的半徑，圖中N =0.895e－3mm，根據(jù)對(duì)稱性知熔核直徑D =1.79e－3mm。同樣方法可以利用沿對(duì)稱中心線的溫度分布曲線測(cè)得熔核的高度約H=0.1579e－3mm。

圖1 點(diǎn)焊有限元模型

圖2 熔核尺寸的測(cè)量

2 BP 人工神經(jīng)網(wǎng)絡(luò)的建立

2.1 網(wǎng)絡(luò)輸入輸出樣本的確定

建立神經(jīng)網(wǎng)絡(luò)模型需要一系列訓(xùn)練樣本，合理的訓(xùn)練樣本數(shù)量及分布能使神經(jīng)網(wǎng)絡(luò)模型確切地表達(dá)結(jié)構(gòu)的映射關(guān)系［5］。影響電阻點(diǎn)焊接頭質(zhì)量的主要因素有點(diǎn)焊時(shí)間、電極壓力、焊接電流，將這三個(gè)需要優(yōu)化的工藝參數(shù)變量作為網(wǎng)絡(luò)模型的輸入變量。焊接工藝質(zhì)量以焊點(diǎn)熔核尺寸為指標(biāo)，利用有限元模型計(jì)算出的相應(yīng)的熔核直徑和熔核高度值作為神經(jīng)網(wǎng)絡(luò)模型的輸出變量。

2.2 BP 神經(jīng)網(wǎng)絡(luò)的建模與訓(xùn)練

根據(jù)多次試驗(yàn)，采用雙隱層BP 神經(jīng)網(wǎng)絡(luò)，輸入層結(jié)點(diǎn)代表焊接電流、電極壓力、焊接時(shí)間，即確定輸入神經(jīng)元個(gè)數(shù)為3，輸出層結(jié)點(diǎn)代表熔核直徑和熔核高度，即確定輸出層神經(jīng)元為2 個(gè)神經(jīng)元。經(jīng)過不斷嘗試，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型采用3－58－55－2。設(shè)定最大的迭代次數(shù)為5000 次，目標(biāo)誤差為0.001。輸入層跟隱層傳遞函數(shù)為正切S 型傳遞函數(shù)tansig，訓(xùn)練函數(shù)為trainscg［6］。

因原始數(shù)據(jù)幅值相差比較懸殊，就可能成為奇異樣本數(shù)據(jù)，直接投人使用會(huì)引起的網(wǎng)絡(luò)訓(xùn)練時(shí)間增加，并引起網(wǎng)絡(luò)無法收斂，所以對(duì)于訓(xùn)練樣本存在奇異樣本數(shù)據(jù)的數(shù)據(jù)集在訓(xùn)練之前進(jìn)行歸一化，使輸入、輸出數(shù)據(jù)的變化范圍為－1 ～1，以改善網(wǎng)絡(luò)訓(xùn)練效果。

調(diào)用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱中的函數(shù)編程計(jì)算，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的訓(xùn)練，訓(xùn)練完成后便得到一個(gè)輸入與輸出之間的映射關(guān)系模型。樣本訓(xùn)練結(jié)果如圖3所示，可見網(wǎng)絡(luò)經(jīng)過1893 次訓(xùn)練即可達(dá)到要求。

圖3 網(wǎng)絡(luò)訓(xùn)練過程

用已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)，輸入三組測(cè)試樣本檢驗(yàn)網(wǎng)絡(luò)的性能。網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與ANSYS 仿真結(jié)果進(jìn)行對(duì)比分析如表1。

訓(xùn)練結(jié)果表明，熔核直徑的最大預(yù)測(cè)誤差不超過0.3499%，熔核高度的最大預(yù)測(cè)誤差不超過1.8634%。誤差很小，是可以接受的。結(jié)果表明BP 神經(jīng)網(wǎng)絡(luò)經(jīng)有效訓(xùn)練后應(yīng)用于熔核尺寸預(yù)測(cè)具有較高的預(yù)測(cè)精度和良好的泛化能力。訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)模型可作為知識(shí)庫來間接獲取遺傳算法所需要的目標(biāo)函數(shù)值。

表1 網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與ANSYS 仿真結(jié)果對(duì)比

3 工藝參數(shù)的遺傳算法優(yōu)化

遺傳算法(Genetic Algorithm)是模仿生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法，從初始種群出發(fā)，通過復(fù)制，交叉和變異產(chǎn)生一群更適應(yīng)環(huán)境的個(gè)體，使群體進(jìn)化到搜索空間中越來越好的區(qū)域，這樣一代一代地不斷繁衍進(jìn)化。最后收斂到一群最適合環(huán)境的個(gè)體，求得問題的最優(yōu)解［7］。

3.1 目標(biāo)函數(shù)的設(shè)定

本文將熔核尺寸(以熔核直徑與熔核高度兩者乘積表示)作為目標(biāo)函數(shù)，而熔核直徑和熔核高度的值則可通過前面已經(jīng)訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)獲取。

3.2 遺傳算法優(yōu)化

結(jié)合BP 神經(jīng)網(wǎng)絡(luò)及遺傳算法原理，編寫基于MATLAB 平臺(tái)的算法程序，其流程圖如圖4 所示。

圖4 程序流程圖

借助MATLAB 軟件的神經(jīng)網(wǎng)絡(luò)工具箱及遺傳算法工具箱，對(duì)電阻點(diǎn)焊工藝參數(shù)進(jìn)行組合優(yōu)化。設(shè)置初始群體規(guī)模為10，設(shè)計(jì)變量的二進(jìn)制編碼長度為21，采用單點(diǎn)交叉算子xovsp 及變異函數(shù)mut，此外，為保證種群群體的多樣性，同時(shí)不失其優(yōu)化能力，設(shè)置交叉概率為0.7。經(jīng)運(yùn)算后，獲得最優(yōu)個(gè)體。

