為提高冷軋帶鋼激光焊接質量預測精度,提出了一種基于主成分分析和GA-BP神經網絡相融合的焊接質量改進預測模型。以深沖級冷軋板（DC04）的激光焊接為例,首先利用主成分分析法對5個焊接參數進行分析,從中提取出影響焊接質量的4個主要因素,形成新的訓練樣本并作為網絡輸入,以焊接接頭抗拉強度的大小表征焊接質量的優(yōu)劣,并將其作為網絡輸出。然后通過遺傳算法對BP神經網絡的權值和閾值進行優(yōu)化,構建出焊接質量預測模型。仿真結果表明:與傳統(tǒng)的BP網絡模型相比,本文所建模型無論在預測精度上還是在收斂速度上都有了大幅提高,為實現焊接質量的精準預測提供了一條行之有效的途徑。 

【文章頁數】：5 頁

【文章目錄】：
1 試驗及樣本獲取
    1.1 試驗材料及焊接設備
    1.2 拉伸試驗與樣本獲取
2 主成分提取
3 GA-BP預測模型的構建
    3.1 模型原理
    3.2 預測模型的構建
        3.2.1 網絡結構設計
        3.2.2 網絡參數的設定
4 訓練及預測結果分析
    4.1 模型訓練
    4.2 模型預測
5 結論


【參考文獻】：
期刊論文
[1]430不銹鋼薄板光纖激光焊接工藝研究[J]. 李翠,葉兵,孟曉明,余世文,劉碩夫,易鑫.  應用激光. 2018(02)
[2]基于神經網絡遺傳算法的激光熔釬焊參數優(yōu)化[J]. 劉皋,張朝陽,黃磊,姜雨佳,聶昕,陸海強,莊鴻武.  光學技術. 2016(05)
[3]基于BP神經網絡的激光焊接工藝參數優(yōu)化數據庫系統(tǒng)[J]. 劉荷花.  激光雜志. 2015(04)
[4]基于遺傳算法BP人工神經網絡的熱軋帶鋼力學性能預報模型[J]. 楊洋,陶歆.  柳鋼科技. 2014 (03)
[5]基于主成分分析與BP神經網絡的激光拼焊板力學性能預測[J]. 李新城,陳樓,張繪,張云.  熱加工工藝. 2012(05)
[6]基于田口法的鎂合金激光焊接工藝參數研究[J]. 楊銳,張健.  輕合金加工技術. 2012(01)
[7]基于BP神經網絡的光纖激光焊接工藝參數優(yōu)化及性能預測[J]. 郭亮,王少華,張慶茂,徐鵬嵩,龐振華.  應用激光. 2010(06)
[8]激光焊接過程監(jiān)測及焊縫質量檢測技術研究現狀[J]. 高世一,吳瑞珉,陳衛(wèi)東,楊賽丹,喬俊良.  世界鋼鐵. 2010(03)
[9]基于徑向基神經網絡焊接接頭力學性能預測[J]. 張永志,董俊慧,張艷飛.  焊接學報. 2008(07)



本文編號：3678962