搅拌摩擦焊接过程的数学模型预测两种不同的铝合金的联合力量使用实验数据和遗传编程

文摘

搅拌摩擦焊(FSW)是最受欢迎的和高效的固态连接方法为类似以及不同金属和合金。它主要是用于申请航空、铁路、汽车、和海洋产业。目前许多研究人员使用不同的观点在这个FSW过程的各种组合材料。一般输入工艺参数板的厚度,轴向载荷、转速、焊接速度和倾斜角度。输出参数联合硬度,伸长的%,影响和产量优势。遗传编程(GP)是一种相对较新的进化计算方法,这种方法的主要优点是计算有效预测数学模型或方程之前没有任何假设有关的可能形式功能关系。本文定义和说明了如何应用到全科医生的焊过程获得精确的输出和输入参数之间的关系,以获得一个广义预测模型。GP模型将协助工程师量化的焊的性能,和本研究的结果可以用来预测未来需求基于历史数据提供一个健壮的解决方案。GP模型的结果显示良好的协议与实验和目标数据的平均预测误差为0.72%。

1。介绍

一些金属如铝及其合金被称为nonweldable焊接材料使用传统方法和无法提供足够的强度由于孔隙度的融合区。然而,最近的改进焊接方法和研究者的研究导致了一种新的焊接技术的发展被称为摩擦搅拌焊(FSW) (1,2]。英国焊接研究所,1991年发明了一种固态连接技术,最初应用于铝合金。的FSW基本概念是非常普通nondevourable固态热处理硬金属工具(用大头针和肩膀)引入到边界的薄板或厚的连接,并沿着关节在特定转速,遍历速度、轴向力和倾角。焊接生产高质量焊接的过程(3]。随着旋转工具加入材料接触,它升温联合,进一步导致接头的塑性变形。这个过程是在固态焊接类别没有焊缝池形成的联合;,而此工具的旋转运动转移材料产生的联合。不同的工具几何形状导致各种颗粒结晶结构的发展,最终导致不同的焊缝强度根据几何的类型(4,5]。

1.1。文献综述

热处理的铝的加入non-heat-treated铝合金需要使用旋转工具速度,遍历速度,和倾角作为输入和硬度,抗拉强度和屈服强度作为输出参数。不同金属的输出参数难以实现是由于独特的热系数、贱金属的化学成分、热处理的铝和non-heat-treated铝合金的特性(6]。研究焊接参数对5毫米厚的优化效果AA6082铝盘使用方差分析技术是基于18个正交阵列显示该工具的旋转焊接,下降速度是重要的参数在决定优势和伸长率(7,8]。

焊是一个固态连接的过程,适合加入aluminium-copper合金的熔焊过程相比。工艺参数的数学模型和几何工具来预测反应如屈服强度、抗拉强度和延性AA2014-T6铝合金搅拌摩擦焊的制定(6经验关系。优化工艺参数达到较高的抗拉强度的影响的工艺参数FSW联合类似铝合金H30帮助发展中一个实际的方法确定最优条件导致更高的抗拉强度(9]。

重要的帮助下实现最优横向饲料广场工具时发现等焊接参数对力学性能的影响轴的硬度和抗拉强度的焊接区(10]。方差分析与田口方法被发现是很有帮助的AA6063淹没状态的合金焊获得最佳的焊接条件最大硬度强度与焊接工艺参数,如转速、焊接速度、和工具销概要(圆柱、螺纹和锥形)[4,11- - - - - -14]。

工具的几何参数(肩膀和销直径、销和肩膀的形状,和长度)起到了至关重要的作用在热生成和物流的影响找到焊接参数对机械优势相似或不同的铝合金的15,16]。工具转速是最有影响力的因素在焊的不同Al合金的最佳工艺参数(AA6262和AA7075)使用灰色关联分析的多重响应特性,如抗拉强度(ut)和维氏硬度(VHN) [17]。

