Controlled stability of variable polarity welding current in VPPAW process
-
摘要: 在铝合金的变极性等离子弧焊(variable polarity plasma arc welding，VPPAW)工艺中，变极性焊接电流的受控稳定性是确保焊接成形质量的前提. 然而，等离子电弧形态会随焊接电流极性的切变而变化，使得等离子电弧作为VPPAW电源的输出负载具有显著的非线性特性，常规比例积分微分(proportional integral derivative, PID)控制策略无法确保VPPAW电源输出电流波形畸变，而输出焊接电流波形的畸变又会进一步加剧电弧负载的非线性特性，降低变极性焊接电流的受控稳定性. 为了改善VPPAW工艺的变极性焊接电流的受控稳定性，研究了常规PID控制策略下铝合金的变极性等离子弧穿孔立向上焊接工艺的焊接电流受控稳定性以及等离子电弧的动态稳定性，引入了模糊控制理论，基于现场可编程门阵列(field programmable gate array, FPGA)的并行逻辑时序设计方法，设计出了一种具有并行运算能力的模糊PID控制器. 验证试验结果表明，具有并行运算能力的模糊PID控制器能够有效地改善VPPAW工艺的变极性焊接电流波形的受控稳定性.Abstract: In the variable polarity plasma arc welding (VPPAW) process of aluminum alloy, the controlled stability of variable polarity welding current is the premise to ensure the welding forming quality. However, the shape of plasma arc will change with the shear of welding current polarity, which makes the plasma arc as the output load of VPPAW power supply have significant nonlinear characteristics. Conventional PID control strategy cannot ensure the distortion of the output current waveform of VPPAW power supply, and the distortion of the output welding current waveform will further aggravate the nonlinear characteristics of the arc load and reduce the controlled stability of variable polarity welding current. In order to improve the controlled stability of variable polarity welding current of the VPPAW process, the controlled stability of welding current and the dynamic stability of plasma arc of aluminum alloy through hole vertical upward welding process under the conventional PID control strategy are studied, the fuzzy control theory is introduced, and then, a fuzzy PID controller with parallel computing ability is designed based on the parallel logic timing design method of field programmable gate array (FPGA). The verification test results show that the fuzzy PID controller can effectively improve the stability of the variable polarity welding current in the VPPAW process.
-
Keywords:
- variable polarity plasma arc welding /
- plasma arc /
- fuzzy PID control
-
0. 序言
焊接是轨道车辆关键结构连接的主要工艺，作为一种新型熔化焊方法，激光填丝焊因具有变形小、焊缝成形好、缺陷少以及接头力学性能高等优点，近年来已备受车体结构焊接的青睐[1-2]. Q310NQL2-Q345NQR2耐候钢激光焊对接接头作为轨道车辆部分关键结构连接常用的接头形式，其在服役运行过程中经常承受复杂的动态载荷，进而引发突然性的疲劳断裂，因此其服役过程的疲劳失效一直是领域内关注的重点问题.
目前焊接接头的抗疲劳设计重点关注接头的疲劳极限和疲劳寿命评估[3-4]，传统的疲劳极限评估方法主要为升降法，而疲劳寿命评估则较多采用成组法完成，这些方法不仅历时长、成本高[5-11]，而且结果往往依赖于经验性的数据统计，因而在很大程度上限制了产品性能测试的速度以及研发效率的提升.疲劳实际上是材料内微观结构在循环载荷状态下朝着损伤累积和失效方向逐渐演化的过程，这一过程表现为耗散能的持续释放，同时伴随着热力学的温升响应变化[12]. 随着热像技术发展的日趋成熟，使得借助红外热像仪精确获取疲劳过程的三阶段温升响应成为可能，进而为构建物理意义更为明确的能量耗散模型奠定基础.
