神经网络在铝合金穿孔型等离子弧立焊中的应用

铝合金穿孔型等离子弧立焊是一种高能密度焊 ,焊接过程是一个复杂的、多参数耦合的高度非线性过程 ,存在许多难以量化、不确定的知识 ,无法实现解耦 ,在生产中难以进行有效的控制 神经网络具有非线性映射和自组织、自学习的特点 ,使其在焊接领域中的应用具有一定的优势 本文基于MATLAB6.1的神经网络工具箱 ,利用 3层BP人工神经网络建立铝合金穿孔型等离子弧立焊的输入 -输出的网络模型 ,通过训练该网络 ,能够根据输入节点的各个焊接工艺参数值 ,预测焊缝形状的输出结果 焊缝的形状参数与网络模型预测结果的误差在 8%以内 仿真试验结果表明 。

铝合金穿孔型等离子弧立焊的遗传算法设计

铝合金穿孔型等离子弧立焊焊接过程复杂,焊接质量受到多种工艺因素的影响,如何确定焊接工艺参数的近似最优化配置亟待解决 遗传算法在解决复杂的、非线性的系统优化时体现了优越性 应用C++语言,采用面向对象的程序设计方法,设计适用于等离子弧立焊的基本遗传算法。

铝合金穿孔型等离子弧立焊的BP神经网络预测模型

基于MATLAB6.1的神经网络工具箱 ,利用BP神经网络建立铝合金穿孔型等离子弧立焊的输入 -输出的网络模型 ,通过训练该网络 ,能够根据输入节点数值预测输出结果。当给定网络输入节点的各个焊接工艺参数值 ,能够预测网络的输出 ,即焊缝形状的各个参数。用这个工艺的匹配值进行焊接试验。结果表明 ,焊缝的形状参数与网络模型的预测结果之间的误差在 8%以内。仿真试验的结果表明 ,这个方案是可行的。