高星鵬 陳 峰 王宇盛 黃 翔 童國權(quán)

(1 南京航空航天大學(xué)機電學(xué)院，南京市 210016)(2 成都飛機工業(yè)(集團)有限責(zé)任公司，成都市 610000)

0 引言

20世紀(jì)50年代以來，鈦合金在航空航天領(lǐng)域中的應(yīng)用越來越廣泛［1］。航空航天中的眾多產(chǎn)品必須采用點焊方法來連接［2］，高超聲速飛行器是航空航天領(lǐng)域重要的發(fā)展方向之一，其中應(yīng)用于飛行器結(jié)構(gòu)外部熱防護系統(tǒng)(TPS)的金屬蜂窩板的瓦楞板箔材精密微連接技術(shù)是限制其進一步應(yīng)用的關(guān)鍵技術(shù)。其中微電阻點焊由于其高效率、低能耗、易于實現(xiàn)自動化等優(yōu)點，被認(rèn)為是焊接金屬箔材的最有效的方法。目前被廣泛應(yīng)用于精密電子、醫(yī)療器械、航空航天等領(lǐng)域。如圖1所示為鈦合金蜂窩板的結(jié)構(gòu)示意圖，該蜂窩板是由兩塊0.8 mm厚的TC4面板和單層壁厚為0.05 mm的TC1蜂窩芯體釬焊而成，應(yīng)用于熱防護系統(tǒng)的內(nèi)側(cè)，主要起著承壓和隔熱作用，其中微電阻點焊主要應(yīng)用于瓦楞板之間的連接。電阻點焊是一個非常復(fù)雜的過程，很難建立準(zhǔn)確的數(shù)學(xué)模型［3］。D.Afshari等［4］人利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測AZ31鎂合金電阻點焊焊點的焊核直徑，WAN Xiaodong等［5］人利用BP和徑向基神經(jīng)網(wǎng)絡(luò)建立了0.4 mm厚TC2板材微電阻點焊焊接接頭質(zhì)量的預(yù)測模型，均獲得了良好的預(yù)測效果。

通常只通過焊點的剪切力來評價焊點的力學(xué)性能，但在特定的載荷條件下，焊點會承受一定的剝離力［6］，利用BP神經(jīng)網(wǎng)絡(luò)建立點焊工藝參數(shù)與焊點力學(xué)性能的復(fù)雜模型，充分發(fā)揮BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力［7－8］，準(zhǔn)確地描述點焊工藝參數(shù)與焊點接頭質(zhì)量空間的映射關(guān)系［9－10］，同時結(jié)合遺傳算法的全局尋優(yōu)能力，獲得點焊工藝參數(shù)的最優(yōu)搭配，保證焊接質(zhì)量。通過剪切力和剝離力來評價焊點綜合力學(xué)性能，涉及到工藝參數(shù)的多目標(biāo)優(yōu)化，但對于同一組參數(shù)，剪切力和剝離力一般不能同時達到最優(yōu)值，因此可以根據(jù)實際應(yīng)用環(huán)境或工程經(jīng)驗分別賦予剪切力和剝離力相應(yīng)的權(quán)值，可以將雙優(yōu)化目標(biāo)轉(zhuǎn)化為單優(yōu)化目標(biāo)［11］。本文以蜂窩板平面壓縮為應(yīng)用背景，在之前對蜂窩板的平壓模擬研究中發(fā)現(xiàn)，在平壓過程中，面板主要承受水平方向的剪切力;蜂窩芯主要承受豎直方向的正壓力，即主要承受焊點的剪切力，只有在壓潰階段會承受水平方向的剝離力，所以這里主要研究焊點剪切力的影響，而達到平壓極限載荷時并不是所有焊點都發(fā)生了失效，每個焊點承受的剪切力和剝離力均不相同，所以每個焊點的權(quán)值分配也不相同，因此這里設(shè)定了一個典型權(quán)重0.8和0.2。以用來驗證多目標(biāo)優(yōu)化方法的可行性。

