CN104002019A

CN104002019A - 基于电弧混沌特性优化算法的焊接材料工艺性评价方法

Info

Publication number: CN104002019A
Application number: CN201410224863.7A
Authority: CN
Inventors: 李志勇; 冯立; 丁森; 张英乔
Original assignee: North University of China
Current assignee: North University of China
Priority date: 2014-05-26
Filing date: 2014-05-26
Publication date: 2014-08-27
Anticipated expiration: 2034-05-26
Also published as: CN104002019B

Abstract

本发明公开了一种基于电弧混沌特性优化算法的焊接材料工艺性评价方法，涉及各种弧焊方法使用焊接材料的工艺性评价方法，解决焊接材料工艺性无法有效量化评价、评价指标体系复杂、不可靠的问题。本发明是通过构建一个焊接材料工艺性评价平台，并创建一个焊接材料工艺性评价方法，将采集得到的电压、电流信号通过霍尔传感器传输到采集软硬件系统，转化成数字信号后，对混沌特性算法进行改进和优化，进行焊接材料工艺性评价。本发明实现了焊接材料工艺性的量化评价，有效解决工业中对焊接材料无法客观有效量化评价的难题。

Description

基于电弧混沌特性优化算法的焊接材料工艺性评价方法

技术领域

本发明涉及各种弧焊方法使用焊接材料的工艺性评价方法，特别涉及一种基于电弧混沌特性优化算法的焊接材料工艺性评价方法。

背景技术

焊接材料在应用过程中，由于受到原材料以及生产工艺等因素的影响，往往存在焊丝不均匀、稳弧性差、飞溅大等工艺不稳定现象，直接影响焊接过程的稳定性和焊接质量。因此，焊接材料工艺性的好坏非常重要，它决定了焊接材料的推广应用，成为焊接材料是否具有市场竞争力的决定性因素。

如何对焊接材料的工艺性进行评价，一直是业内人士所关注的问题。长期以来，传统的焊接材料工艺性评价主要是采用飞溅收集与测定、稳弧和燃弧性能测定等方法；以及其他主观评价方法，依靠人的经验和直觉来判断。但是此类方法受主观影响很大，评价标准不一，具有很多局限性，很难对焊丝的工艺性做出准确和科学的评价。如果用一种定量标准对药芯焊丝进行科学评价，使得焊接材料的工艺性分析和评价由定性评估，提高到以焊接过程数据信息为基础的定量分析与判定，将对焊接材料的改进及焊件质量提高产生重要影响。

近年来，一些研究者认识到上述问题，采集焊接过程中的电信号，基于统计学分析方法，采用短路时间、变异系数、电压、电流概率密度等指标来对焊接材料进行评价。虽然上述方法被证明基本可靠有效，但该类评价指标存在以下缺点:（1）适用性差，不同类型的焊接材料需要采用不同的指标，多指标体系为评价方法的推广使用非常不利；（2）对测试评价的实验条件要求严格，如：在短路过渡条件下的指标不能用于喷射过渡中，测试结果受测试条件和参数影响大，很难在工业实际中采用；（3）评价体系建立在二次指标基础上，属于经验性指标，指标的物理意义不明确。上述缺点影响了该方法的工业应用。

焊接过程的混沌现象已得到研究者的认可，混沌是指处于非周期变化的非线性过程。焊接过程的电信号变化恰好具备混沌特征，混沌指标的物理意义就是反映非线性系统的稳定性程度。如何采用电弧混沌特征来评价焊接材料的工艺性，是其应用的一个重要发展方向。因此，本发明基于对焊接电弧物理现象中混沌特性的研究，提出了采用混沌特性优化算法来评价焊接材料工艺性。是一种新型的焊接材料工艺性有效量化评价方法。

发明内容

本发明是为了解决焊接材料工艺性无法有效量化评价、评价指标体系复杂、不可靠的问题，而提供了一种基于电弧混沌特性优化算法的焊接材料工艺性评价方法。

本发明是通过以下技术方案实现的：

基于电弧混沌特性优化算法的焊接材料工艺性评价方法，是构建一个焊接材料工艺性评价平台，并创建一个焊接材料工艺性评价方法，将采集得到的电压、电流信号通过霍尔传感器传输到采集软硬件系统，转化成数字信号后，通过混沌特性李雅普诺夫指数改进优化算法，计算相应的最大李雅普诺夫指数作为评价指标，进行焊接材料工艺性评价，步骤为：

