相关实验视频
Updated: Jun 29, 2025
07:18
Generating Lap Joints Via Friction Stir Spot Welding on DP780 Steel
Published on: August 13, 2019
6.9K
开发FSW工艺参数,用于用7075合金薄板制成的接头
Piotr Lacki1, Anna Derlatka1, Wojciech Więckowski2
1Faculty of Civil Engineering, Czestochowa University of Technology, J.H. Dabrowskiego 69 Str., 42-201 Czestochowa, Poland.
Materials (Basel, Switzerland)
|April 9, 2024
概括
使用人工神经网络 (ANN) 的机器学习优化了接的摩擦接接 (FSW). ANN 预测了关节质量和拉伸强度,从而可以选择最佳的 FSW 过程参数.
科学领域:
- 材料科学与工程 材料科学与工程
- 计算材料科学科学 计算材料科学
- 制造过程 制造过程 制造过程
背景情况:
- 摩擦接 (FSW) 是合金的关键连接工艺.
- 优化FSW参数对于实现高质量的接头至关重要.
- 人工神经网络 (ANN) 为模拟复杂的制造过程提供了一个强大的工具.
研究的目的:
- 开发人工神经网络 (ANN) 以优化摩擦接 (FSW) 参数.
- 预测EN AW 7075接头的质量和拉力承载能力.
- 创建预测地图来选择最佳的FSW过程参数.
主要方法:
- 利用608个FSW实验数据点的数据集来培训ANN.
- 开发了两个MLP (多层感知器) 网络拓:一个用于联合分类 (7-19-2) 和一个用于拉伸强度回归 (7-19-1).
- 输入参数包括旋转速度,接速度和关节/工具几何;输出是关节质量和拉力承载能力.
主要成果:
- 该分类网络在区分好/坏关节方面取得了很高的准确性.
- 回归网络预测了拉力承载能力,验证集质量约为93.6%.
- 预测地图被生成,以方便选择最佳的FSW参数,为三个联合类型.
结论:
- ANN是开发和优化FSW过程参数的有效工具.
- 开发的模型准确地预测了关节质量和机械性能.
- 预测地图为寻求优化合金FSW的工程师提供了宝贵的资源.
