研究目的
利用基于人工神经网络和遗传算法的元模型，通过高效寻找合适的焊接参数来最小化复杂多焊缝框架结构的变形。
研究成果
该方法能可靠地识别出优化焊接参数，从而最大程度减少具有多处焊缝的复杂结构中的变形。基于人工神经网络的元建模与遗传算法优化相结合，能有效应对多种焊接可能性所带来的复杂性。
研究不足
该模型未考虑因生产历史导致的相变和预加载。通过改进有限元模型中与温度相关及应变率相关的材料属性，可提高其准确性。
1：实验设计与方法选择：
该方法将整体结构划分为子区域，并采用元模型预测局部变形，随后通过遗传算法寻找最优焊接参数。
2：样本选择与数据来源：
研究采用包含7条焊缝（含对接焊与搭接接头）的典型框架结构。
3：实验设备与材料清单：
研究使用激光束焊接EN AW-6082铝合金板材。
4：实验流程与操作步骤：
包括热有限元模拟、自动热源校准、构件变形的热力计算及遗传算法优化。
5：数据分析方法：
采用人工神经网络进行元建模，并通过遗传算法实现优化。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Laser beam welding equipment
Used for welding the frame structure
-
FE software
Sysweld
E.S.I. Group
Used for numerical calculations and material data extraction
-
FE software
MARC/MENTAT
Used for thermo-mechanical simulations
-
Computer cluster
CoolMUC2
Leibniz Supercomputing Centre
Used to reduce the overall calculation time
-
登录查看剩余2件设备及参数对照表
查看全部
