Analysis of factors affecting fatigue performance of welded joints based on information gain rate
-
摘要: 针对利用信息熵评价焊接疲劳性能影响因素所存在的问题，引入信息增益率的概念，建立了碳钢与不锈钢电阻点焊接头疲劳性能影响因素分析模型，对各因素的信息熵和信息熵占比以及信息增益率等进行分析，以研究各因素对焊接疲劳性能的影响程度. 结果表明，板厚与焊接时间的信息熵以及信息熵占比最大，不确定性最高，电极直径与电极力刚好相反，各因素的信息熵差异较大导致对信息增益有很大影响. 电极直径与电极力的信息增益率为59.34%，对疲劳性能的影响最大；板宽的信息增益率为38.89%，对疲劳性能的影响最小；板厚与焊接时间的信息增益率为52.33%，对疲劳性能的影响仅次于电极直径与电极力.Abstract: Aiming at the problems of using information entropy to evaluate the influence factors of welding fatigue performance, this paper introduces the concept of information gain rate and establishes an analysis model for analyzing the influencing factors of fatigue performance of carbon steel and stainless steel resistance spot welded joints. The information entropy, information entropy proportion and information gain rate of each factor are analyzed to study the influence of each factor on welding fatigue performance. The results show that the information entropy and its proportion of plate thickness and welding time is the largest, and the uncertainty is the highest, however electrode diameter and electrode pressure is just the opposite, the large difference in information entropy of each factor leads to a great influence on the information gain. The information gain rate of electrode diameter and electrode pressure is 59.34%, which has the greatest impact on fatigue performance. The information gain rate of plate width is 38.89%, which has the least impact on fatigue performance. The information gain rate of plate thickness and welding time is 52.33%, the impact on fatigue performance is second to the electrode diameter and electrode pressure.
-
Keywords:
- spot welding joint /
- fatigue /
- influencing factors /
- information gain rate
-
0. 序言
高氮奥氏体不锈钢(high nitrogen austenitic stainless steel，HNASS)具有优异的力学性能、高速抗冲击性能和耐腐蚀性能[1-2]，因此广泛应用于防护材料、造船工业、海洋建筑、生物医学等领域[3-5]， HNASS奥氏体相中N元素含量超过0.4%，马氏体相中N元素含量超过0.08%，使用N元素代替Ni元素作为奥氏体形成剂，提高耐腐蚀性和强度，且不会显著降低延展性和断裂韧性. 目前，HNASS结构的制备方法仍以传统的氮气加压铸造或粉末冶金工艺为基础，采用锻造、焊接和机械加工的方法制造了HNASS的最终零件，上述加工方法在HNASS零件的制造中存在一些局限性，包括生产成本高、加工难度高、工序复杂[6-9].
已经应用HNASS制造的WAAM工艺目前包括电子束增材制造(electron beam additve manafacturing, EBAM)，冷金属转移(cold metal transfer, CMT)和气体金属弧焊(gas metal arc welding, GAM)，工艺层厚度为1 ~ 2 mm，允许更高的沉积速率[10-12]，HNASS存在Cr，N元素，在WAAM过程中会产生严重的飞溅现象，损失N元素降低其力学性能[13]，因此，在提高HNASS沉积速率的情况下，保证组件性能和表面质量至关重要,在相同的沉积速率和能量输入下，HNASS飞溅及其表面质量取决于焊丝熔时的熔滴过渡行为. Huang等人[14]通过分析电压波形和视频成像研究了基于等离子转电弧(plasma transferred arc，PTA)的WAAM工艺中的金属转移行为，并指出根据原料在电弧中的位置，可以实现不同的金属转移模式，会影响工艺稳定性；Li等人[15] 采用流体体积法跟踪等离子弧与液态金属熔池的气液界面，预测了等离子弧的温度场、流场的演化，得到了电位场和电流密度的分布，其中，等离子弧源的能量分布不均匀，存在陡峭的温度梯度，电弧的不同区域具有不同的温度分布，因此，等离子弧增材制造(plasma arc additive manufacturing, PAAM)过程中焊丝相对于弧柱的位置变化会对其熔化过程产生显著的影响. 此外，线径对线材的熔化效率和金属转移方式起着重要作用，是提高WAAM沉积速率的关键因素.
