【技术实现步骤摘要】
本专利技术涉及智能制造，尤其涉及一种振荡扫描激光电弧复合焊接工艺参数优化方法及系统。
技术介绍
1、铝合金是重要的轻质结构金属材料之一，由于强度高、质量轻以及耐腐蚀性强，被广泛应用于汽车制造、船舶制造、航空航天等领域中，激光焊接具有热输入低、生产率高、制造灵活、易于自动化等优点，是一种很有前景的铝合金焊接技术。
2、而铝合金激光焊接由于深宽比较大，小孔失稳产生的气泡难以溢出，存在气孔率高的问题。激光振荡扫描焊接是利用振镜的转动控制光束高速规律的摆动，以特定轨迹和周期搅拌焊接熔池，改善焊接特性的一种新型激光焊接技术。已经有大量研究表明光束摆动改变了熔池温度场分布以及传热传质特性，可提高焊缝成形质量、减少飞溅、抑制气孔和裂纹等缺陷。但其焊缝质量通常受激光摆动模式、激光功率、焊接速度、离焦量、摆动频率、摆动幅度和保护气等多种因素影响。由于工艺参数与焊缝质量之间是复杂的非线性映射关系，通常依赖于具体的实验结果，因此将其应用于各种实际情况并非易事。在传统的焊接工艺设计中，仍存在流程复杂依赖经验的问题，常导致焊接工艺的改良方案进行难度大，编制效率差，获得的产品的质量不佳。通常在传统制造业种质量的管理仍然采用计划下达-产后检验-质量统计报表等后续静态筛选的管控过程。当生产的工艺达不到质量要求时，浪费的成本较大，改进的难度较大，因此这样的工艺管理方法已经较为落后。优良的焊接工艺时提高生产效率保证生产质量的前提，因此针对焊接工艺改良的智能优化方法是长期以来值得关注的改进技术重点。
3、当前的焊接工艺参数的优化方法主要采用传
技术实现思路
1、本专利技术提供一种振荡扫描激光电弧复合焊接工艺参数优化方法及系统，用以解决现有技术中针对铝合金焊接工艺参数的优化方法存在精度较低，智能化程度不高的缺陷。
2、第一方面，本专利技术提供一种振荡扫描激光电弧复合焊接工艺参数优化方法，包括：
3、获取振荡扫描激光电弧复合焊接的工艺参数集合，采用正交试验控制变量法对所述工艺参数集合进行振荡扫描激光电弧复合焊接试验，得到焊接试验结果；
4、对所述焊接试验结果进行测试后处理，输出训练数据集；
5、构建bp神经网络结构，采用de算法优化所述bp神经网络结构，利用所述训练数据集对优化后的bp神经网络结构进行训练，得到激光焊接质量预测模型；
6、以焊接试样气孔率与焊接缺陷为优化目标，采用td3算法对所述激光焊接质量预测模型的输出结果进行强化学习，输出最优工艺参数。
7、根据本专利技术提供的一种振荡扫描激光电弧复合焊接工艺参数优化方法，获取振荡扫描激光电弧复合焊接的工艺参数集合，采用正交试验控制变量法对所述工艺参数集合进行振荡扫描激光电弧复合焊接试验，得到焊接试验结果，包括：
8、确定焊接表面缺陷和气孔率对焊缝成型质量进行表征，选取激光功率、焊接速度、振荡幅度、振荡频率和送丝速度作为所述工艺参数集合；
9、利用所述正交试验控制变量法对所述工艺参数集合进行预设组数的振荡扫描激光电弧复合焊接试验，输出所述焊接试验结果。
10、根据本专利技术提供的一种振荡扫描激光电弧复合焊接工艺参数优化方法，对所述焊接试验结果进行测试后处理，输出训练数据集，包括：
11、以所述工艺参数集合作为测试输入，以焊接试样气孔率与焊接缺陷作为测试输出，得到初始训练数据集，其中所述焊接试样气孔率通过对焊接样品进行x射线探伤所获得；
12、对所述初始训练数据集进行归一化，得到所述训练数据集。
13、根据本专利技术提供的一种振荡扫描激光电弧复合焊接工艺参数优化方法，构建bp神经网络结构，采用差分进化de算法优化所述bp神经网络结构，利用所述训练数据集对优化后的bp神经网络结构进行训练，得到激光焊接质量预测模型，包括：
14、确定所述bp神经网络结构的输入节点个数和输出节点个数；
15、确定所述bp神经网络结构中待优化参数包括隐含层节点数、激活函数、优化器和学习率；
16、将所述待优化参数作为所述de算法的决策向量，将所述bp神经网络结构的十折交叉验证平均平方误差的平均值作为适应度函数的优化目标，通过所述de算法进化不断迭代求解最佳超参数组合，获得所述优化后的bp神经网络结构；
17、将所述训练数据集按照预设比例划分为训练集和测试集，对所述优化后的bp神经网络结构进行训练，输出所述激光焊接质量预测模型。
18、根据本专利技术提供的一种振荡扫描激光电弧复合焊接工艺参数优化方法，将所述待优化参数作为所述de算法的决策向量，将所述bp神经网络结构的十折交叉验证平均平方误差的平均值作为适应度函数的优化目标，包括：
19、
20、其中，xn表示决策变量，其中x1表示激活函数，x2表示隐含层节点数，x3表示优化器，x4表示学习率，y(x)表示目标向量，x表示决策变量，fy(x)表示为目标适应度函数；
21、进一步地，将十折交叉验证的平均平方误差的平均值作为目标适应度函数fy(x)：
22、
