p-gmaw焊缝成形过程建模与仿真

p-gmaw焊缝成形过程建模与仿真

0低碳钢和铝合金脉冲tig焊接过程建模与仿真焊接大小是决定焊接质量的重要因素。因此，焊接成本控制也是焊接自动化的主要问题。近年来，传感器技术、计算机科学和人工智能理论取得了很大进步，为焊接和形成过程的附近总线提供了新的理论和方法。焊接过程的建模与仿真是设计控制器的前提与关键环节,国内外关于焊缝成形过程建模与仿真的研究已有许多,但多集中在非熔化极气体保护焊接.哈尔滨工业大学和上海交通大学的研究者对低碳钢和铝合金脉冲TIG焊接过程建模与仿真进行了系列研究,并提出了多种动态建模方法.南昌大学的张光云利用BP网络建立了低碳钢TIG熔焊成形中焊缝几何尺寸与焊接工艺参数的关系模型.对于熔化极气体保护焊,由于存在溶滴过渡的影响,焊接过程的不稳定因素与干扰因素更为复杂,实现焊缝成形的精确建模与控制也更为困难,相关研究也较少.兰州理工大学的研究者针对铝合金脉冲MIG焊接过程建立了其传递函数模型与多输入多输出(MIMO)控制模型.文中针对低碳钢P-GMAW,研究了利用神经网络模型进行仿真,进而揭示焊缝成形规律的途径,仿真结果为闭环控制系统的设计提供了依据.1p-m-w过程的动态模型的建立1.1低碳钢板焊接工艺参数分析文中所采用的试验系统主要包括脉冲熔化极气体保护焊(P-GMAW)焊接系统,焊接熔池正反面视觉传感系统、焊接工艺参数实时测控系统三个部分.视觉传感系统示意图如图1所示,图1中的上方为母材和已凝固焊道的截面图.焊接试件为2mm厚低碳钢板,接头形式为对接,焊丝材料为H08Mn2SiA,焊丝直径为1.2mm,喷嘴到工件距离为17mm,配合脉冲熔化极气体保护焊工艺,采用95%Ar+5%CO2作为保护气体,同时采用MM—350焊机的Synergic焊接工艺参数控制方法,以达到一脉一滴的低飞溅熔滴过渡和良好的焊缝成形.视觉系统可以在线实时获取焊接熔池的正面特征参量,包括正面熔池宽度Wt和正面熔池尾部边界在焊缝截面投影上的平均高度Hm,同时可以获取反面熔池宽度Wb.Wt和Wb的物理含义如图1所示,由于熔池尾部边界的高度也就是焊道的高度,因此Hm又可表述为焊缝的平均余高.Hm的求取方法参见作者前期的工作.图1中的H表示传统意义上焊缝的余高,即焊缝凸起于工件表面的最大高度.1.2sibwnnn模型文中选用BP神经网络建立P-GMAW焊缝成形模型,为了简化分析,分别采用焊接电流和焊接速度作为激励信号来获取样本并建模,并分别称其为SIBWNNM(speedinspiritingbacksidewidthneuralnetworkmodel)和CIBWNNM(currentinspiritingbacksidewidthneuralnetworkmodel),通称为反面焊缝成形模型.以下在以焊接电流作为激励信号的模型中,焊接速度设为固定值6mm/s,在以焊接速度作为激励信号的模型中,焊接电流设为固定值92A.试验结果表明,当前时刻的反面熔宽Wb不仅与当前的焊接工艺参数与正面熔池形状相关,而且与其历史值相关.根据同样参数下的平板堆焊阶跃试验结果以及文中采用的采样频率确定模型的阶数为6.在SIBWNNM中,网络的输入选择焊接速度υ、正面熔池宽度Wt、正面熔池高度Hm及它们的历史值,在CIBWNNM中,网络模型的输入为焊接电流I、正面熔池宽度Wt、正面熔池高度Hm及它们的历史值,两种神经网络模型的输入节点数均为21个.