（1）设定焊接参数，焊机进行焊接，焊接过程要尽可能排除外界干扰因素等的影响，保证焊接过程中工艺性的差别是由焊接材料的不同引起；

（2）采集焊机焊接过程中的电压和电流信号，并将电压和电流信号通过霍尔传感器，传输到采集软硬件系统，转化成数字信号后，存贮到计算机中；

（3）将采集到的电压、或电流信号进行归一化取样，每次评价取样的数据量不低于三千，使得采样数据满足混沌计算的要求，具体按照判识要求选定，需要考虑到计算速度和精度；

（4）将取样后的数据作为数据源，采用混沌特性李雅普诺夫指数改进优化算法，计算相应的最大李雅普诺夫指数作为评价指标，计算方法和步骤如下：

a）相空间重构：首先需要将取样的数据作为一个数列，表示为；然后按照一定时间延迟(延迟时间的确定与嵌入维数m一起进行，具体计算方法参见步骤b），从开始，构造第一个演化相点，如式（1）所示：

（1）

依次构造其余相点，形成嵌入维欧氏空间，如式（2）所示，

（2）

b）参数匹配法优化算法确定时间延迟和嵌入维数

对于相空间重构中的时间延迟和嵌入维数的确定，利用平均位移法来匹配实现，具体计算过程如下：首先给出初始化数值m=1，τ=1，在此嵌入维数（m=1）下，计算出平均位移随τ变化的斜率，将其与初始斜率比较，然后逐步增加m和τ值进行迭代，直到其值小于初始斜率的40%时，迭代结束，则选此时的τ和m为最佳参数，再利用混沌特征指数无标度区间判断两者的取值是否达到最佳，作为相空间重构的参数，对于系统整体而言，如果无标度区间在一定误差范围内呈现平行时，说明在此时吸引子被完全打开，重构相空间与原系统状态拓扑等价；

c）最大Lyapunov指数计算（简称LLE）

LLE指数决定轨道发散即覆盖整个吸引子的方向，LLE指数越大，其混沌程度越明显，采用Wolf法计算LLE，具体算法如下：对于重构的相空间（式2），从初始点开始，追踪最近邻的两个相点随着时间推移的演化距离的变化情况。设初始点为Y(t₀)，其与最近邻点Y₀(t₀)的距离为L₀，预先给的阀值，追踪这两点的时间演化，直到时刻。继续上述过程，直至到达时间序列的终点，这时追踪演化过程总的迭代次数为，则最大Lyapunov指数为

（3）

d）多条件判识法确定无标度区间

针对无标度区间确定时存在的问题，将相关系数和曲率判据联合使用来确定无标度区间，具体实现方法为：以焊接信号的关联积分曲线为基础，将区间内各点在误差范围内曲率为0作为确定参考区间的条件，以相关系数最大为精确判定区间位置条件，来选取无标度区间；

（5）由上述方法计算出的LLE值，通过多次焊接工艺试验确定量化范围,针对短路过渡、滴状过渡、喷射过渡等过渡形式，得到的计算结果可直接评价不同的过渡形态下焊接材料工艺性,也可进一步确定确定归一化系数（α=1/量化范围极值），与本方法计算的LLE相乘后得到修正的LLE值，作为焊接材料工艺性的判据;其值越大，表明焊接过程越不稳定，焊接材料工艺性越差。

进一步地，步骤（1）所述的焊接参数，短路过渡形态：18V、60~90A；细滴过渡形态：28V、110~170A；喷射过渡：32V、190~270A，焊接过程选定气体纯度为99%CO₂或者Ar，焊接试件材质为A3钢，表面进行机械除锈，送丝稳定，以保证焊接过程中工艺性的差别是由焊接材料的不同引起。

所述的电压和电流信号的采集时间10S、采样频率10KHZ，每次评价取样的数据量为六千。

所述的短路过渡的量化范围为0~1.2），滴状过渡的量化范围为0~0.9，喷射过渡的量化范围为0~0.5。

将本发明方法与统计评价方法的对比：

对于焊接材料的工艺性评价，过去的统计评价方法，往往要根据熔滴过渡形态选取特定的焊接参数，并且在不同参数下的统计评价方法并不相同，某一参数下的评价方法仅适用于在当前参数下。如图4、5所示，分别采用过渡周期变异系数和短路时间T1，来评价五种焊接材料在两个参数下的工艺性，图6为本发明方法的评价结果，从图中可以看出，说明本方法在两种参数下均适用，而且与传统方法相比，本发明方法对于工艺性差异的辨识度更高，如图6所示，对于TM-70C和GC-4两种工艺性较差焊丝，它们的计算值比工艺性好的焊丝相比高出了一个数量级，而在传统的两种统计评价方法中，其辨识度并不高。

本发明对混沌特性算法进行改进和优化，使其适用于焊接材料工艺性的评价，在不同焊接条件和熔滴过渡形态下，实现焊接材料工艺性的量化评价，有效解决工业中对焊接材料无法客观有效量化评价的难题。