23、其中，n为测试时输出个数，i、j分别为交叉验证的不同批次数，x是期望输出，为预测输出。
24、根据本专利技术提供的一种振荡扫描激光电弧复合焊接工艺参数优化方法，通过所述de算法进化不断迭代求解最佳超参数组合，获得所述优化后的bp神经网络结构，包括：
25、随机生成一组个体为初始种群个体，以bp神经网络结构超参数取值范围内的任一种参数作为种群个体
26、计算每个种群个体的适应度函数，按照10次交叉验证要求划分打乱所述训练数据集进行训练，求解平均验证集上的平均平方误差，采用适应度函数评估每个种群个体的适应度，确定适应度高于预设值的个体作为父代个体；
27、针对每个父代个体，随机选择其它两个个体进行线性组合，生成变异个体：
28、
29、其中，r1、r2和r3是从1到np随机选择的整数，np是总体中的个体数，f代表突变比例因子，vi表示新生成的第i个向量，g表示新生成的载体；
30、将变异个体与对应的父代个体进行交叉操作，生成子代个体：
31、ui,j+1＝(u1i,g+1,u2i,g+1,…,udi,g+1)
32、
33、其中，cr表示交叉概率，cr值越大表示交叉的可能性越大，drand是从1到d的随机整数，d是变量基因库的维度；
34、采用适应度函数对子代个体与父代个体进行比较，选择适应度更好的个体作为下一代种群；
35、若确定达到预设迭代终止条件，则返回计算每个种群个体的适应度函数，继续下一轮迭代，直到确定最优个体，输出所述优化本文档来自技高网...
【技术保护点】
1.一种振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，包括：
2.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，获取振荡扫描激光电弧复合焊接的工艺参数集合，采用正交试验控制变量法对所述工艺参数集合进行振荡扫描激光电弧复合焊接试验，得到焊接试验结果，包括：
3.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，对所述焊接试验结果进行测试后处理，输出训练数据集，包括：
4.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，构建BP神经网络结构，采用差分进化DE算法优化所述BP神经网络结构，利用所述训练数据集对优化后的BP神经网络结构进行训练，得到激光焊接质量预测模型，包括：
5.根据权利要求4所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，将所述待优化参数作为所述DE算法的决策向量，将所述BP神经网络结构的十折交叉验证平均平方误差的平均值作为适应度函数的优化目标，包括：
6.根据权利要求4所述的振荡扫描激光电弧复合焊接工艺参数优化
7.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，采用TD3算法对所述激光焊接质量预测模型的输出结果进行强化学习，包括：
8.根据权利要求7所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，获取强化学习环境，包括：
9.根据权利要求7所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，在所述强化学习环境中采用TD3算法对所述输出结果进行训练更新，包括：
10.一种振荡扫描激光电弧复合焊接工艺参数优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，包括：
2.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，获取振荡扫描激光电弧复合焊接的工艺参数集合，采用正交试验控制变量法对所述工艺参数集合进行振荡扫描激光电弧复合焊接试验，得到焊接试验结果，包括：
3.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，对所述焊接试验结果进行测试后处理，输出训练数据集，包括：
4.根据权利要求1所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，构建bp神经网络结构，采用差分进化de算法优化所述bp神经网络结构，利用所述训练数据集对优化后的bp神经网络结构进行训练，得到激光焊接质量预测模型，包括：
5.根据权利要求4所述的振荡扫描激光电弧复合焊接工艺参数优化方法，其特征在于，将所述待优化参数作为所述...
【专利技术属性】
技术研发人员：张臣，田文昊，胡佩佩，杨长琪，李中权，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。