基于神經(jīng)網(wǎng)絡(luò)的動力電池組焊接參數(shù)優(yōu)化研究

胡海燕

摘 要 焊接工藝對焊接質(zhì)量起著決定性的作用，焊接工藝參數(shù)的優(yōu)化問題非常重要卻又很復(fù)雜。通常焊接工作者為了獲得合適的焊接工藝參數(shù)，必須在焊接作業(yè)前進行多次焊接試驗，然后進行焊接工藝評定，最后才能獲得合理的工藝參數(shù)。本文是利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合正交試驗以及簡單數(shù)學(xué)計算對電阻焊焊接工藝參數(shù)進行優(yōu)化。

關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò) 動力電池組 焊接 參數(shù)優(yōu)化

0引言

傳統(tǒng)焊接會消耗大量的人力、物力、財力。為適應(yīng)生產(chǎn)實際對焊接工藝優(yōu)化的需要，人們希望利用最少的試驗次數(shù)和實驗數(shù)據(jù)，建立焊接工藝參數(shù)與焊接結(jié)果之間的關(guān)系模型，用來指導(dǎo)焊接生產(chǎn)。傳統(tǒng)的焊接工藝優(yōu)化方法主要有：正交試驗法、因子設(shè)計響應(yīng)曲面法以及回歸分析法等，但這些方法存在計算復(fù)雜、工作量大、知識獲取困難和自學(xué)習(xí)能力差等問題。隨著智能工程的發(fā)展，出現(xiàn)了基于遺傳算法、模糊算法和神經(jīng)網(wǎng)絡(luò)等的工藝參數(shù)優(yōu)化，很好地解決了這些問題。本文是利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合正交試驗以及簡單數(shù)學(xué)計算對電阻焊焊接工藝參數(shù)進行優(yōu)化。

1焊接工藝數(shù)據(jù)的選擇以及正交試驗表的建立

1.1激光焊接工藝參數(shù)的選擇

選擇不同電阻焊焊接參數(shù)范圍以及對應(yīng)的焊點抗拉強度值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本。

1.1.1焊接電流

焊接電流是微型電阻焊中最具影響力的參數(shù)，由焦耳熱定律可知，焊接過程的總析熱量與電流的平方成正比。一般而言，接頭強度隨著焊接電流的增加而增大，但過高的電流會軟化熱影響區(qū)，導(dǎo)致焊接飛濺、電極粘連甚至損毀。

1.1.2焊接時間

焊接時間與產(chǎn)熱量成正比。由于焊件尺寸的差異，微型電阻焊應(yīng)用的焊接時間通常短于常規(guī)電阻焊，典型值為幾十毫秒，更短的甚至只有幾毫秒（如電容儲能式電源）。由于熱量向外傳遞和輻射損失，為使得焊接成功必須規(guī)定最小的焊接電流和焊接時間。

1.1.3電極壓力

電極壓力主要通過對接觸面積和接觸電阻的影響來作用電阻焊過程。在其他焊接條件不變的情況下，加大電極壓力會使得兩焊件實際接觸面積增加，使接觸電阻和電流密度減小，從而使熔核尺寸變小。

本文選用電極壓力（N）、焊接時間（S）、焊接電流（KA）作為控制焊縫強度的三個主要焊接工藝參數(shù)，焊縫抗拉強度試驗指標(biāo)（N）作為評價焊點性能的主要指標(biāo)。電極壓力（N）、焊接時間（S）、焊接電流（KA）作為正交試驗的三個因素，根據(jù)實驗需求選取L9（34）正交試驗表。

2基于BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的建立以及訓(xùn)練結(jié)果

2.1神經(jīng)網(wǎng)絡(luò)的選擇與建立

將實驗數(shù)據(jù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本數(shù)據(jù)按公式進行歸一化處理，= ，式中為單個樣本值，max為樣本最大值，xmin為樣本最小值，為歸一化后的數(shù)據(jù)。歸一化處理能夠使樣本數(shù)據(jù)在區(qū)間范圍內(nèi)呈現(xiàn)出正態(tài)分布的趨勢，使神經(jīng)網(wǎng)絡(luò)具有更強的泛化能力，有利于網(wǎng)絡(luò)的訓(xùn)練并能夠加快網(wǎng)絡(luò)的收斂速度。