隐含层节点数的选择是一个非常关键的问题,文中以测试样本预测误差作为性能指标,确定隐含层节点数为8.模型的输出节点数为1,即Wb.图2为SIBWNNM,CIBWNNM的拓扑结构.对于SIBWNNM,共设计了16组试验,得到1415个样本点,将1～11组试验作为训练样本对神经网络进行学习训练,训练算法为L-M算法;第12～13组试验作为检验样本检验训练结果,以确定训练的循环次数;第14～16组试验作为测试样本,对训练得到的模型进行验证.结果表明SIBWNNM模型预测Wb的平均绝对误差为0.282mm,平均相对误差为5.52%.对于CIBWNNM,共设计了20组试验,共1270个样本点,将1～15组试验作为训练样本对神经网络进行学习训练,训练算法同样为L-M算法;第16～17组试验作为检验样本检验训练结果,以确定训练的循环次数;第18～20组试验作为测试样本,对训练得到的模型进行验证.结果表明CIBWNNM模型预测Wb的平均绝对误差为0.357mm,平均相对误差为7.85%.从SIBWNNM和CIBWNNM的测试结果可以看出,采用焊接工艺参数和正面熔池特征参量的当前值及其历史值,可以较准确地预测当前时刻的反面熔池宽度.焊缝正面成形同反面成形一样,同样决定于焊接工艺参数与工件状况,焊接工艺参数可以人为的设定并实时测定,但工件状况很难做到精确测量与控制,在实际焊接中,要受到工件材料、散热条件、焊丝对中、焊缝间隙及错边等多种因素的影响.文中采用焊接工艺参数作为输入量建立焊缝正面成形过程模型,由于受到工件状况的影响,焊接工艺参数并不能完全确定正面成形,这里采用统一的工件状况建立正面焊缝成形过程模型,以尽可能排除工件状况的影响,旨在为反面焊缝成形模型的仿真、焊缝成形规律的分析及后续控制器的设计提供条件.所建的正面焊缝成形模型分为四种,包括焊接速度激励正面熔宽模型、焊接速度激励正面熔池高度模型、焊接电流激励正面熔池宽度模型、焊接电流激励正面熔池高度模型,分别用SITWNNM、SIMHNNM、CITWNNM和CIMHNNM简写.在SITWNNM与SIMHNNM中,选取11组无间隙对接试验作为样本源,去除焊接初始阶段样本后共得到648个样本点作为训练样本,在CITWNNM与CIMHNNM中,选取13组无间隙对接试验作为样本源,共得到766个样本点作为训练样本.由焊接工艺参数阶跃试验得知,正面熔池宽度对焊接电流和焊接速度阶跃的响应较快,而正面熔池高度的响应较慢.根据传递函数模型的辨识结果确定SITWNNM和CITWNNM模型阶数为5,即模型输入为焊接电流和焊接速度的当前值及前5个历史值,SIMHNNM和CIMHNNM模型阶数为8,即模型输入为焊接电流和焊接速度的当前值及前8个历史值.所有焊缝正面成形模型的隐含层节点数均为8,输出节点数同样均为1,即Wt或Hm.2缝成形模型验证前面的分析中利用不同于训练样本和检验样本的试验对反面焊缝成形模型进行了验证,利用已建立的正反面焊缝成形模型进行多方面的仿真研究,并与实际焊接中得到的规律进行比较,一方面进一步验证模型,另一方面可利用仿真进一步揭示焊接规律.2.1稳态仿真与动态仿真令焊接工艺参数保持不变,当焊接过程达到稳定状态时可得到焊接熔池的几何特征参量,不同焊接工艺参数下所对应的焊接熔池几何特征参量构成了焊接过程的稳态仿真.