国内外学者以能量耗散为基础做了大量的疲劳研究工作，Fan等人[13-14]以Q235钢为研究对象，建立了一种可实现快速预测宏微观疲劳行为的能量耗散模型，基于此模型测定了Q235钢高周疲劳过程的能量耗散，并与其损伤变量建立了函数关系，进而对其疲劳极限进行了快速评估；Teng等人[15]结合RVE(representataive volume element)模型，进一步优化了Fan等人建立的能量耗散模型，并对SAE 1045钢的宏微观疲劳行为进行了快速预测评估; Yang等人[16-17]进一步研发了与微结构运动相关的能量耗散模型，该模型将滞弹性和非弹性行为的分界点作为疲劳极限预测的特征点，实现了FV520B钢疲劳极限的快速预测；Guo等人[18-20]基于一维热传导方程，推导了一种新的能量耗散计算方法，该方法以平均温升为基础参量，可最大程度上减小计算误差，为发展精确的能量耗散计算模型奠定了基础. 然而上述相关模型依赖的基础参量为第二阶段的温升增量，该参量往往需要大量的时间测得；此外上述研究主要针对非焊接金属材料展开，对于非均质焊接接头疲劳研究虽有涉及[5-11, 21-23]，但其能量耗散模型尚未与疲劳过程的微结构行为建立紧密联系.
为了实现快速、精确的焊接接头疲劳性能评估，以Q310NQL2-Q345NQR2激光焊对接接头为研究对象，以第一阶段的初始温升斜率为基础，结合ISV模型，以期建立一种与焊接接头高周疲劳过程微结构运动联系紧密的能量耗散模型，进而为实现从能量耗散角度出发快速评估疲劳性能奠定基础.
1. 基于ISV理论的本构模型
从热动力学的角度来讲，Hemholtz自由能是状态函数，其值可以通过获取当前的状态变量计算得到，考虑在热弹性范围内，Hemholtz自由能有如下定义[24]，即
$$ \psi = \psi ({\boldsymbol{\varepsilon }},T) $$ (1) 式中：
$\psi $ 为自由能；ε 和T分别为应变张量和绝对温度，是决定状态函数的观测状态变量. 从式(1)可以看出，在弹性尺度内，当ε 和T两个观测状态变量(observable state variable, OSV)确定时，其相关状态函数的值也随之确定. 当材料的变形行为更为复杂时，即其变形存在不完全弹性的情况，例如滞弹性和微塑性，往往必须扩展内部状态变量(ISV)实现独立定义现有的热力学状态函数[24].疲劳是一个伴随着温升演化的不可逆热力学过程, 为精确描述疲劳过程中的热力学状态变化，实现对包含非弹性的力学行为表征，这里引入α和β 两个ISV变量, 因此式(1)可以表示为[24]
$$ \psi (T,{\boldsymbol{\varepsilon }},{\boldsymbol{\alpha }},{\boldsymbol{\beta }}) = u - Ts $$ (2) 式中: T, ε, u和s分别为绝对温度、应变张量、内能以及熵流，此外ISV变量α 代表着与可恢复微结构运动相关的滞弹性行为，例如应力驱动的原子振荡和晶界处的内摩擦，而变量β 则表示不可恢复微结构运动相关的微塑性行为，进而引起材料内部的损伤(图1)，这里α 和β 可以定义为
$$ \left\{\begin{gathered} {\boldsymbol{\alpha }} = ({\alpha _1},{\alpha _2},\cdots,{\alpha _i},\cdots,{\alpha _m}) \\ {\boldsymbol{\beta }} = ({\beta _1},{\beta _2},\cdots,{\beta _j},\cdots,{\beta _n}) \\ \end{gathered} \right.$$ (3) 2. 能量耗散模型
根据热力学第一定律，疲劳过程的热平衡方程可以表示为[19]
$$ \rho C\dot T + {\text{div}}{{{J}}_{\text{q}}} = {d_1} + {\theta _{{\text{the}}}} + {\theta _{{\text{inc}}}} + {r_{\text{e}}} $$ (4) 式中: ρ和C分别为焊缝材料密度和比热；
${{J}}_{\text{q}} $ 为热流；d1，θthe，θinc和re分别表示为$$ {d_1}{\text{ = }}\left(\sigma {{ - }}\rho \frac{{\partial \psi }}{{\partial \varepsilon }}\right) \cdot {{\boldsymbol {\boldsymbol{\varepsilon}} }} - \rho \frac{{\partial \psi }}{{\partial \alpha }} \cdot {{ {\boldsymbol{\alpha}} }} - \rho \frac{{\partial \psi }}{{\partial \beta }} \cdot {{ {\boldsymbol{\beta}} }} $$ (5) $$ {\theta _{{\text{the}}}} = \rho T\frac{{{\partial ^2}\psi }}{{\partial T\partial \varepsilon }} \cdot {{\boldsymbol {\boldsymbol{\varepsilon}} }} $$ (6) $$ {\theta _{{\text{ic}}}} = \rho T\frac{{{\partial ^2}\psi }}{{\partial T\partial \alpha }} \cdot {{ {\boldsymbol{\alpha}} }} $$ (7) 根据文献[24]，可以推导得到