以0.05 mm厚TC1箔材為研究對象，通過正交試驗結(jié)果的極差分析研究焊接參數(shù)分別對微電阻點焊焊點剪切力和剝離力的影響;之后通過BP神經(jīng)網(wǎng)絡(luò)建立了剪切力和剝離力混合目標(biāo)預(yù)測模型;最后采用遺傳算法對訓(xùn)練好的模型進行極值尋優(yōu)，得出最優(yōu)參數(shù)，并與正交優(yōu)化結(jié)果進行對比，通過試驗驗證遺傳算法優(yōu)化的準(zhǔn)確性。

1 實驗

采用TC1鈦合金箔材，其化學(xué)成分如表1所示。根據(jù)YB/T4334標(biāo)準(zhǔn)［12］，拉剪試件尺寸為230 mm×12.5 mm×0.05 mm，如圖 2(a)所示;剝離試樣尺寸如圖2(b)所示。

表1 TC1鈦合金化學(xué)成分Tab.1 Chemical composition of TC1 質(zhì)量分?jǐn)?shù)/%

采用直徑為5 mm的Cu－Cr－Zr合金圓形電極來焊接箔材，焊前用丙酮溶液清洗后晾干，采用正交試驗以優(yōu)化試驗方案，在試驗過程中發(fā)現(xiàn)，在微電阻焊接中保壓時間對拉伸－剪切力的影響較小，因此保壓時間取默認(rèn)值1 000 ms;當(dāng)電流在500 A以下時，會產(chǎn)生界面破壞;電流在500～800 A時，會發(fā)生撕裂破壞;電流在大于800 A時，會發(fā)生電極粘附現(xiàn)象。當(dāng)電流略超過800 A時，由于焊核尺寸的進一步增大，剪切力會略有提高，但其離散性明顯增大。同時電極粘附現(xiàn)象也隨著電流的增大而愈加明顯。為了得到焊接性能良好，可靠且利于加工的焊點，焊接電流的范圍設(shè)定為500～800 A。選取焊接電流、電極壓力、爬坡時間、焊接時間為4種主要因素，每個因素選取三個水平，選用L27正交試驗表。微電阻點焊焊接工藝參數(shù)及正交試驗結(jié)果如表2所示。在島津(SHIMADZU)AG－IS拉伸試驗機上進行拉剪力和剝離力試驗，每組實驗重復(fù)3次，取其平均值。

表2 焊接工藝參數(shù)及正交試驗結(jié)果1)Tab.2 Parameters of weld procedure and orthogonal test results

2 焊接工藝參數(shù)對焊接性能影響

通過對表2正交試驗結(jié)果進行極差分析，其分析結(jié)果如表3和表4所示。

表3 剪切力正交試驗分析Tab.3 Orthogonal experimental analysis of shear force

表4 剝離力正交試驗分析Tab.4 Orthogonal experimental analysis of peel force

2.1 對拉伸－剪切力的影響

由表3看出:焊接電流的極差值達到了12.41，遠(yuǎn)大于其他三個因素，排序為A＞B＞C＞D，對焊點剪切力影響最大的是焊接電流，隨后是電極壓力、爬坡時間，焊接時間對剪切力的影響最小?？梢园l(fā)現(xiàn)在微電阻與常規(guī)電阻點焊中，工藝參數(shù)對焊點剪切力的影響不同。焊接電流和電極壓力是影響焊點剪切力大小的重要因素，通過改變焊接電流和電極壓力可以有效地對焊點剪切力進行控制;爬坡時間和焊接時間的影響較小。

2.2 對剝離力的影響

從表4看出，極差大小排序為A＞C＞B＞D，對焊點剝離力影響最大的是焊接電流，隨后是爬坡時間、電極壓力，焊接時間對剝離力的影響最小;焊接電流的極差較大，表明焊接電流是影響焊點剝離力的重要因素，通過改變焊接電流可以有效地對焊點剪切力進行控制;電極壓力和爬坡時間的極差相近，表明兩者對焊點剪切力的影響程度相近;焊接時間對焊點剪切力的影響最小。

3 BP神經(jīng)網(wǎng)絡(luò)模型的建立

3.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

將焊接電流、電極壓力、爬坡時間、焊接時間作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入量，焊點剪切力和剝離力的混合目標(biāo)值作為BP神經(jīng)網(wǎng)絡(luò)模型的輸出量，通常任意的n維到m維的映射都可以通過一個3層的BP網(wǎng)絡(luò)來完成［13］，增加網(wǎng)絡(luò)的層數(shù)一方面可以降低誤差、提高精度，但同時也使網(wǎng)絡(luò)更加復(fù)雜，從而降低了訓(xùn)練效率［14］。因此建立了3層前向網(wǎng)絡(luò)，一個輸入層、一個隱層、一個輸出層的BP網(wǎng)絡(luò)。隱含層的節(jié)點數(shù)量可以根據(jù)經(jīng)驗參照以下公式進行確定:

