其他
npj: 机器学习—焊接的空隙形成条件
海归学者发起的公益学术平台
分享信息,整合资源
交流学术,偶尔风月
摩擦搅拌焊接(FSW)是一种相对较新的固态焊接工艺,现已广泛应用于航空航天、造船、汽车和其他行业。
影响铝合金搅拌摩擦中孔洞形成的变量依次为刀具销附近的温度、刀具销上的最大剪应力、扭矩和应变速率,影响程度依次递减。
预测孔洞最简单的方法是将原始焊接参数和材料特性输入神经网络,神经网络能够提供一种分类方案,输出二元结果(有孔洞和无孔洞)。
该方法对孔隙形成的预测精度为83.3%。
在预测搅拌摩擦焊接过程中孔洞形成的四个潜在致因变量:
温度、工具销上的最大剪应力、扭矩和应变速率均优于原始焊接参数。
当这些致因变量由降阶分析模型计算并作为ML算法的输入数据集时,神经网络和DT算法的孔隙形成预测的准确率分别为93.3%和90%。
当空洞形成与潜在的致因变量相关时,即通过建立力学数值模型,计算了针尖附近的局部温度、针尖上的最大剪应力、扭矩和应变速率,结果表明,神经网络和DT方法均能较好地预测缺陷的形成,预测精度为96.6%。
扩展阅读
本文系网易新闻·网易号“各有态度”特色内容
媒体转载联系授权请看下方