如需要完整文档点击下方 "点击下载文档" 按钮

摘要： 针对焊接过程的高度非线性，多种因素的复杂交互作用，难以预测焊接接头力学性能的问题和常用反馈(Back propagation，BP)神经网络的不足，利用模糊C均值(Fuzzy C-means，FCM)聚类算法和伪逆法相结合，建立焊接接头力学性能模糊径向基(Radial basis function，RBF)神经网络预测模型。以TC4钛合金惰性气体钨极保护焊(Tungsten inert gas arc welding, TIG焊)焊接工艺参数：焊接电流、焊接速度和氩气流量作为模型的输入参数，以焊后力学性能：抗拉强度、抗弯强度、伸长率、焊缝硬度和热影响区硬度作为模型的输出参数。利用27组试验数据对所建模型进行学习训练，用另外9组试验数据进行仿真。结果表明：利用该方法所建模型具有结构稳定、训练速度快、适应性强、鲁棒性好、预测精度高的特点，能够预测焊接接头力学性能。通过数学解析，用函数形式表达了焊接工艺参数与接头力学性能之间的规律，可以优化焊接工艺参数，为调控焊接接头的质量提供依据。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于模糊C均值聚类的模糊RBF神经网络预测焊接接头力学性能建模》

将 完整文档 下载到本地，方便收藏和查阅

文件号：304161

点击下载文档