式中，l為隱含層的節(jié)點數(shù)，為要求的值;n為輸入層的節(jié)點數(shù)，即輸入的四個因素，取4;m為輸出層的節(jié)點數(shù)，即要求的混合目標(biāo)值，取1;a為1～10區(qū)間內(nèi)的常數(shù)?？梢钥闯觯?jīng)過多次嘗試，當(dāng)隱含層的節(jié)點數(shù)為4時，預(yù)測值與測試值誤差最小，故選4。圖3為建立好的BP模型。

3.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和預(yù)測

利用Matlab軟件將正交試驗的27組數(shù)據(jù)中的18組作為訓(xùn)練樣本對BP神經(jīng)網(wǎng)格進行訓(xùn)練［15］，由于四個輸入?yún)?shù)具有不同的物理意義，數(shù)量級相差較大，為提高預(yù)測值的準(zhǔn)確度，建模時對所有數(shù)據(jù)進行了歸一化處理，網(wǎng)絡(luò)輸出時通過反歸一化得到，并將這27組數(shù)據(jù)全部設(shè)為測試樣本來檢驗網(wǎng)絡(luò)的性能。設(shè)定目標(biāo)誤差為1×10－9，最大迭代次數(shù)為1 000，訓(xùn)練函數(shù)采用trainlm，輸入層與隱層以及隱層與輸出層的傳遞函數(shù)分別為tansig和purelin。圖4為網(wǎng)絡(luò)訓(xùn)練過程，由圖4可知，經(jīng)6次訓(xùn)練網(wǎng)絡(luò)可達到要求。測試結(jié)果如圖5所示。由圖可知，最大預(yù)測誤差小于4%，說明網(wǎng)絡(luò)具有較高精度和預(yù)測能力。

4 點焊工藝參數(shù)遺傳算法優(yōu)化

遺傳算法(GA)是通過模擬自然進化的過程，按照適者生存和優(yōu)勝劣汰的原理來進行全局優(yōu)化的方法，從而獲得最優(yōu)解。

4.1 遺傳算法優(yōu)化

將混合目標(biāo)值作為目標(biāo)函數(shù)，結(jié)合BP神經(jīng)網(wǎng)絡(luò)及遺傳算法，對混合目標(biāo)值進行全局尋優(yōu)，其流程圖如圖6所示。通過MATLAB軟件自帶的gatool工具箱，對混合目標(biāo)值進行極值尋優(yōu)，從而獲得最優(yōu)參數(shù)組合，設(shè)置種群大小為50，變異概率為0.2，交叉概率為0.8，經(jīng)運算后，獲得最優(yōu)個體。

4.2 優(yōu)化結(jié)果分析及驗證

圖7為優(yōu)化過程中適應(yīng)度值變化曲線，經(jīng)過137次循環(huán)迭代之后，獲得尋優(yōu)結(jié)果為55.73 N。此時最優(yōu)點焊工藝參數(shù)組合為:焊接電流800 A、電極壓力8.89 N、爬坡時間 1.608 ms、焊接時間 8 ms。

為驗證遺傳算法尋優(yōu)結(jié)果的可靠性，對該工藝參數(shù)組合進行點焊試驗，并進行拉剪力和剝離力試驗，將其換算后與預(yù)測值進行比較，如表5第一組數(shù)據(jù)所示，預(yù)測模型的誤差小于4%，說明利用遺傳算法尋優(yōu)獲得的結(jié)果是可靠的。

表6為混合目標(biāo)正交分析表，可以得出混合目標(biāo)的最優(yōu)組合為A3B1C2D3，對應(yīng)參數(shù)分別為焊接電流800 A，電極壓力8.89 N、爬坡時間3 ms、焊接時間8 ms，如表5第二組數(shù)據(jù)所示，在此參數(shù)下進行剪切力、剝離力試驗，測量三次取平均值，計算出混合目標(biāo)值為55.68 N，小于遺傳算法尋優(yōu)得出的試驗值，通過遺傳算法可以更精確地獲得最優(yōu)參數(shù)。