附图说明

图1是本发明的电信号采集系统装置；

图2是参数匹配法优化算法流程；

图3是本发明相关算法的计算模块功能；

图4是过渡周期变异系数统计方法评价焊接材料工艺性；

图5是短路时间T1统计方法评价焊接材料工艺性；

图6是本发明方法的评价焊接材料工艺性；

图7是DW-100在不同焊接参数下进行施焊时的焊道照片；

图8是短路过渡不同参数下本发明方法的评价结果；

图9是短路过渡对应焊缝成型的照片；

图10是细滴过渡不同参数下本发明方法的评价结果；

图11是细滴过渡对应焊缝成型的照片；

图12是喷射过渡不同参数下本发明方法的评价结果；

图13是喷射过渡对应焊缝成型的照片。

具体实施方式

实施例1

一种基于电弧混沌特性优化算法的焊接材料工艺性评价方法，构建一个焊接材料工艺性评价平台，并创建一个焊接材料工艺性评价方法，将采集得到的电压、电流信号通过霍尔传感器传输到采集软硬件系统，转化成数字信号后，通过混沌特性李雅普诺夫指数改进优化算法，计算相应的最大李雅普诺夫指数作为评价指标，进行焊接材料工艺性评价，步骤为：

（1）设定焊接参数，焊机进行焊接；

（2）采集焊机焊接过程中的电压和电流信号，并将电压和电流信号通过霍尔传感器，传输到采集软硬件系统，转化成数字信号后，存贮到计算机中，其中采集系统装置如图1所示；

（3）将采集到的电压、或电流信号进行归一化取样，每次评价取样的数据量为六千；

（4）将取样后的数据作为数据源，计算相应的最大李雅普诺夫指数作为评价指标，其中计算方法和步骤如下：

相空间重构：将取样的数据作为一个数列，表示为，然后按照一定时间延迟，从开始，构造第一个演化相点，由式（1）所示：

（1）

依次构造其余相点，形成嵌入维欧氏空间，由式（2）所示，

（2）

其中，时间延迟和嵌入维数利用平均位移法来匹配实现，具体计算过程为：首先给出初始化数值m=1，τ=1，在此嵌入维数（m=1）下，计算出平均位移随τ变化的斜率，将其与初始斜率比较，然后逐步增加m和τ值进行迭代，直到其值小于初始斜率的40%时，迭代结束，则选此时的τ和m为最佳参数，再利用混沌特征指数无标度区间计算两者的最佳取值，作为相空间重构的参数，其中算法流程如图2所示；

最大Lyapunov指数计算：由式（3）获得，

（3）

其中由式（2）计算获得，从初始点开始，追踪最近邻的两个相点随着时间推移的演化距离的变化情况，设初始点为Y(t₀)，其与最近邻点Y₀(t₀)的距离为L₀，预先给的阀值，追踪这两点的时间演化，直到时刻，继续上述过程，直至到达时间序列的终点，这时追踪演化过程总的迭代次数即为；

多条件判识法确定无标度区间：将相关系数和曲率判据联合使用来确定无标度区间，具体为：以焊接信号的关联积分曲线为基础，将区间内各点在误差范围内曲率为0作为确定参考区间的条件，以相关系数最大为精确判定区间位置条件，来选取无标度区间；

上述计算方法可通过计算机编程实现，基本模块功能如图3所示；

（5）针对短路过渡、滴状过渡、喷射过渡的过渡形式，计算得到Lyapunov指数，用于评价不同的过渡形态下焊接材料工艺性。

实施例2

采用本发明方法对短路过渡下不同焊接材料工艺性综合评价

不同焊接材料的工艺性的科学和精确评价非常重要，一般而言，对于一种工艺性优良的焊丝，在正常匹配的不同工艺参数下进行施焊，其工艺性和焊接质量都较好。

如图7所示，为DW-100在不同焊接参数下进行施焊时的焊道照片，可以看到其工艺性和焊缝成型都良好，采用本发明方法对不同焊接材料，在典型过渡形态对应焊接参数下的工艺性进行评价，能够反映焊接材料的综合工艺性好坏。

对于过渡形态均为短路过渡的情况，选取了不同的四组焊接参数（电压18V，电流60、70、80、90A），针对五种不同型号焊丝（DW100、GC-4、K71-TLF、KFX-71T、TM-70C），通过开展系列实验，计算本发明方法LLE值后进行归一化处理（除以量化范围值1.2)，其结果如图8所示，可以看到，在不同的参数下，对于几种焊丝工艺性的评价，其评价结果完全一致，说明了本发明方法在短路过渡形态下的可靠性。

图9为短路过渡对应焊缝成型的照片，可以看到DW100焊缝成型最好，GC-4最差，K71-TLF、KFX-71T成型基本相同，TM-70C表明有微气孔，完全符合本发明方法的评价结果。