响应面方法(RSM)模型是研究开发工具的肩膀和探测器的影响几何图形在Al焊焊接强度,横截面积,粒度定义什么是适合焊特点(5]。方差分析的数据显示,一个工具的转速和直径是主要和次要的重要因素,分别。同样,这是在学习焊接的影响因素对微观结构和机械强度的异构定制焊接空白表(5083 - h12和6061 - t6铝镁合金)(18]。优化焊参数在不同条件下成立的基础材料和焊接条件下的微观结构与焊后热处理微观结构焊接在退火和T6状态(19]。工作也扩展的焊使用铝合金和工具几何微结构的影响,缺陷类型和接头的力学性能。更高的肩膀和销直径,合成缺陷至少比小尺寸的他们(20.]。适当的调整焊接参数提出了这样一种方式,焊接界面是加热到塑性状态在焊接的地方。焊接件的功能行为是由抗拉强度,冶金行为,表面粗糙度,焊缝硬度和显微硬度。各种焊接参数和工具销工作概要文件定义焊接质量的影响下旋转和旅行速度搅拌摩擦加工区域形成AA 5083铝合金板进行。焊接样品检测通过光学显微镜来定义不同加入区域和确定可能的缺陷21]。

1.2。遗传规划

遗传编程(GP)是一个计算机化的过程构建程序紧密地基于达尔文的自然选择原理来解决特定的问题仔细和被认为是一个扩张的基因/进化算法有效地使用它们。全科医生的发展计划,预测实际的输出从一个实验数据文件的输入和输出22,23]。GP Discipulus软件使用Java, C / C^{+ +},和组装翻译(24地图)来编写一个程序,输入到输出数据。一般来说,医生主要产生相当数量的随机计算机程序,每个程序执行和评价由开发人员根据健身度量定义。选择最好的解决问题的程序在每一代和品种(25]。自发的,如果两个计算机程序稍微有用在解决一个问题,那么他们的一些部分可能都有一定的优点。结合临时选择的价值部分有效的项目,我们可能会产生新的电脑程序,可能更适合解决这个问题。后基因的应用方法开发现有人口(程序),新一代的人口计划取代旧的。每一个计算机程序的人口是健身,然后测量和重复的过程。这个过程会产生人口的计算机程序,在许多代,往往表现出增加平均能力在处理他们的环境。

最好的个人出现在任何一代的运行(迄今最佳个体)被指定为遗传规划产生的结果。所产生的评分级别的计算机程序是医生的基本特征。全科医生的结果因此天生有等级之分的。

Discipulus软件使用机器代码的自动感应技术处理速度的机器学习问题,它允许用户进行更多的调查是输入和输出之间的关系,发现错误数据或异常值,评估时间,等等26]。生成的模型旨在发展过程预测数学模型。因此,全科医生选择方法为目前的工作。GP方案是基于计算机的项目很容易检查,文档,评估和测试。GP的解决方案帮助理解的类型派生的输入和输出数据之间的相关性,这是未知的。全科医生的发展解决方案的结构和常数同时[27]。

Discipulus GP积极歧视相关的输入数据和输入之间没有轴承解决方案(28]。换句话说,Discipulus执行输入变量选择作为其学习算法的一个副产品。医生成功地用于解决问题等领域的大量系统、数据、时间序列预测和经济模型,曲线拟合,象征性的回归,工业过程控制、金融交易、优化和调度,和生物信息学(29日]。

有许多技术可用,如线性回归、统计和人工神经网络,模糊逻辑,简称ANFIS和响应面分析,得出相关性但他们表现出有限的精度。本研究旨在推导数学模型实证显示输入和输出之间的相关性预测接头的机械性能强度焊使用遗传编程方法,可用于预测精度水平的99.2 - 99.6%。这个新模型更简单的通过消除大型计算参与任何常规状态方程的应用。也同样很有帮助在发展中国家和发达相关性检查没有进行实验验证的数据在未来(30.]。

2。材料和方法

在这项研究中,两种不同的铝合金AA7075 AA6061有不同厚度的3,4,5毫米的化学成分表中列出1被检查。对接焊接使用立式铣床配置使用一个特殊目的工具(圆柱锥形轮廓与销直径6毫米,10°锥度,销1.8毫米的长度,和肩直径20毫米)。推导数学模型,我们需要大量的实验数据的各种工艺参数在不同层次上有更多影响焊形成的接头的力学性能是来自文献。他们是轴向载荷,该工具的旋转速度,焊接速度,倾斜角度,板厚度和水平如表所示2。对接焊接的样品准备和一个平台组成的垫板女士支持贱金属沿轧制方向。的各种力学性能AA6061 AA7075,即硬度、伸长率、拉伸和冲击的优势,指出在表3。焊接是由放置盘子交替推进一边后退一边和夹紧这些坚决防止对接面临被迫除了适当的搅拌和混合材料和完成的旋转运动和翻译工具。工具的倾斜对落后的方向保证工具的肩膀举行搅拌材料的螺纹销和移动材料有效地从前面到后面的销。销的数量的渗透深度和工具的肩膀半径接触工件是由销的长度决定。销长度标准与内部渠道,有助于生产焊接表面槽,过度的flash,或局部变薄的焊盘等等。