$$ \sigma = \rho \frac{{\partial \psi }}{{\partial \varepsilon }} $$ (8) 将式(8)代入式(5)，d1可以表示为
$$ {d_1}{\text{ = }} - \rho \frac{{\partial \psi }}{{\partial \alpha }} \cdot {{\boldsymbol \alpha }} - \rho \frac{{\partial \psi }}{{\partial \beta }} \cdot {{\boldsymbol \beta }} $$ (9) 式中：
$- \rho \dfrac{{\partial \psi }}{{\partial \alpha }} $ 和$- \rho \dfrac{{\partial \psi }}{{\partial \beta }} $ 为与内部变量α 和β 相关的热力学共轭矢量，其被认为是驱动材料内部达到热力学平衡状态的非平衡力，这里将其分别定义为A和B，得到$$ {d_1}{\text{ = }}{\boldsymbol{A}} \cdot {{\boldsymbol \alpha }} + {\boldsymbol{{ B}}} \cdot {{\boldsymbol \beta }} $$ (10) 式中：α 和β 为与微结构运动相关的内变量变化率，通常被视为广义热力学通量，由非平衡力A和B决定. 这里出于简化目的，假设广义热力学通量α 和β 与非平衡力A和B之间的关系服从线性或比例关系，这个假设对于正在经历高周疲劳过程的材料来说是非常合理的，因为其仅是在平衡状态附近波动，即接近一个准静态平衡过程[25]，即
$$ \left\{\begin{gathered} {{\boldsymbol \alpha }} = {m_{\rm{an}}}{\boldsymbol{A}} \\ {{\boldsymbol \beta }} = {m_{\rm{in}}}{\boldsymbol{B}} \\ \end{gathered} \right.$$ (11) 式中：
${m_{\rm{an}}}$ 和${m_{\rm{in}}}$ 是独立于热力学通量和非平衡驱动力的材料常数. 将式(11)带入式(10)，得到$$ {d_1} = {m_{\rm{an}}}{\left\| {\boldsymbol{A}} \right\|^2} + {m_{\rm{in}}}{\left\| {\boldsymbol{ B}} \right\|^2} $$ (12) 式中：||•||表示矢量的欧几里得范数. 从式(12)可以看出，d1由两部分组成，即一部分由滞弹性引导的能量耗散dan(不构成损伤)，而另外一部分则是与非弹性行为相关的能量耗散(引起疲劳损伤增加)din，式(12)变形为
$$ {d_1}{\text{ = }}{d_{{\text{an}}}}{\text{ + }}{d_{{\text{in}}}}{\text{ = }}{{m_{{\rm{an}}}}}{\left\| {\boldsymbol{A}} \right\|^2} + {{m_{{\rm{in}}}}}{\left\| {\boldsymbol{ B}} \right\|^2} $$ (13) 对于疲劳过程来说，与材料微结构运动相关的非平衡力A和B与外加载荷以及频率有关，因此这里假设||A||2和||B||2与应力幅和频率有如下关系，即
$$ \left\{ \begin{gathered} {\left\| {\boldsymbol{A}} \right\|^2} = \left[ {{u_{{\text{an}}}}({\sigma _{\text{a}}} - {\sigma _{\text{0}}})} \right]\left[ {H({\sigma _{\text{a}}} - {\sigma _{{\text{c0}}}})} \right] \\ {\left\| {\boldsymbol{B}} \right\|^2} = ({u_{{\text{in}}}}{\sigma _{\text{a}}}^kf)\left[ {H({\sigma _{\text{a}}} - {\sigma _{{\text{c1}}}})} \right] \\ \end{gathered}\right. $$ (14) 式中：H(x)为海维赛德阶跃函数(heaviside step function)，即当x≥0时，H(x)=1，当x<0时，H(x)=0；k为幂指数；uan和uin为比例系数；σc0和σc1为与材料微结构运动状态相关的两个特征应力幅值；
