高级检索

基于SVR模型的水下焊接最佳工艺

叶建雄1,李志刚2,JonathanWu3,周金兰1,彭星玲1,郭波1

叶建雄1,李志刚2,JonathanWu3,周金兰1,彭星玲1,郭波1. 基于SVR模型的水下焊接最佳工艺[J]. 焊接学报, 2017, 38(12): 69-72,94. DOI: 10.12073/j.hjxb.20160425001
引用本文: 叶建雄1,李志刚2,JonathanWu3,周金兰1,彭星玲1,郭波1. 基于SVR模型的水下焊接最佳工艺[J]. 焊接学报, 2017, 38(12): 69-72,94. DOI: 10.12073/j.hjxb.20160425001

基于SVR模型的水下焊接最佳工艺

  • 摘要: 焊接工艺参数的确定,是水下焊接研究领域的重要内容,但恶劣的焊接环境使之成为研究的难点. 以水下湿法浅水药芯电弧焊(FCAW)为研究对象,将其看成一个多输入多输出(MIMO)的非线性系统,利用支持向量回归机(SVR)提高建模精度和预测速度. 首先在正交试验设计的基础上,利用SVR构建水下焊接模型,并与多元非线性回归及BP神经网络所构建的模型进行拟合精度的比较,然后将SVR模型融入进化算法(EA)的全局优化中,利用模型计算个体的评价函数,通过种群进化操作,得到满足要求的最优参数. 结果表明,该方案具有使用方便,效率高,精度好的优点,并能推广应用于众多类似领域,具有重要的理论和实践价值.
  • [1] 刘 剑, 薛 龙, 黄继强, 等. 水下高压干式环境下压力及焊接参数对GMAW焊缝成形的影响[J]. 焊接学报, 2016, 37(2): 29-32, 98.Liu Jian, Xue Long, Huang Jiqiang,et al. Effect of pressure and welding parameters on weld bead geometry of GMAW in underwater hyperbaric dryenvironment[J]. Transactions of the China Welding Institution, 2016, 37(2): 29-32, 98.[2] 程方杰, 张 哲,邓彩艳, 等. 水下焊条半干式仰焊新工艺[J]. 焊接学报, 2016, 37(2): 107-110.Cheng Fangjie, Zhang Zhe, Deng Caiyan,et al. Novel semi-dry type underwater overhead electrode welding technology[J]. Transactions of the China Welding Institution, 2016, 37(2): 107-110.[3] 石永华, 李志辉, 林水强, 等. 水下焊接参数相关性分析及其电弧稳定性研究[J]. 上海交通大学学报, 2015, 49(1): 74-79.Shi Yonghua, Li Zhihui, Lin Shuiqiang,et al. Correlation analysis of process parameters and arc stability of underwater welding[J]. Journal of Shanghai Jiaotong University, 2015, 49(1): 74-79.[4] Chen Bo, Tan Caiwang, Feng Jicai. A study on the arc characteristics of underwater wet welding process[J]. Advanced Manufacturing Technology, 2015(12): 1-8.[5] Shi Yonghua, Zepei Z, Huang Jin. Sensitivity model for prediction of bead geometry in underwater wet flux cored arc welding[J]. Transactions Nonferrous Metals Society of China, 2013(23): 1977-1984.[6] 刘晓春, 赵 欢. 基于数学模型的热处理铝合金水下搅拌摩擦焊接参数优化[J]. 电焊机, 2015, 45(11): 40-45.Liu Xiaochun, Zhao Huan. Parameters optimizations of underwater friction stir welding for heat-treated aluminum alloy based on mathematical model[J]. Electric Welding Machine, 2015, 45(11): 40-45.[7] Tran H T, Kim K Y, Yang H J. Weldability prediction of AHSS stackups using support vector machines[J]. International Journal of Computer and Electrical Engineering, 2014, 3(6): 207-210.[8] Nirmalendhu Choudhury, Ramssh Rudrapati, Asish Bandyopadhyay. Design optimization of process parameters for TIG welding based on Taguchi method[J]. International Journal of Current Engineering and Technology, 2014(2): 12-16.[9] Cortes C, Vapnik V. Support vector networks[J]. Machine Learning, 1995, 20(3): 273-297.[10] Huang Guangbin, Zhou Hongming, Ding Xiaojian,et al. Extreme learning machine for regression and multiclass Classification[J]. IEEE Trans. on Systems, Man, andCybernetics-Part B: Cybernetics, 2012, 42(2): 513-529.
  • 期刊类型引用(3)

    1. 李麒,朱光平. 基于SWT和SVR的重力坝变形预测研究. 人民长江. 2021(11): 169-174 . 百度学术
    2. 左曙光,潘健,吴旭东,冯朝阳. 考虑动圈偏心的电动振动台等效电磁力计算方法. 西安交通大学学报. 2020(08): 132-139 . 百度学术
    3. 叶建雄,彭星玲,李兵. 水下湿法焊接研究进展. 电焊机. 2020(09): 111-117 . 百度学术

    其他类型引用(5)

计量
  • 文章访问数:  487
  • HTML全文浏览量:  9
  • PDF下载量:  225
  • 被引次数: 8
出版历程
  • 收稿日期:  2016-04-24

目录

    /

    返回文章
    返回