在焊接过程仿真中,焊接工艺参数的动态变化引起的熔池几何特征参量及反面熔池宽度的变化特性,称为P-GMAW成形过程的动态仿真.在动态仿真过程中,焊接工艺参数的变化频率即为采样频率2.5Hz,动态仿真的起始点与稳态仿真起始点相同.图3a为利用SIBWNNM进行稳态仿真与动态仿真的结果.在利用SIBWNNM进行仿真的过程中,要用到Wt和Hm作为输入,在此同时采用正面焊缝成形模型SITWNNM,SIMHNNM进行仿真,将其输出值分别赋给SIBWNNM中的输入变量Wt和Hm.图3a中用大的标记符表示动态仿真,用小的标记符表示稳态仿真,以便比较.与建模条件相同,此时焊接电流设为固定值92A.从图3a稳态仿真的结果可以看出,随着焊接速度的增加,正面熔池宽度略有减小,正面熔池高度增加,反面熔池宽度减小.同时还可以看出,熔池几何特征参量的变化均为非线性曲线.从动态仿真的结果可以看出,正反面熔池特征参量的动态变化幅度均小于稳态仿真,这是由于熔池几何特征参量相对于焊接工艺参数变化滞后的原因.图3b为利用CIBWNNM进行稳态仿真与动态仿真的结果,与上相同,在此同时采用CITWNNM,CIMHNNM进行仿真,其输出分别作为CIBWNNM中Wt和Hm的输入.图中用大的标记符表示动态仿真,用小的标记符表示稳态仿真.与建模条件相同,此时焊接速度设为固定值6mm/s.从图3b稳态仿真的结果可以看出当焊接电流增大时,正面熔池宽度略有增加,正面熔池平均高度明显减小,反面熔池宽度明显增加.从动态仿真的结果可以看出,正面熔池宽度对焊接电流的响应最快,动态仿真与稳态仿真值几乎重合;而正面熔池高度和反面熔池宽度的变化都有一定的滞后,尤其在仿真起始阶段,滞后较大.2.2显示速度激励模型仿真利用神经网络的泛化能力,通过仿真,也可分析正面熔池几何特征参量与反面熔池宽度之间的关系.在以上正面焊缝成形模型稳态仿真的结果上,模拟工件状况的变化,人为地增加或减小正面熔池宽度和正面熔池高度,再利用反面焊缝成形模型进行仿真,可以揭示正面熔池几何特征参量对反面熔池宽度的影响.图4a,b分别显示速度激励模型仿真过程中,正面熔池宽度和正面熔池高度变化时,反面熔池宽度随之变化的规律;图5a,b分别显示电流激励模型仿真过程中,正面熔池宽度和正面熔池高度变化时,反面熔池宽度随之变化的规律.图4和图5中△Wt和△Hm表示正面熔池宽度与正面熔池高度在原来稳态仿真的基础上人为增加或减少相应尺寸的量值,其中,△Wt和△Hm等于零的位置即为图2中的稳态仿真结果.从数值上看,图4,图5中的曲面形状虽呈非线性,但均为单调增减,观察曲面的变化规律可以得到如下结论,无论对于SIBWNNM还是CIBWNNM,随着正面熔池宽度的减小,反面熔池宽度均增加,随着正面熔池高度的减小,反面熔池宽度也均增加,这一结果与试验结果相符,也表明正面熔池宽度和熔池高度,可以作为特征参量反映反面熔池宽度的变化.从理论上分析,在其它参数和工件状况一定时,焊缝熔融金属的体积一定,正面熔池宽度和熔池高度的减小均表示正面熔融金属体积的减小,这必然对应于反面熔融金属体积的增加,并可以由反面熔池宽度的量值得到体现.3模型拟合分析(1)采用焊接工艺参数与文中所提出的正面熔池特征参量的当前值及其历史值作为输入,通过BP神经网络模型,可以较好地预测反面熔池宽度.(2)稳态仿真与动态仿真揭示了P-GMAW焊缝成形过程的规律,同时表明该过程是一