每个对接被切断的标本进行产量和冲击强度测试基于ASTM标准。用万能试验机进行拉伸测试和加载和伸长的记录标本也采取计算抗拉强度和延伸率的基地断裂加载的标本。夏比冲击试验类型是用来评估的焊联合的冲击能量按ASTM标准。

3所示。遗传模型

全科医生是最常见的方法在进化计算方法获得的项目适应分层次分类项目动态通过改变尺寸和形状在模拟进化。随机程序开发使用可用的函数和终端符号回归的基因集(算术运算符 )和组 ,分别产生一个初始种群适应环境的解决方案。程序结构保持修改主题基于指南使用健身测量函数的适应性。健身测量显示多远GP的预测数据与实验数据一致。基因改造的项目内容开始,由此可以得出这样的结论:当健身的计算测量应用于初始人口和变得重复,它被称为进化。一旦终止条件满足,演化过程停止让一代又一代的解决方案的数量。收集的数据集的各种力学性能测量焊联合力量被分析。抗拉强度、冲击强度和伸长率是我们目标输出。轴向载荷、焊接速度、工具转速、倾角和板的厚度作为输入。数据样本随机手动使用Notitia软件。喂养的随机数据集软件最初由分裂成三类,即训练、验证和应用测试(2,24]。Discipulus总是接受最后一列提出的输出。许多实验运行帮助生成最优解在找到最好的参数在最少的时间内使用任意设置如表所示3。另一个术语称为“相关系数” 起着重要的作用,这个词表示两个变量之间的线性关系系数使用强度和路径。不同 ,(+)和(−)迹象表明积极的和消极的线性关系,分别。当 ,输入和输出有一个完美的正相关;可以看出,随着输入值的增加,输出值也增加,反之亦然 (完美的消极适应)。如果 如果,这表明没有线性关系趋近于零,它代表了随机的,两个变量之间的非线性关系。给出了系数从一个特定的模型预测的决心。 表示输入和输出线性相关性的强度或代表的百分比数据最接近最适合线。交叉率,同源交叉作为修改更精确地模仿自然进化比传统的交叉的两个新兴项目将形成一个后续的和最合适的项目通过切换组邻近的指令。块之间的两个新兴项目交付即将到来的群体,他们是相同的长度和位置以上来自新兴项目。Nonhomologous交叉发生在指令块之间的交换两个进化程序没有参考两组的大小和位置指令块。相应的交叉参数设置交叉事件的比例“同源”的百分比而不是“nonhomologous。”

4所示。结果与讨论

基因进化方法使用精确的指令和终端从一组函数库和终止库类型构建一个生物体(称为数学模型)适合估计结果的行为类似于计算机程序的性质,不同形式和大小(24,26]。各种模型的输出是由医生使用训练数据[29日]。从全科医生获得最好的数学模型仿真给出了(1)(5)。

对比实验和预测输出使用数学模型从医生表所示4,5,6延伸率和抗拉和影响摩擦搅拌焊联合的优势,分别。决定预测输出误差可以忽略不计,百分比误差小于±0.6,这表明,结果从一个医生的数学模型是高度可接受的。

数据1(一),2(一个),3(一个)显示百分偏差之间的最好的关于个体生成模型和实验结果回归期间配合使用的功能基因与正态分布行为。很明显,在初代最好的模型不一样精确模型生成的后来。GP模型分析显示FSW联合的特定输出的机械性能实验方案在不同输入因素与性能有关。GP模型实验数据的生成允许表示没有彻底的认识发生。除此之外,他们的研究使我们能够获得一个更深的了解相关的输入条件描述输出现象通过显示变化的输入中观察到的属性的焊联合生产与性能的变化。