${\sigma _{\text{a}}} $ 为应力幅. 将式(14)代入式(13)，得到$$ {d_1} = \left\{ \begin{array}{l} {d_{{\rm{an}}}} = \left[ {{F_{{\rm{an}}}}({\sigma _{\rm{a}}} - {\sigma _{{\rm{c0}}}})} \right],{\sigma _{{\rm{c0}}}} < {\sigma _{\rm{a}}} < {\sigma _{{\rm{c1}}}}\\ {d_{{\rm{an}}}} + {d_{{\rm{in}}}} = \left[ {{F_{{\rm{an}}}}({\sigma _{\rm{a}}} - {\sigma _{{\rm{c0}}}})} \right] + {F_{{\rm{in}}}}{\sigma _{\rm{a}}}^k,{\sigma _{{\rm{c1}}}} < {\sigma _{\rm{a}}} \end{array} \right. $$ (15) 式中：Fan(=man uan f )，Fin(=min uin f )，k，σc0以及σc1可以通过试验测定.
3. 疲劳寿命预测模型
3.1 能量耗散响应
疲劳过程的温升进程由3个阶段组成[5]，分别为初始加载的温度迅速增加阶段(Ⅰ)、热产和热耗散实现平衡的稳定温升阶段(Ⅱ)以及因裂纹扩展引起的温升陡然变化阶段(Ⅲ)，如图2所示.
对于高周疲劳过程，其某一应力水平下的能量耗散计算式为[26]
$$ {d_1}{\text{ = }}{\left. {\rho C\frac{{{\text{d}}T}}{{{\text{d}}t}}} \right|_{t = {t_0}}} $$ (16) 式中：
${\dfrac{{\rm{d}}T}{{\rm{d}}t} }$ 为温度变化率；t0为初始加载时间.如第2节所述，高周疲劳过程的机械能耗散主要由滞弹性和非弹性行为引起[19]，其中当应力幅小于焊接接头的疲劳极限时，其微结构运动主要为可恢复的滞弹性行为，例如轻微的原子振荡或内摩擦，不构成损伤累积；而当应力幅高于焊接接头的疲劳极限时，其微结构运动主要为不可恢复的非弹性行为，例如微塑性，构成接头内部的损伤[5]. 基于此，将疲劳过程中对接接头在不同应力幅水平下微结构运动的分界点定义为疲劳极限，具有明确的物理意义.
为了从宏观热力学角度量化微观尺度内的接头微结构运动行为，在第1节里引入了ISV内变量理论，并分别定义了与滞弹性和非弹性相关的内变量α 和β，进而推导得到了高周疲劳过程的能量耗散计算表达式. 结合第2节建立的能量耗散模型，疲劳过程中不同应力幅水平下的能量耗散响应示意图如图3所示.
![]()
图 3 不同应力幅水平下的能量耗散响应Figure 3. Energy dissipation response under different stress amplitude levels3.2 基于损伤累积的疲劳寿命预测模型
如第1节所述，ISV里的内变量β与引导疲劳损伤累积的不可恢复微结构运动相关，而该疲劳损伤的演化正由内部非平衡力B驱动，并在宏观尺度上表现为非弹性耗散din，因此非弹性耗散din可被视为有效的疲劳损伤指标. 基于此可建立相应的累积损伤评估模型，即
$$ D = \frac{{N{F_{{\rm{in}}}}\sigma _{\text{a}}^k}}{{{{\bar E}_{\text{c}}}}}\left[ {H({\sigma _{\text{a}}} - {\sigma _{{\text{c}}1}})} \right] $$ (17) 式中：D为损伤参数；N为与损伤参量D对应的疲劳寿命；
$\bar {E}_{\rm{c}} $ 为能量耗散临界值，其值可以通过试验测定. 对于一个原始试样来说，其损伤值D可认为是0，当载荷逐渐循环直至疲劳断裂出时，D=1，因此式(17)变形为$$ {N_{\text{f}}} = \frac{{{{\bar E}_{\text{c}}}}}{{{F_{{\rm{in}}}}\sigma _{\text{a}}^k}}\left[ {{H^{ - 1}}({\sigma _{\text{a}}} - {\sigma _{{\text{c}}1}})} \right] $$ (18) 式中：H −1(x)为海维赛德阶跃函数的倒数，即当x≥0时，H −1(x)=1，而当x<0时，H −1(x)=∞. 这里需要注意的是，当σa<σc1时，认为对接接头试样拥有无限寿命，因此依据提出的模型，关键应力幅σc1实际上可以被认为是材料内部可恢复和不可恢复微结构运动的分界应力幅，即σc1等于疲劳极限σf.