基于PTA的WAAM中，HNASS焊丝直径对工艺特性和沉积速率、飞溅、氮含量之间的关系尚不清楚. 文中研究了焊丝直径、送丝速度、送丝高度对HNASS在PTA工艺下的沉积速率、熔化特性(飞溅)、氮含量的影响，主要研究线径和送丝速度的哪种组合可以提供更高的沉积速率、较少飞溅，N元素含量高的焊缝，获得高沉积速率下高HNASS的WAAM工艺范围.
1. 试验方法
采用直径为1.2，1.6 ，2.0 mm的3种不同尺寸的HNS6-N5高氮钢丝材作为原料，在尺寸为300 mm × 200 mm × 15 mm的304不锈钢基板上进行沉积，基板和丝材的化学成分见表1，保护气体和等离子体气体均为Ar(体积分数为99.99%)，在沉积之前，对304不锈钢基板进行抛光，然后用丙酮清洗以去除任何表面污染. 图1是试验装置的示意图，WAAM系统采用等离子弧焊接系统由TIG交直流一体化焊机(Fronius Magicwave 3000)、等离子控制柜、等离子焊枪(PWM300)和冷水机(CPWL-010ADR)组成，其中TIG交直流一体化焊机控制增材电流和记录电弧电压，时代送丝机(SB-11-P)与机器人控制柜通信，通过控制柜的IO端口控制焊丝抽送，采用的高速摄像机为Phantom® VEO 410相机，该相机采用了 280像素 × 800像素的CMOS传感器记录熔池和金属丝熔化行为，记录速率为5000帧/s，曝光时间为3 μs.
表 1 焊丝和基板化学成分表(质量分数，%)Table 1. Chemical compositions of the substrate and wire材料 C Mn Cr Si Ni Mo N P S 基板 ≤0. 08 ≤2. 0 19. 0 ≤1. 0 9. 0 — — ≤0. 035 ≤0. 03 焊丝 0.027 6.85 21.03 — 5.37 2.38 0.58 0.011 0.001 选用直径为 1.2，1.6 ，2.0 mm 的 3 种不同尺寸的高氮钢焊丝. 首先，对于每个尺寸的丝材，固定焊接电流 200 A、增材速度 3.5 mm/s, 3 种直径丝材分别以 1.58，1.32，1.05 kg/h 增材效率下进行沉积，送丝高度设置为 0 ~ 3.0 mm，每次增加 0.5 mm，研究送丝高度对飞溅和焊缝氮含量的影响. 送丝位置如图 2 所示，将送丝位置沿焊枪中心线与基板的距离定义为h，对于每种尺寸的丝材，h从 0.0 增加到 3.0 mm，每次增加 0.5 mm，用高速摄像机监测金属转移行为及飞溅过程. 此外，设置电流为 150 ~ 250 A，每次增加 50 A，在每个电流水平， 逐步增加送丝速度，通过高速摄像观测得到焊丝不能逐步熔化的极限值，从而得到在某一电流水平下直径对沉积效率的影响.
![]()
图 2 直径1.2 mm丝材在不同送丝速度下的熔滴过渡Figure 2. Droplet transitions of the ϕ 1.2 mm wire under different wire feed speeds. (a) 3.1 m/min; (b) 2.5 m/min采用线切割的方式分离焊道与基板，在焊道中间位置取直径4 mm，厚度1 mm的氮含量测试薄片，采用Inductar NHO测试仪(测量精度为0.15 × 10−6)分别测量所取薄片的氮含量并记录.
2. 试验结果
2.1 送丝速度和送丝位置对熔滴过渡的影响
等离子弧焊接工艺中，第1层级工艺参数为焊接电流、送丝速度、焊接速度，第2层级工艺参数包括送丝高度、喷嘴高度、电压、钨极直径、钨极角度等，通过对1.2，1.6，2.0 mm高氮钢焊丝进行单因素试验，探究了送丝速度对熔滴过渡、过程飞溅的影响，第2层级工艺参数见表2.