数据1 (b),2 (b),3 (b)显示正常qq情节抗拉强度、伸长率、冲击强度为95%的信心水平。蓝色的圆圈的qq情节开始的一侧行然后几乎完全在另一边长伸展,然后移动到另一边的参考线。这种行为表明某种程度的扭曲。在图1(一),正常的qq的平均值和标准偏差分布的抗拉强度的实验值和预测值之间的误差变化 MPa。在图2 (b),正常的qq的平均值和标准偏差分布伸长的情节错误实验值和预测值之间的变化 %。然而,在图3 (b),正常的qq的平均值和标准偏差分布情节的冲击强度实验值和预测值之间的误差变化 J / m²。

4.1。线性回归分析

为了比较GP的结果与其他类型的回归分析,尝试执行的线性回归分析实验结果。伸长的线性回归分析和拉伸和影响焊联合参与的优势来输入变量进行了使用Minitab®V18统计软件与实验数据表4,5,6。并给出了相应的线性回归模型(7),(8)和(9)和错误获得与实验数据相比也列在下表中4,5,6。各种残块输出数据所示4,5,6。

错误的数量非常高在积累的经验与伸长和冲击强度相比,抗拉强度,抗拉强度具有较高的实验值3位数。线性回归需要更高的位数输出值与输入参数(相比达到更高的精度。它更适用于两个输入和更多数量的输入会导致错误的经验关系。

图7显示各种输出的箱线图的焊联合给没有错误或错误的一个清晰的迹象,在第四个小数位,这是微不足道的。有两个框表示统计数据在情节组成的一个矩形里面有一条垂直线来表示中位数的值。四分位数被定义为最小的数之间的中间的数,最高价值,中值的数据集和数据值。更高和更低的水平线两侧的四分位数显示矩形框左边的全科医生的实验和右边的盒子。从箱线图,发现两箱实验之间没有绝对的差异和全科医生的结果。因此,医生能够产生结果没有实验结果以更高的精度水平。因此,箱线图非常有效地比较两个或两个以上的不同方法的结果。

通过比较实验数据的错误与GP和线性回归,看到的是方程导出了医生给更高的精度结果与最小或没有错误,而线性回归模型生成输出更高的错误值,这可能会导致一个错误或错误的预测输出。线性回归也增加的不确定性模型,精度必须保持但GP输出非常有用。

5。结论

机械性能的技术质量的关键测量焊。他们施加相当大的影响生产成本和效率。提出工作采用一个潜在的新方法使用GP等重要测量推导经验模型的力学性能。医生提出的方法不依赖于任何标准数学法令或任何过去的认识类型的解决方案。医生采用自动进化理论发展数学模型符合给定的实验历史数据而不做任何假设的形状,大小和复杂性的问题在任何数量的输入参数。在这项研究中,新车型的伸长率和拉伸和冲击强度在不同输入条件制定使用Discipulus GP软件和C编程。没有进一步进行任何实验运行,联合属性是决定快速替换的输入条件。新的GP模型的准确性的测试结果相比更大约±0.06到0.001。新的GP模型被用作另一种方法来估计实验结果的共同属性或相关性并不可用。然而,解决方案通过GP的精度取决于联合进化的输入,测试数据的数量,以及他们的精度水平。

全科医生是耗时的过程,因为他们需要相当大量的迭代,但仍值得采用的方法考虑模型的预测精度。能力的遗传模型预测过程的反应是有利的,因为他们有一个高精确度的性能相比其他分析方法,如安,DFA,简称ANFIS和RSM。该数学模型验证测试结果的可靠性约99.4到99.6%。全科医生的方法,因此,证明自己是一个高度专业和有价值的方式识别数据的相关性。

未来的工作范围

工作可以进一步扩展应用GP在焊采用7 5 xxx和xxx等铝合金在汽车工业中使用,以增加其在汽车工业中使用。进一步实施GP在部队期间生成单个以及多个传递不同的合金,工作条件和工艺参数可能是非常有益的。医生也可以实现细粒度的FSW铝合金表现出改进的强度和延性。

进一步的全科医生研究也可以进行,考虑到大部分的焊接参数,在更大范围的值。疲劳分析和剪切测试可以处理。更高的厚度可以通过采用双面焊焊接铝盘子。最后,医生应用FSW是延长使用其他材料,如铜、钛、镁用于未来的研究。

的利益冲突

作者没有利益冲突。