通过监测试样焊缝中心的温升增量，建立能量耗散模型，进而结合式(18)即可实现Q310NQL2-Q345NQR2激光焊对接接头的疲劳寿命快速预测.
4. 试验方法
4.1 试验材料
采用激光填丝焊对2.5 mm板厚的Q310NQL2耐候钢和4 mm板厚的Q345NQR2耐候钢进行焊接，激光器功率为6 kW的光纤激光器，焊丝为ER50-G，送丝设备选用数字化送丝结构. 焊接过程中，填充焊丝位于激光之前，激光与试板垂线的夹角为10°，保护气体为氩气，坡口形式为I形(全焊透)，激光焊接过程示意图如图4所示. Q310NQL2耐候钢、Q345NQR2耐候钢、ER50-G焊丝的化学成分以及力学性能见表1和表2所示. Q310NQL2-Q345NQR2激光焊对接接头尺寸如图5所示.
表 1 Q310NQL2和Q345NQR2耐候钢以及ER50-G焊丝主要化学成分Table 1. Main chemical composition of Q310NQL2, Q345NQR2 weathering steel, and ER50-G filler wire材料 C Si Mn P S Cu Cr Ni Ti Fe Q310NQL2 ≤0.12 0.25 ~ 0.75 0.20 ~ 0.50 0.06 ~ 0.12 ≤0.02 0.25 ~ 0.50 0.30 ~ 1.25 0.12 ~ 0.65 — 余量 Q345NQR2 ≤0.12 0.25 ~ 0.75 ≤1.0 0.06 ~ 0.15 ≤0.02 0.25 ~ 0.50 0.30 ~ 1.25 0.12 ~ 0.65 — 余量 ER50-G ≤0.10 ≤0.60 0.90 ~ 1.30 ≤0.025 ≤0.02 0.20 ~ 0.50 0.30 ~ 0.90 0.20 ~ 0.60 — 余量 表 2 Q310NQL2和Q345NQR2耐候钢以及ER50-G焊丝力学性能Table 2. Mechanical propertie parameters of Q310NQL2, Q345NQR2 weathering steel, and ER50-G filler wire材料 屈服强度
ReL/MPa抗拉强度
Rm/MPa断后伸长率
A(%)Q310NQL2 ≥310 480 ~ 670 ≥22 Q345NQR2 ≥345 490 ~ 675 ≥22 ER-50G ≥400 ≥500 ≥22 4.2 疲劳试验与热像测试
根据国家标准GB/T 3075—2008《金属材料 疲劳试验 轴向力控制方法》在PLG-100型疲劳试验机上对Q310NQL2-Q345NQR2对接接头进行疲劳测试(图6)，试验频率为106 Hz，载荷形式采用单轴、正弦变化的动态载荷，应力比(R=σmin/σmax)取0.1. 选用Fluke Ti450红外热像仪对焊缝中心疲劳过程的温升响应进行全程监测，其采集图像的频率为9 Hz. 疲劳试验热像测试具体试验步骤如下.
(1) 借助热像仪监测对接接头焊缝中心在不同应力幅水平下(σa=99.5~171 MPa)的初始阶段温升斜率，结合式(16)计算不同应力幅水平的能量耗散.
(2) 结合建立的能量耗散模型，计算得到不同应力幅下的能量耗散响应，进而测定Fan , Fin，k，σc0以及σc1(疲劳极限)等参数.