表 2 焊接工艺参数Table 2. Welding process paraments焊接速度
v/(mm.s−1)焊道长度
L/mm离子气流量
q1/(L·min−1)保护气流量
q2/(L·min−1)距基板高度
h/mm3.5 100 1.2 19 8 等离子弧增材制造过程中，主要有3种金属转移方式，即表面张力转移(又称液桥过渡)、液滴表面张力转移(又称中间过渡)和自由空间液滴转移(又称液滴过渡). Ríos等人[16]指出，工艺的稳定性和金属转移模式在很大程度上取决于送丝位置. 高氮钢在增材制造过程中的液桥过渡、中间过渡与其他丝材熔滴过渡行为相似，自由过渡则与其他丝材(不锈钢)具有很大的差异. 高氮钢的自由过渡模式可以分为稳定过渡和失稳过渡，稳定过渡即在较低送丝位置、较快送丝速度下熔滴自然长大，在球形状态下与熔池接触进入熔池，如图2(a)所示；失稳过渡为在较高送丝位置或较低送丝速度下，熔滴与熔池之间的距离较远，在熔滴爆破之前不能与熔池接触完成过渡，随着熔滴在焊丝上停留的时间增加，熔滴中不断逸出的氮气积聚使得熔滴爆破，熔滴膨胀过程中受电磁力、重力的共同作用产生较大的变形，熔滴会从较为规则的球形变化为不规则形状，在合力的作用下与熔池接触，从而完成熔滴过渡，如图2(b)所示. 在失稳过渡状态下高氮钢会引起较为明显的飞溅，通过分析采集数据，发现高氮钢等离子弧焊接熔滴几乎没有完全标准的自由过渡，为了获得良好成形的高氮钢焊道，必须在不同的送丝速度下匹配相适应的送丝高度，以保证熔滴在爆破之前与熔池进行接触，从而形成稳定的中间过渡以防止飞溅的产生.
直径为1.2 mm的丝材在3种送丝速度下不同送丝位置的沉积过程，如图3所示. 当送丝速度vs为2 m/min见图3(a)，送丝高度h = 0 mm时，液滴接触熔池，此时为液桥过渡模式，随着送丝高度的增加，丝材都能被电弧熔化，金属转移变为液滴过渡模式，当送丝位置高度增加至1.5 mm时，熔滴出现失稳现象，开始出现飞溅现象，此后，随着送丝高度的增加，其飞溅现象越发的明显. 图3(b)为送丝速度为2.5 m/min下增材过程，与图3(a)相似，在送丝高度h = 0 mm时，同样为液桥过渡模式，且在1.5 mm出现明显的飞溅现象. 从图3(c)可以看出，当送丝速度为3.0 m/min，送丝高度在0 ~ 1.0 mm时，焊丝穿过等离子弧到达熔池，为典型的液桥过渡模式，当送丝位置在1.5 ~ 3.0 mm时，金属转移由液桥过渡转变为液滴过渡模式.
![]()
图 3 直径1.2 mm高氮钢丝材在不同送丝高度与送丝速度下的沉积过程Figure 3. Deposition process of the ϕ 1.2 mm wire under different wire feed heights and speeds. (a) 2.0 m/min; (b) 2.5 m/min; (c) 3.0 m/min对比直径为1.2 mm的丝材在3种送丝速度下的增材过程，发现在较低送丝速度(2.0 ，2.5 m/min)时，增材过程中熔滴过渡过程相似，都是由液桥过渡模式转变液滴过渡模式，且当送丝高度增加至1.5 mm时，出现呈现明显的飞溅，然而，当送丝速度为3.0 m/min时，熔滴同样从液桥过渡转变液滴过渡，送丝高度在0 ~ 3.0 mm没有明显的飞溅，可以归因为高送丝速度下，熔滴与熔池间距较小，熔滴在爆破前与熔池接触完成过渡. 其中，当送丝高度较大时，送丝速度的变化对高氮钢熔滴的过渡行为影响较小，由于等离子弧内部存在温度梯度，沿电弧底部至顶部，电弧温度急剧攀升[17]，在高送丝速度的情况下，当送丝位置较低时，仅靠电弧底部的热量无法使丝完全熔化，意味着部分未熔化的焊丝直接进入熔池，在熔池内部熔化.