表5 遺傳算法尋優(yōu)精度Tab.5 Optimization accuracy of genetic algorithm

表6 混合目標(biāo)正交試驗分析Tab.6 Orthogonal experimental analysis of peel force

5 結(jié)論

(1)對焊點剪切力影響最大的是焊接電流，其次是電極壓力和爬坡時間，焊接時間的影響最小。

(2)對焊點剝離力影響最大的是焊接電流，其次是爬坡時間和電極壓力，焊接時間的影響最小。

(3)基于點焊試驗數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)，建立了0.05 mm厚TC1箔材精密微電阻點焊工藝參數(shù)與焊點質(zhì)量之間的模型，預(yù)測誤差小于4%。

(4)利用遺傳算法(gatool)對電阻點焊工藝參數(shù)與焊接質(zhì)量模型進行優(yōu)化，充分發(fā)揮遺傳算法的全局尋優(yōu)能力，可以獲得最優(yōu)點焊工藝參數(shù)組合。

(5)可以通過BP神經(jīng)網(wǎng)絡(luò)+遺傳算法對多目標(biāo)進行優(yōu)化，并應(yīng)用到工程實際中。

［1］付艷艷，宋月清，惠松驍，等.航空用鈦合金的研究與應(yīng)用進展［J］.稀有金屬，2006，30(6):850－856.

［2］嚴(yán)鏗，方圓.工藝參數(shù)對填充式攪拌摩擦無匙孔點焊性能的影響［J］.焊接學(xué)報，2010，31(10):93－96.

［3］龍振華，程蓉.基于人工智能的薄板電阻點焊數(shù)值分析及工藝參數(shù)優(yōu)化［J］.組合機床與自動化加工技術(shù)，2013(6):139－141.

［4］AFSHARI D，TALEBI H.Prediction of nugget size for resistance spot weld of Mg alloys using artificial neural network［J］.Journal on Material Science，2015，3(1):8.

［5］WAN X，WANG Y，ZHAO D，et al.A comparison of two types of neural network for weld quality prediction in small scale resistance spot welding［J］.Mechanical Systems and Signal Processing，2017，93:634－644.

［6］PARK J M，KANG H T.Prediction of fatigue life for spot welds using back－propagation neural networks［J］.Materials＆ Design，2007，28(10):2577－2584.

［7］錢和平.基于神經(jīng)網(wǎng)絡(luò)鋁基復(fù)合材料焊接接頭力學(xué)性能分析［J］.電焊機，2014，44(11):103－105.

［8］ROLICH T，AJATOVI A H，PAVLINI D Z.Application of artificial neural network(ANN)for prediction of fabrics’extensibility［J］.Fibers and Polymers，2010，11(6):917－923.

［9］王宸煜，黃金河.基于人工神經(jīng)網(wǎng)絡(luò)的點焊工藝參數(shù)選擇和質(zhì)量預(yù)測［J］.吉林大學(xué)學(xué)報(工)，1999(1):31－34.

［10］ MARTN，TIEDRA PD，LPEZ M.Artificial neural networks for pitting potential prediction of resistance spot welding joints of AISI 304 austenitic stainless steel［J］.Corrosion Science，2010，52(7):2397－2402.

［11］孫麗.基于遺傳算法BP神經(jīng)網(wǎng)絡(luò)的多目標(biāo)優(yōu)化方法［J］.激光雜志，2016，37(8):123－128.

［12］金屬箔材室溫拉伸試驗方法［S］.2013.

［13］傅薈璇，趙紅，等.Matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計［M］.北京:機械工業(yè)出版社，2010.

［14］朱文志，胡德安，陳益平，等.基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的電阻點焊工藝參數(shù)優(yōu)化的研究［C］//第十五次全國焊接學(xué)術(shù)會議論文集.青海:中國機械工程學(xué)會，2010:232－236.

［15］PASHAZADEH H，GHEISARI Y，HAMEDI M.Statistical modeling and optimization of resistance spot welding process parameters using neural networks and multi－objective genetic algorithm［J］.Journal of Intelligent Manufacturing，2016，27(3):549－559.