基于神经网络模型的CMT脉冲焊接焊缝几何形状预测
Foundry Technology（2018）
摘要
为了研究冷金属过渡(CMT)脉冲焊接过程中工艺参数对熔透、焊缝熔宽和焊缝余高的影响,提出了一种用于预测焊缝几何形状(焊缝高度和宽度)和熔透状态(深度和面积)的反向传播神经网络模型.该模型以峰值焊接电流,焊接速度和热量输入作为输入参数,且以焊缝高度和宽度、熔深和稀释面积作为输出参数,并给出了设计框架.结果表明,神经网络与训练数据有很好的一致性,可以有效地用于焊缝和熔透几何参数的预估.预测值与实验值之间的误差百分比较小,验证了提出模型的有效性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要