图4为直径1.6 mm丝材在3种送丝速度下不同高送丝速度的增材过程，当送丝高度为0 mm时，熔滴均表现为液桥过渡模式；当送丝高度h为1.0 ~ 3.0 mm时，熔滴均表现为液滴过渡；在送丝高度h=1.5 mm时，3种送丝速度下，熔滴均出现飞溅现象. 与1.2 mm丝材不同，1.6 mm丝材在相同高度下随送丝速度的提高，飞溅现象越发的明显. 在图4(a) ~ 图4(c)中可以看出喷嘴外圈黏附了飞溅的熔滴，研究表明，飞溅的主要因素是高氮钢在熔化过程中会产生氮气，熔滴膨胀爆破，而离子气的存在会将膨胀爆破的熔滴飞溅吹向熔池之外，在高速相机下可以明显观察到飞溅[11]. 随着送丝速度的加快，单位时间内熔化的丝材逐渐增加，熔滴生长变大，内部氮气聚集越多，从而产生较为严重的飞溅. 而在低送丝速度下，熔滴本身较小，内部氮气孔没有充足的时间膨胀，在离子气的作用下产生变形与熔池接触从而完成熔滴过渡. 图5为直径1.6 mm焊丝在不同送丝高度与送丝速度下所对应的焊道，由图5(a)可见部分焊道表面出现孔洞，原因为在启动焊接的瞬间，焊丝直接穿过熔池触碰到基板，造成焊接过程不稳定，形成孔洞缺陷，可通过滞后送丝时间解决.
![]()
图 4 直径1.6 mm高氮钢丝在不同送丝高度与速度下的沉积过程Figure 4. Deposition process of the ϕ 1.6mm wire under different wire feed heights and speeds. (a) 1.1 m/min; (b) 1.4 m/min; (c) 1.7 m/min![]()
图 5 直径1.6mm高氮钢焊丝在不同送丝速度下的等离子弧焊道Figure 5. Plasma arc welding passes under different wire feed speeds with the ϕ1.6 mm wire. (a) 1.1 m/min; (b) 1.4 m/min; (c) 1.7 m/min图6为直径2.0 mm的丝材在3种送丝速度下，不同送丝速度高度情况下的增材过程. 2.0 mm丝材的熔滴过渡与1.6 mm丝材的熔滴过渡相同，在较高送丝速度下(0.9 ，1.1 m/min)液桥过渡的送丝高度为0，液滴过渡模式的送丝高度为1.0 ~ 3.0 mm. 当送丝速度下降至0.7 m/min时，在0.5 ~ 3.0 mm的送丝高度范围内，熔滴过渡均为液滴过渡. 在液滴过渡过程中，0.7，0.9，1.1 m/min的送丝速度下，出现飞溅时所对应的送丝高度分别为1.5 ，2.0 ，2.0 mm. 在飞溅产生的高度范围内，相同的送丝高度下，随着送丝速度的增加飞溅更加严重. 图7为不同送丝速度与送丝高度所对应的焊道实物图，与直径1.6 mm丝材所获得的焊道相似，由图7(b)，7(c)可以看出当送丝高度太低时，有一定概率出现缺陷.
![]()
图 6 直径2.0 mm高氮钢丝在不同送丝高度与速度下的沉积过程Figure 6. Deposition process of the ϕ2.0 mm wire under different wire feed heights and speeds. (a) 0.7 m/min; (b) 0.9 m/min; (c) 1.1 m/min![]()
图 7 直径2.0 mm高氮钢焊丝等离子弧焊道Figure 7. Plasma arc welding passes under different wire feed speeds with the ϕ2.0 mm wire. (a) 0.7 m/min; (b) 0.9 m/min; (c) 1.1 m/min2.2 送丝速度和送丝位置对焊缝氮含量的影响
由于N元素在高氮钢丝材内部的过饱和溶解，在增材过程中出现严重的飞溅现象，高氮钢等离子弧增材过程中N元素的逸出会形成氮气泡，引起熔滴的过度膨胀，从而引发熔滴爆破，产生严重的飞溅现象，飞溅不仅会影响高氮钢的成形，而且会造成不同程度的氮损失，降低焊接以及增材件的力学性能. 高氮钢在液桥过渡和中间过渡模式的增材过程不存在熔滴长大，飞溅现象主要存在于自由过渡模式下，PTA过程中飞溅产生的主要过程如图8所示，首先产生近似球形的熔滴，随后在不断的生长过程中，在离子气流、电磁力与重力的共同作用下，熔滴发生剧烈的形貌改变，熔滴围绕未熔化的丝材根部旋转、摆动的现象，在爆破的瞬间熔滴分裂出微小液滴飞溅到熔池之外，形成可观察到的飞溅现象.