(3) 进行恒幅疲劳测试获取能量耗散临界值
${\bar E}_{\rm{c}} $ .5. 试验结果
5.1 不同应力幅下的能量耗散响应分析
根据第2节建立的能量耗散模型，结合式(16)计算了不同应力幅下的能量耗散值，如图7所示. 结合式(15)，采用最小二乘法对试验数据实现了较好的拟合，并对σc0，σc1，Fan，Fin以及k等参数进行了确定(表3).
![]()
图 7 Q310NQL2-Q345NQR2对接接头在不同应力幅下的能量耗散响应Figure 7. Energy dissipation response of Q310NQL2-Q345NQR2 butt joints under different stress amplitudes表 3 能量耗散模型参数Table 3. Parameters of energy disspation modelσc0 σc1 Fan Fin k 65 126 4.7 × 10−2 8.20 × 10−23 10.18 从图7中可以看出，随着应力水平的增加，能量耗散值随之增加，且在第一类关键应力(σc0=65 MPa)和第二类关键应力(σc1=126 MPa，即疲劳极限)之间，其能量耗散与应力幅的依赖程度几乎是线性的；而当应力幅值超过第二类关键应力σc1时，其不同应力幅下的能量耗散响应关系呈现为非线性趋势，这与前述模型所述一致(图3). 结合建立的能量耗散模型(式(15))对试验数据拟合，拟合的决策系数R2为0.97，这表明能量耗散模型与试验数据的一致性较高，这种较高的一致性源于两种不同的微结构演化机制，如3.1节所述，当应力幅等级介于σc0和σc1之间，其微结构运动主要为可恢复的滞弹性行为，例如轻微的原子振荡或内摩擦，因此在该阶段其能量耗散的响应几乎是线性的；而当应力幅等级高于σc1(即疲劳极限)时，由于不可逆微塑性行为的出现，且占该阶段微结构运动的绝大部分，使得其能量耗散响应急剧增加，且呈现为非线性的特点.
$${d_1}{\rm{ = }}\left\{ \begin{array}{l} {d_{{\rm{an}}}} = \left[ {0.047 ({\sigma _{\rm{a}}} - 65)} \right],\quad 65 < {\sigma _{\rm{a}}} < 126\\ {d_{{\rm{an}}}}{\rm{ + }}{d_{{\rm{in}}}} = \left[ {0.047 ({\sigma _{\rm{a}}} - 65)} \right]+\\ \qquad\qquad 8.20 \times {10^{ - 23}} {\sigma _{\rm{a}}}^{10.18},\quad {\sigma _{\rm{a}}} > 126 \end{array} \right.$$ (19) 5.2 基于能量耗散的疲劳寿命预测
如3.3节所述，疲劳过程中的能量耗散存在临界值Ec, 因此结合图3和式(19)，对应力幅为148.5 MPa下与不可逆微结构运动相关的能量耗散临界值进行了计算，可确定
${\bar E}_{\rm{c}}$ 为1.35 × 105 J/m3. 从图8中可以看出，试样的不可逆能量耗散值基本分布在平均值加减一个标准差的范围内，这表明该临界值几乎是一个常数，与文献报道的结果一致[17].![]()
图 8 应力幅为148.5 MPa下的对接接头高周疲劳能量耗散及其平均值Figure 8. Energy dissipation and its mean value of butt joints with the stress amplitude equals 148.5 MPa基于试验测定的能量耗散临界值
${\bar E}_{\rm{c}} $ ，结合3.3节建立能量耗散模型(式(18))对Q310NQL2-Q345NQR2对接接头的疲劳寿命进行了快速预测，如图9所示，拟合方法为最小二乘法. 从图9中可以看出，两条拟合S-N曲线非常接近，其中经预测数据拟合的S-N曲线斜率和截距为−10.18和27.22，而经试验数据拟合的S-N曲线的斜率和截距为−10.78和28.52，其相对误差值分别为5.54%和4.77%，均小于10%，从而验证了提出模型具有较高的精度. 因此在试样有限的情况下，结合建立的能量耗散模型，获取其不同应力等级下的能量耗散响应情况，继而可实现Q310NQL2-Q345NQR2对接接头的疲劳寿命快速预测评估. 值得指出的是，尽管该模型对于Q310NQL2-Q345NQR2对接接头的疲劳性能具有较好的预测能力，但是其对于其它类型接头的适用性还需要在接下来的工作中进一步验证.![]()
图 9 经预测数据和试验数据拟合的中值S-N曲线对比Figure 9. Comparison of the median S-N curve fitted by the predicted and tested data6. 结论
(1)结合ISV理论的本构模型，提出了一种新的基于能量耗散理论的对接接头高周疲劳寿命快速预测模型.