实施例3

采用本发明方法对细滴过渡下不同焊接材料工艺性综合评价

对于过渡形态为细滴过渡，选取三组焊接参数，（电压28V，电流110、130、150A），针对五种不同型号焊丝，通过开展系列实验，计算LLE值后进行归一化处理（除以量化范围值0.9)，其结果如图10所示，可以看到，在不同的参数下，对于几种焊丝工艺性的评价，其评价结果与短路过渡情况下一致，但其LLE数值比短路过渡时数值小，尤其是DW100在细滴过渡下工艺非常稳定。因此，本发明方法在细滴过渡形态下同样可靠，而统计分析方法则无法评价在此过渡状态下的焊接材料工艺性。

图11为细滴过渡对应焊缝成型的照片，可以看到DW100焊缝成型均匀铺展性好、工艺性最好，GC-4出现了咬边缺陷、工艺性最差，K71-TLF、KFX-71T型基本相同、出现轻微起皱，TM-70C表明有明显气孔，焊缝成型完全符合本发明方法的评价结果。

实施例4

采用本发明方法对喷射过渡下不同焊接材料工艺性综合评价

对于过渡形态为喷射过渡的焊接过程，喷射过渡是一些高效化焊接时经常采用的参数，由于其焊接过程中电信号波形平稳，焊接过程稳定，采用传统的统计方法完全无法评价，而本方法却能够实现可靠评价。

选取四组焊接参数，（电压32V，电流190、210、230、250A），针对五种不同型号焊丝，通过开展系列实验，计算LLE值后进行归一化处理（除以量化范围值0.５)，其结果如图12所示，从图中可以看出，五种焊丝的焊接工艺性评价结果与短路过渡和细滴过渡下的评价结果基本一致；在喷射过渡的大电流规范下，TM-70C计算结果在不同参数下发生较大波动，说明该焊丝在大电流下的稳定性变差。另外，在喷射过渡下，五种焊丝整体工艺性较好，计算出的LLE值较小。

图13为喷射过渡对应焊缝成型的照片，可以看到，虽然喷射过渡下整体焊缝成形均较好，但TM-70C和GC-4出现了焊道宽度的波动，在焊接过程中也观察到其电弧弧长的波动比其他三种焊接材料明显，这与本发明方法的评价结果一致。

Claims

1.一种基于电弧混沌特性优化算法的焊接材料工艺性评价方法，其特征在于，构建一个焊接材料工艺性评价平台，并创建一个焊接材料工艺性评价方法，将采集得到的电压、电流信号通过霍尔传感器传输到采集软硬件系统，转化成数字信号后，通过混沌特性李雅普诺夫指数改进优化算法，计算相应的最大李雅普诺夫指数作为评价指标，进行焊接材料工艺性评价，步骤为：

（1）设定焊接参数，焊机进行焊接；

（3）将采集到的电压、或电流信号进行归一化取样，每次评价取样的数据量不低于三千，使得采样数据满足混沌计算的要求；

（1）

依次构造其余相点，形成嵌入维欧氏空间，由式（2）所示，

（2）

其中，时间延迟和嵌入维数利用平均位移法来匹配实现，具体计算过程为：首先给出初始化数值m=1，τ=1，在此嵌入维数（m=1）下，计算出平均位移随τ变化的斜率，将其与初始斜率比较，然后逐步增加m和τ值进行迭代，直到其值小于初始斜率的40%时，迭代结束，则选此时的τ和m为最佳参数，再利用混沌特征指数无标度区间计算两者的最佳取值，作为相空间重构的参数；

最大Lyapunov指数计算：由式（3）获得，

（3）

2.根据权利要求1所述的基于电弧混沌特性优化算法的焊接材料工艺性评价方法，其特征在于，步骤（1）所述的焊接参数，短路过渡形态：18V、60-90A；细滴过渡形态：28V、110-170A；喷射过渡：32V、190-270A，焊接过程选定气体纯度为99%CO₂或者Ar，焊接试件材质为A3钢。

3.根据权利要求1或2所述的基于电弧混沌特性优化算法的焊接材料工艺性评价方法，其特征在于，所述的电压和电流信号的采集时间10S、采样频率10KHZ。

4.根据权利要求1或2所述的基于电弧混沌特性优化算法的焊接材料工艺性评价方法，其特征在于，所述的每次评价取样的数据量为六千。

5.根据权利要求1或2所述的基于电弧混沌特性优化算法的焊接材料工艺性评价方法，其特征在于，所述的短路过渡的量化范围为0-1.2），滴状过渡的量化范围为0-0.9，喷射过渡的量化范围为0-0.5。