![]()
图 8 高氮钢增材过程中熔滴爆破和飞溅过程Figure 8. Droplet blasting and sputtering during the deposition processPTA过程中熔滴过渡模式的变化是产生飞溅的主要因素，送丝速度、送丝高度为最直接的影响因素. 丝材直径在一定程度上会引起熔滴直径的变化，使得高氮钢熔滴过渡和飞溅过程发生变化. 首先，在保证其他试验因素不变的情况下，送丝高度对熔滴过渡的模式变化影响更为明显，如图9所示. 相较而言，增材效率(对应着送丝速度)的变化对增材过程中高氮钢的熔滴过渡模式影响有限，在同一增材效率下不同直径丝材的过渡模式没有表现出明显的变化，同样的，焊丝直径相较于送丝高度对熔滴过渡模式的影响也较小.
此外，低送丝速度下，由于相应焊接电流的降低，熔滴过渡的主导力由重力转变为电磁力，相应地随着焊丝直径的增加，原先在液滴过渡模式下才出现飞溅的情况转变为在液桥过渡或中间过渡模式下同样会产生飞溅.
高氮钢丝材熔焊过程中的飞溅是熔滴内部N元素逸出造成的，该过程通常伴随着焊缝氮含量的下降. 图10为2.0 mm丝径所得焊缝与送丝高度、送丝速度之间的关系，随着送丝高度的增加，高氮钢焊缝中N元素的含量呈现下降的趋势见图10(a)，也表明熔滴过渡模式与焊缝氮含量的变化具有较强的对应关系. 在液桥过渡时，由于焊丝通过液桥与熔池相连，基本没有飞溅产生，并且熔池温度相较电弧内部而言温度较低，过渡过程中的氮损失基本可以忽略，主要为熔池内部的氮损失，损失过程单一，此时焊道中N元素含量最高. 随着送丝高度的增加，熔滴过渡模式转变为液滴过渡(偶尔中间过渡)，且熔滴距离电弧中心区域越来越近，由于电弧温度在距离弧柱中心区域越近的区域，温度急剧攀升. 在液滴过渡模式中，接近弧柱中心区的熔滴过热程度越大，氮逸出越发的剧烈，从而引起飞溅的增加以及N元素损失的加剧，因此，在飞溅产生的送丝高度范围内，高氮钢飞溅随送丝高度的提高而增加，焊缝中的N含量则逐渐下降.
![]()
图 10 2.0 mm丝径所得焊缝氮含量与送丝高度和送丝速度之间的关系Figure 10. Effects of the wire feeding position and speed on the nitrogen content with the ϕ2.0 mm wire. (a) WFS = 0.9 m/min; (b) different wire feeding speeds当固定送丝高度时，焊道内部的氮含量随送丝速度的增加而增加，如图10(b)所示. 结合高速摄像，送丝速度的增加使熔滴从自由过渡转变为中间过渡或液桥过渡，直接压缩了熔滴过渡过长，从而阻止了氮损失的发生以及飞溅的产生，导致焊缝氮含量随着送丝速度的增加而增加.
由图10可知，其他工艺参数不变时，随送丝速度的增加，熔滴过渡模式逐渐由液滴过渡转变为液桥过渡，焊缝N元素含量呈现增加趋势，由于高氮钢力学性能与N含量呈正相关，当考察增材最高效率时，只需要探究所能允许的最大送丝速度即可. 图11为在200 A电流下，1.6 mm直径丝材的两种不同送丝速度下的熔池，当送丝速度达到2.0 m/min时，丝材完全熔化，焊接过程稳定见图11(a)，然而，当送丝速度增加到2.2 m/min时，焊丝无法完全熔化，熔池内出产生了剧烈地扰动见图11(b). 当送丝速度过高时，对于给定的能量输入，由于单位时间内送丝量过高，当前热输入无法完全熔化焊丝，从而引起了熔池的不稳定.