3.3 優(yōu)化結(jié)果分析及驗(yàn)證

經(jīng)100 次循環(huán)迭代之后，獲得尋優(yōu)結(jié)果。圖5 是目標(biāo)函數(shù)值經(jīng)過100 次循環(huán)迭代的變化過程圖。迭代之后，得出最優(yōu)點(diǎn)焊工藝參數(shù)搭配為:焊接電流2.89KA，電極壓力為410N，焊接時(shí)間為7 周波。在此工藝下的榕核尺寸0.837mm2，其中熔核直徑為2.3798mm，熔核高度為0.3517mm。優(yōu)化前熔核最大直徑為2.31mm，最大高度為0.34185mm?？梢妰?yōu)化后熔核尺寸明顯增加了，這樣使焊接接頭可靠性大大提高，焊接質(zhì)量得到改善。

圖5 目標(biāo)函數(shù)值的變化過程

首先，為驗(yàn)證遺傳算法尋優(yōu)結(jié)果的準(zhǔn)確性，采用有限元軟件ANSYS 對(duì)該組工藝參數(shù)搭配進(jìn)行數(shù)值模擬，將所得到結(jié)果與遺傳算法的最優(yōu)解進(jìn)行對(duì)比，結(jié)果如表2 所示。由表知，兩者的誤差相差較小，不超過2.14%，說明尋優(yōu)獲得的結(jié)果的可靠性。

其次，對(duì)經(jīng)遺傳算法尋優(yōu)后的最優(yōu)點(diǎn)焊工藝參數(shù)組合做試驗(yàn)，得到如圖6 所示接頭宏觀形貌金相照片，經(jīng)測(cè)量，熔核直徑為2.287mm，熔核高度為0.305mm。結(jié)果表明，實(shí)驗(yàn)所得熔核尺寸比有限元模擬結(jié)果及尋優(yōu)結(jié)果都小，最大誤差為15%左右。因?yàn)樵陔娏鬏^大時(shí)，點(diǎn)焊過程會(huì)發(fā)生金屬飛濺。而數(shù)值模擬中未考慮大電流下所產(chǎn)生的點(diǎn)焊飛濺，即未考慮熔融金屬飛出導(dǎo)致熔核尺寸減小或基本不變的情況，從而造成了實(shí)測(cè)值小于計(jì)算值［8-9］。

表2 GA 優(yōu)化結(jié)果與ANSYS 模擬結(jié)果對(duì)比

圖6 實(shí)測(cè)焊點(diǎn)熔核尺寸

4 結(jié)論

(1)優(yōu)化后的榕核尺寸較優(yōu)化前明顯增加，提高了焊接接頭的可靠性，改善了焊接質(zhì)量。

(2)將有限元技術(shù)、神經(jīng)網(wǎng)絡(luò)、遺傳算法三者結(jié)合起來對(duì)電阻點(diǎn)焊工藝參數(shù)進(jìn)行優(yōu)化，充分發(fā)揮了有限元強(qiáng)大的數(shù)值計(jì)算功能，神經(jīng)網(wǎng)絡(luò)的非線性映射能力和遺傳算法的全局尋優(yōu)能力。

(3)本文所采用的方法對(duì)其他工藝加工方法中的參數(shù)優(yōu)化設(shè)計(jì)具有借鑒意義。

［1］Moshayedi H.，Sattari-Fa I.. Numerical and experimental study of nugget size growth in resistance spot welding of austenitic stainless steels. Journal of Materials Processing Technology，2012，212:347－354.

［2］王宸煜，趙熹華，黃金河. 基于人工神經(jīng)網(wǎng)絡(luò)的點(diǎn)焊工藝參數(shù)選擇和質(zhì)量預(yù)測(cè)［J］. 吉林工業(yè)大學(xué)自然科學(xué)學(xué)報(bào)，1999，29(1):31－34.

［3］Martín O.，De Tiedra P.，Lopez M.. Artificial neural networks for pitting potential prediction of resistance spot welding joints of AISI 304 austenitic stain. Corrosion Science 52(2010):2397－2402.

［4］孫芳芳，李萌盛，王洋，等. 201 不銹鋼點(diǎn)焊過程的數(shù)值模擬［J］. 焊接學(xué)報(bào)，2011，32(2):21－25.

［5］叢爽. 面向MATLAB 工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用［M］. 臺(tái)肥:中國科學(xué)技術(shù)大學(xué)出版杜，2009.

［6］Demuth，H.，and Beale，M.，Neural Network Toolbox—For Use with MATL AB，MathWorks，Inc.，Natick，MA (1998).

［7］雷英杰，等. MATLAB 遺傳算法工具箱及應(yīng)用［M］. 西安:西安電子科技大學(xué)出版社，2005.

［8］Eisazadeh H.，Hamedi M.，Halvaee A.. New parametric study of nugget size in resistance spot welding process using finite element method. Materials and Design 31 (2010):149－157.

［9］王敏，張海濤，潘華，等. DP590 雙相鋼電阻點(diǎn)焊熔核形成過程的數(shù)值模擬［J］. 上海交通大學(xué)學(xué)報(bào)，2009，43(1):56－60.