(2)模型引入了两个关键应力幅，并将其与可恢复微结构运动(滞弹性)和不可恢复微结构运动(非弹性)开始形成的关键应力幅σc0和σc1(疲劳极限)建立了紧密关系，阐明了疲劳过程中的微结构运动的物理意义.
(3)基于建立的疲劳寿命预测模型，对Q310NQL2-Q345NQR2对接接头的疲劳进行了快速预测，并借助预测数据对其S-N曲线进行了拟合，结果表明，经预测数据和试验数据拟合的中值S-N曲线非常接近，其斜率和截距误差仅为5.54%和4.77%，从而验证了提出模型的有效性.
-
![]()
图 2 VPPAW电源输出变极性焊接电流关键波形
Figure 2. Key waveform of VPPAW power supply output variable polarity current. (a) base current; (b) auxiliary base current; (c) variable polarity base current; (d) variable polarity welding current
![]()
图 3 纯电阻负载情况下VPPAW电源输出关键电流波形
Figure 3. Key current waveform of VPPAW power supply under pure resistance load. (a) variable polarity welding current; (b) base current
![]()
图 4 等离子电弧形态切变特点
Figure 4. Morphologic variation of plasma arc. (a) DCEN half wave cylindrical acr; (b) DCEP half wave conical arc
![]()
图 5 常规PID控制下VPPAW电源输出关键电流波形
Figure 5. Key current waveform of VPPAW power under PID control. (a) variable polarity welding current; (b) base current
![]()
图 6 常规PID控制下等离子电弧形态变化情况
Figure 6. Morphologic variation of plasma arc under PID control
![]()
图 11 全桥DCDC逆变电路输出基值电流波形
Figure 11. Base current waveform of the full bridge DCDC inverter circuit
![]()
图 12 e,ec,Kp,Ki,Kd的隶属度曲线
Figure 12. Membership curves of e ,ec, Kp, Ki and Kd. (a) membership curve of input data e; (b) membership curve of input data ec; (c) membership curve of input data Kp; (d) membership curve of input data Ki; (e) membership curve of input data Kd
![]()
图 14 模糊PID控制下VPPAW电源输出关键电流波形
Figure 14. Key waveform of VPPAW power supply under fuzzy PID control. (a) variable polarity welding current; (b) base current
![]()
图 17 模糊PID控制下等离子电弧形态变化情况
Figure 17. Shape of plasma arc in VPPAW process under fuzzy PID control
![]()
图 18 模糊PID控制策略下穿孔熔池背部图像
Figure 18. Back perforation molten pool image under FUZZY PID control strategy
表 1 铝合金的VPPAW试验主要参数
Table 1 Main parameters of VPPAW experiment
离子气体流量
Q0/(L·min−1)保护气体流量
Q/(L·min−1)焊接速度
v/(mm·min−1)正极性电流
Ib/A反极性电流
Ip/A正半波时间
tb /ms负半波时间
tp/ms3.2 10 300 100 180 8 2 
下载: 导出CSV
表 2 输入和输出数据论域划分方式
Table 2 Domain division method of input and output data
序号 划分等级 e/A ec/(A·μs−1) 比例系数Kp 积分系数Ki 微分系数Kd 1 NB [−300, −250] [−18, −15] [0.1, 0.158 3] [0, 0.5] [0.005, 0.007] 2 NM5 [−300, −250, −200] [−18, −15, −12] [0.1, 0.158 3, 0.216 6] [0, 0.5, 1] [0.005, 0.007, 0.009] 3 NM4 [−250, −200, −150] [−15, −12, −9] [0.158 3, 0.216 6, 0.274 9] [0.5, 1, 1.5] [0.007, 0.009, 0.011] …… …… …… …… …… …… …… 12 PM5 [200, 250, 300] [12, 15, 18] [0.683, 0.741 3, 0.8] [5, 5.5, 6] [0.025, 0.027, 0.030] 13 PB [250, 300] [15,18] [0.7413, 0.8] [5.5, 6] [0.027, 0.030]
下载: 导出CSV
-
[1] 方连军, 阚田田, 刘晓娟, 等. 浅谈航空航天中的铝合金焊接工艺[J]. 科技创新与应用, 2021, 129(17): 49. Fang Lianjun, Kan Tiantian, Liu Xiaojuan, et al. Discussion on aluminum alloy welding process in aerospace[J]. Scientific and Technological Innovation and Application, 2021, 129(17): 49.