![]()
图 11 送丝速度2.0，2.2 m/min时的沉积过程Figure 11. Deposition processes under different wire feed speeds. (a) 2.0 m/min; (b) 2.2 m/min对所有剩余的焊丝重复相同的试验，获得不同直径丝材在不同电流下所对应的最大送丝速度，如图12所示，可以看出，对于每种直径的丝材，最大送丝速度随电流的增加而增加，但是随着丝材直径的增加而降低.
![]()
图 12 丝材直径和焊接电流对最大送丝速度的影响Figure 12. Effects of the wire diameter and welding current on the maximum wire feed speed在相同电流下，最大送丝速度同样随丝材直径的增加而减小，沉积效率为
$$ R=\left(\mathrm{\text{π} }{d}^{2}v_{\rm{f}} \rho \right)/4 $$ (1) 式中：d为丝材直径；νf为送丝速度；ρ为丝材密度.
根据式(1)和图12的数据，可以得到沉积效率与丝径之间的关系，如图13所示. 对于特定的电流，沉积效率随丝材直径的增加呈现出线性增加的规律，意味着在相同的能量输入下，使用更粗的丝材可以获得更高的沉积速率，因为粗丝可以更大限度地提高当前电流电压下的能量利用率，获得高的沉积效率，此外，相比丝材直径而言，焊接电流的增加对于提高增材沉积效率的影响更为明显，因此，为了获得较高的沉积效率可以综合考虑焊接电流与丝材直径的影响，当采用直径2 mm的丝材，电流250 A时，可以获得超3 kg/h的增材沉积效率.
![]()
图 13 丝材直径和焊接电流对沉积速率的影响Figure 13. Effects of wire diameter and welding current on the deposition rate3. 结论
(1) 送丝速度的提高带来了熔滴过渡模式的转变，有利于阻止高氮钢飞溅的产生，在液滴过渡阶段，飞溅程度随送丝高度的提高而增加，直径较大的高氮钢焊丝具有较宽的液滴过渡和中间过渡区间.
(2) 熔覆焊道中N元素的含量随送丝高度增加而降低，随送丝速度增加而提高. 当送丝速度为1.1 m/min、送丝高度0.0 mm时，焊道中氮损失最低，N元素的质量分数为0.42%；当送丝速度为0.7 m/min、送丝高度3.0 mm时，焊道中氮损失最高，N元素的质量分数为0.24%.
(3) 相同的热输入条件下，高氮钢丝材直径越大，增材效率越高. 当前试验条件下，1.2 mm直径的高氮钢丝材最大增材效率为2.54 kg/h；1.6 mm直径的为2.94 kg/h；2.0 mm直径的为3.08 kg/h.
-
![]()
图 1 信息熵、条件熵、联合熵与信息增益的关系图
Figure 1. Relationship diagram of information entropy, conditional entropy, joint entropy and information gain
![]()
图 2 不同板厚组合下疲劳数据的F-N曲线
Figure 2. F-N curve of fatigue data under different plate thickness combinations
![]()
图 3 各特征的信息熵与信息熵占比
Figure 3. Information entropy and information entropy ratio of each feature
![]()
图 4 影响因素的信息增益与信息增益率
Figure 4. Information gain and information gain rate of influencing factors
![]()
图 5 不同电极直径下疲劳数据的F-N曲线
Figure 5. F-N curve of fatigue data under different electrode diameters
表 1 碳钢与不锈钢电阻点焊疲劳试验数据
Table 1 Fatigue test data of resistance spot welding of carbon steel and stainless steel
序号 板厚
t1 + t2/mm板宽
b/mm搭接长度
a/mm电极直径
d/mm电极力
F/kN焊接时间
t/s焊接电流I/kA
(热输入E)最大载荷
Fmax/kN循环次数
N1 1 + 1 45 5 19 11 15 58% 1.1 1 490 000 2 1.5 + 1.5 45 35 19 11 20 61% 2.6 1 660 000 3 2 + 2 60 45 19 11 23 65% 3.5 1 080 000 4 3 + 3 60 45 22 27 8 + 20 8 + 15 5.5 890 000 5 4 + 4 90 60 22 27 8 + 26 8 + 17 7 590 000 6 1.5 + 5 45 35 19 11 18 60% 4.6 970 000 … … … … … … … … … … 53 2 + 5 45 35 19 11 22 65% 5 1 030 000 
下载: 导出CSV
表 2 疲劳性能等级表
Table 2 Fatigue performance level table
序号 板厚
