利用模糊神经网络技术预测焊接接头力学性能

摘要：

探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法.通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真.结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%.能够满足实际生产的要求.使用MATLAB和Visuall C++混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径.

关键词：自适应模糊神经网络、力学性能、预测、TIG焊

所属期刊栏目：29

分类号：TG407(焊接、金属切割及金属粘接)

资助基金：教育部"春晖计划"项目Z2005-2-01002

在线出版日期：2008-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33