[2] 陈树君, 田家兴, 刘岩, 等. 铝合金变极性等离子弧焊(VPPA)焊接专机: CN202010030787.1[P]. 2020 – 06 – 02. Chen Shujun, Tian Jiaxing, Liu Yan, et al. Aluminum alloy variable polarity plasma arc welding (VPPA) welding machine: CN202010030787.1[P]. 2020 – 06 − 02.
[3] Sahoo A, Tripathy S. Development in plasma arc welding process: a review[J]. Materials Today:Proceedings, 2020, 41(2): 363 − 368.
[4] 雷玉成, 郑惠锦. 穿孔法等离子弧立焊焊缝成形机理初探[J]. 江苏理工大学学报:自然科学版, 2000, 21(1): 61 − 64. Lei Yucheng, Zheng Huijin. Preliminary study on weld forming mechanism of through hole plasma arc vertical welding[J]. Journal of Jiangsu University of Technology:Natural Science Edition, 2000, 21(1): 61 − 64.
[5] 于长海. 大熔深穿孔等离子弧焊接工艺试验研究[D]. 济南: 山东大学, 2020. Yu Changhai. Experimental study on large penetration piercing plasma arc welding process [D]. Jinan: Shandong University, 2020.
[6] Zhang Y M, Ma Y. Stochastic modelling of plasma reflection during keyhole arc welding[J]. Measurement Science and Technology, 2001, 12(11): 1964. doi: 10.1088/0957-0233/12/11/328
[7] Jia C B, Wu C Z, Zhang Y M. Sensing controlled pulse key-holing condition in plasma arc welding[J]. Transactions of Nonferrous Metals Society of China, 2009, 19(2): 341 − 346. doi: 10.1016/S1003-6326(08)60275-7
[8] Saad E, Wang H, Kovacevic R. Classification of molten pool modes in variable polarity plasma arc welding based on acoustic signature[J]. Journal of Materials Processing Technology, 2006, 174(1-3): 127 − 136. doi: 10.1016/j.jmatprotec.2005.03.020
[9] Liu L, Xue D, Zhang S. General type industrial temperature system control based on fuzzy fractional-order PID controller[J]. Complex & Intelligent Systems, 2021. https:/doi.org/10.1007/s40747-021-00431-9.
[10] Paul S, Arunachalam A, Khodadad D, et al. Fuzzy tuned pid controller for envisioned agricultural manipulator[J]. International Journal of Automation and Computing, 2021, 18(4): 568 − 580. doi: 10.1007/s11633-021-1280-5
[11] 王述彦, 师宇, 冯忠绪. 基于模糊PID控制器的控制方法研究[J]. 机械科学与技术, 2011, 30(1): 166 − 172. Wang Shuyan, Shi Yu, Feng Zhongxu. Research on control method based on fuzzy PID controller[J]. Mechanical Science and Technology, 2011, 30(1): 166 − 172.
[12] 王志华, 李绍文. 基于FPGA的模糊PID控制器的研究[J]. 微计算机信息, 2009, 25(29): 168 − 170. Wang Zhihua, Li Shaowen. Research on fuzzy PID controller based on FPGA[J]. Microcomputer Information, 2009, 25(29): 168 − 170.
-
期刊类型引用(0)
其他类型引用(1)
计量
- 文章访问数: 338
- HTML全文浏览量: 68
- PDF下载量: 25
- 被引次数: 1