t1 + t2/mm板宽
b/mm搭接长度
a/mm电极直径
d/mm电极压力
F/kN焊接时间
t/s焊接电流I/kA
(热输入E)等级 1 1 + 1 45 5 19 11 15 58% 1 2 1.5 + 1.5 45 35 19 11 20 61% 2 3 2 + 2 60 45 19 11 23 65% 2 4 3 + 3 60 45 22 27 8 + 20 8 + 15 3 5 4 + 4 90 60 22 27 8 + 26 8 + 17 4 6 1.5 + 5 45 35 19 11 18 60% 3 … … … … … … … … … 53 2 + 5 45 35 19 11 22 65% 3
下载: 导出CSV
表 3 系统内各特征的信息熵、信息增益与信息增益率
Table 3 Information entropy, information gain and information gain rate of each feature in the system
类别 板厚 板宽 搭接长度 电极直径 电极压力 焊接时间 焊接电流(热输入) 等级 信息熵 2.79 1.44 1.87 0.91 0.91 2.79 2.53 1.90 信息增益 1.46 0.56 0.92 0.54 0.54 1.46 1.20 1.90 信息增益率 0.523 3 0.388 9 0.492 0 0.593 4 0.593 4 0.523 3 0.474 3 1
下载: 导出CSV
-
[1] 杨新岐, 张艳新, 霍立兴, 等. 焊接接头疲劳评定局部法研究进展[J]. 机械强度, 2003(6): 675 − 681. doi: 10.3321/j.issn:1001-9669.2003.06.018 Yang Xinqi, Zhang Yanxin, Huo Lixin, et al. Review of fatigue assessment of welded joints by local approaches[J]. Journal of Mechanical Strength, 2003(6): 675 − 681. doi: 10.3321/j.issn:1001-9669.2003.06.018
[2] 霍立兴. 焊接结构的断裂行为及评定[M]. 中国建筑工业出版社, 2000. Huo Lixing. Fatigue behavior and evaluation of welded structure[M]. China Architecture & Building Press, 2000.
[3] 张彦华. 焊接结构疲劳分析[M]. 化学工业出版社, 2013. Zhang Yanhua. Fatigue analysis of welded structure[M]. Chemical Industry Press, 2013.
[4] Shi Y, Guo H. Fatigue performance and fatigue damage parameter estimation of spot welded joints of aluminium alloys 6111‐T4 and 5754[J]. Fatigue & Fracture of Engineering Materials & Structures, 2014, 36(10): 1081 − 1090.
[5] Armansyah, Saedon J, Ho H C, et al. Investigation on parameter contribution to the property of weld joint AA5052-H112 sheets in friction stir spot welding under fatigue load and failure mode[J]. Applied Mechanics and Materials, 2020, 899: 117 − 125. doi: 10.4028/www.scientific.net/AMM.899.117
[6] Yu Huiping, Hu Mingqing, Liu Yuehua, et al. Analysis of the effect of geometrical parameters on fatigue performance of spot-weld joint for ultra-high strength steel[J]. China Welding, 2016, 25(4): 34 − 41.
[7] Ertas A H, Sonmez F O. A parametric study on fatigue strength of spot‐weld joints[J]. Fatigue & Fracture of Engineering Materials & Structures, 2008, 31(9): 766 − 776.
[8] Murugan R, Venugobal P R, Ramaswami T P, et al. Studies on the effect of weld defect on the fatigue behavior of welded structures[J]. China Welding, 2018, 27(1): 53 − 59.