在多種神經(jīng)網(wǎng)絡(luò)模型中，誤差反向傳播的多層前饋式網(wǎng)絡(luò)，BP網(wǎng)絡(luò)是最具有代表性、使用最廣泛的。BP網(wǎng)絡(luò)由1個輸入層、1個或多個隱含層、1個輸出層組成，含有輸入、輸出接點以及1層或者多層隱接點。當(dāng)有信息輸入時，輸入信息傳遞到輸入接點，在隱接點層經(jīng)功能函數(shù)處理后，傳遞到輸出接點，將得到輸出值與期望輸出值進行比較，若有誤差，則誤差反向傳播，逐層修改權(quán)值系數(shù)直到輸出值滿足要求為止。由于BP神經(jīng)網(wǎng)絡(luò)具有非線性逼近能力強、算法簡單等特點，因此在工程實際問題中得到了廣泛的應(yīng)用。本文就是采用BP神經(jīng)網(wǎng)絡(luò)建立了焊接工藝參數(shù)和焊點抗拉強度之間的神經(jīng)網(wǎng)絡(luò)模型。

本文的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中輸入層有三個神經(jīng)元（x1，x2，x3），分別為電極壓力（N）、焊接時間（S）、焊接電流（KA），輸出層為一個神經(jīng)元（Y1），即焊點抗拉強度（G）。隱含層有m個神經(jīng)元，個數(shù)可由經(jīng)驗公式確定，nhid=（nin+nout）1/2+a。

式中nhid為隱層接點數(shù)，nin為輸入層節(jié)點數(shù)，nout為輸出層節(jié)點數(shù)，a取1-10之間的數(shù)。本實驗中，nhid=3，nout=|，所以nin的取值范圍為3-12。本實驗使用四層網(wǎng)絡(luò)模型，隱層第一層節(jié)點數(shù)為5，隱層第二層節(jié)點數(shù)為10，設(shè)定訓(xùn)練次數(shù)為2000次，訓(xùn)練所要達到的誤差精度為1e-5，網(wǎng)絡(luò)學(xué)習(xí)速率0.01，網(wǎng)絡(luò)訓(xùn)練函數(shù)為計算誤差函數(shù)—最小均方誤差法LMS，網(wǎng)絡(luò)學(xué)習(xí)速率取0.01。

2.2神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

用matlab神經(jīng)網(wǎng)絡(luò)工具箱對正交試驗所得的九組數(shù)據(jù)進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過訓(xùn)練后輸出的抗拉強度分別隨三個焊接工藝參數(shù)變化，經(jīng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練最后確定最佳焊接工藝參數(shù)為A1B2C3。按優(yōu)化的設(shè)定的條件，取焊接電流3KA、焊接時間20S、焊接壓力35N進行多次焊接，對焊接成品進行破壞性試驗。經(jīng)多次試驗驗證，采用微電阻焊后動力電池組的點焊接頭的焊接質(zhì)量得到很大的提升。

3結(jié)論

本文選擇BP神經(jīng)網(wǎng)絡(luò)對電阻焊焊接工藝參數(shù)進行優(yōu)化，同時分析不同焊接工藝對焊點性能的影響，經(jīng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練最后確定最佳焊接工藝參數(shù)為焊接電流3KA、焊接時間20S、焊接壓力35N。經(jīng)多次試驗驗證，采用微電阻焊后動力電池組的點焊接頭的焊接質(zhì)量得到很大的提升。

項目來源：2013年吉林省科技廳重大科技攻關(guān)項目《電動汽車動力電池組自動焊接技術(shù)研究》（20130204024GX）。