[9] Fricke W. Fatigue analysis of welded joints state of development[J]. Marine Structures, 2003, 16(3): 185 − 200. doi: 10.1016/S0951-8339(02)00075-8
[10] Hobbacher A F. The new IIW recommendations for fatigue assessment of welded joints and components-a comprehensive code recently updated[J]. International Journal of Fatigue, 2009, 31(1): 50 − 58. doi: 10.1016/j.ijfatigue.2008.04.002
[11] Radaj D, Sonsino C M, Fricke W. Recent developments in local concepts of fatigue assessment of welded joints[J]. International Journal of Fatigue, 2009, 31(1): 2 − 11. doi: 10.1016/j.ijfatigue.2008.05.019
[12] 彭凡, 姚云建, 顾勇军. 热点应力法评定焊接接头疲劳强度的影响因素[J]. 焊接学报, 2010, 31(7): 83 − 86. Peng Fan, Yao Yunjian, Gu Yongjun. Influence factors of fatigue strength assessment for welded joints by hot spot stress approach[J]. Transactions of the China Welding Institution, 2010, 31(7): 83 − 86.
[13] 刘刚, 唐柳伦, 黄一. 基于场强法的焊接接头疲劳寿命影响因素研究[J]. 船舶力学, 2014, 18(Z1): 158 − 164. Liu Gang, Tang Liulun, Huang Yi. A study on the influence factors of fatigue in welded joints based on field intensity approach[J]. Journal of Ship Mechanics, 2014, 18(Z1): 158 − 164.
[14] 王东坡, 曹舒, 邓彩艳. 基于缺口应力法的场桥导轨焊接结构疲劳性能评估[J]. 焊接学报, 2016, 37(4): 5 − 8. Wang Dongpo, Cao Shu, Deng Caiyan. Notch stress concepts for fatigue assessment of welded portal crane rail structure[J]. Transactions of the China Welding Institution, 2016, 37(4): 5 − 8.
[15] Yang X H, Zou L, Deng W. Fatigue life prediction for welding components based on hybrid intelligent technique[J]. Material Science and Engineering A, 2015, 642: 253 − 261. doi: 10.1016/j.msea.2015.07.006
[16] 邹丽, 杨鑫华, 孙屹博, 等. 基于变精度粗糙集的铝合金焊接接头疲劳寿命预测[J]. 焊接学报, 2013, 34(4): 65 − 68. Zou Li, Yang Xinhua, Sun Yibo, et al. Fatigue life prediction of aluminum alloy welded joint based on variable precision rough set[J]. Transactions of the China Welding Institution, 2013, 34(4): 65 − 68.
[17] 王春生, 邹丽, 杨鑫华. 基于邻域粗糙集的铝合金焊接接头疲劳寿命影响因素分析[J]. 吉林大学学报(工学版), 2017, 47(6): 1848 − 1853. Wang Chunsheng, Zou Li, Yang Xinhua. Analysis of fatigue life factors of aluminum alloy welded joints based on neighborhood rough set theory[J]. Journal of Jilin University(Engineering and Technology Edition), 2017, 47(6): 1848 − 1853.
[18] 刘亚良, 孙屹博, 邹丽, 等. 基于信息熵的铝合金焊接接头疲劳寿命分析方法[J]. 焊接学报, 2018, 39(4): 67 − 72. doi: 10.12073/j.hjxb.2018390098 Liu Yaliang, Sun Yibo, Zou Li, et al. Fatigue life analysis method of aluminum alloy welded joints based on information entropy[J]. Transactions of the China Welding Institution, 2018, 39(4): 67 − 72. doi: 10.12073/j.hjxb.2018390098
[19] Shannon C E. The mathematical theory of communication[J]. Bell Labs Technical Journal, 1950, 3(9): 31 − 32.
[20] Quinlan J R. Induction of decision trees[J]. Machine Learning, 1986, 1(1): 81 − 106.
[21] Quinlan, J R. C4.5: Programs for machine learning[M]. San Mateo: Morgan Kaufmann Publishers Incorporated, 1993.
[22] Roman F, Nalewajski. Entropy descriptors of the chemical bond in information theory. I. Basic concepts and relations[J]. Molecular Physics, 2004, 102(6): 531 − 546. doi: 10.1080/00268970410001675581
[23] Ghayab H R A, Li Y, Siuly S, et al. Epileptic seizures detection in EEGs blending frequency domain with information gain technique[J]. Soft Computing, 2019, 23(1): 227 − 239. doi: 10.1007/s00500-018-3487-0
计量
- 文章访问数: 354
- HTML全文浏览量: 33
- PDF下载量: 20
