CN113857675A - 高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 - Google Patents
高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 Download PDFInfo
- Publication number
- CN113857675A CN113857675A CN202111331197.3A CN202111331197A CN113857675A CN 113857675 A CN113857675 A CN 113857675A CN 202111331197 A CN202111331197 A CN 202111331197A CN 113857675 A CN113857675 A CN 113857675A
- Authority
- CN
- China
- Prior art keywords
- laser welding
- welding
- stainless steel
- solution
- steel sheet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003466 welding Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 96
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 45
- 239000010935 stainless steel Substances 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 45
- 241000272168 Laridae Species 0.000 claims abstract description 26
- 238000010845 search algorithm Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 239000003795 chemical substances by application Substances 0.000 claims description 18
- 230000035772 mutation Effects 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000035515 penetration Effects 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 239000012768 molten material Substances 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract 1
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000005034 decoration Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 229910000601 superalloy Inorganic materials 0.000 description 2
- 206010023230 Joint stiffness Diseases 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
- B23K26/24—Seam welding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，包括以下步骤：建立以高效节能为对象的不锈钢薄板T型接头激光焊工艺参数优化模型的目标函数；考虑到激光焊的工艺参数的选取受焊接设备、工件特性、操作方法以及焊接质量等因素的影响，构建基于焊接速度、焊接电流以及焊接质量的激光焊工艺参数优化模型的约束边界；针对不锈钢薄板T型接头激光焊多目标多约束优化模型的求解需求，构建基于动态存档的多目标多约束海鸥优化算法，通过结合海鸥搜索算法和反对派搜索算法的特点，利用最优变异策略以及基于网格方法的外部存档更新方法来得到Pareto最优解；通过伪权重计算方法以获得多组具有代表性最优解的不同权重。
Description
技术领域
本发明涉及激光焊接领域，特别涉及一种高端装饰不锈钢薄板T 型接头激光焊工艺参数优化方法。
背景技术
随着社会和经济的飞速发展以及人们对精致生活的强烈追求，对家装设计的文化性、艺术性与个性化提出了更高的要求，而不锈钢薄板作为家装领域中构建各类造型的基础材料，在家装领域的应用越来越普遍。相对于其他焊接方式，激光焊接因其准备时间短、焊接速度快和焊缝残余应力小等优点，被广泛的应用于薄钢板的焊接。尤其的，由腹板和面板垂直搭接而成的T型接头是家装用品最常用的组合形式之一，其激光焊接方法受到了广泛关注。
Moradi等采用连续波2.2kW CO2激光器研究了镍基高温合金 Rene 80的激光焊接工艺参数，结果表明激光器功率和焊接速度是影响焊缝形状和质量最重要的两个参数(MMoradi,M Ghoreishi. Influences of laser welding parameters on the geometricprofile of NI-base superalloy Rene 80 weld-bead[J].The International Journalof Advanced Manufacturing Technology, 2011,55(1-4).)。Romanoff等通过激光桩焊腹板芯钢夹层结构T 型接头试验研究分析了焊缝厚度、根部间隙和接触发生对焊接刚度的影响，发现焊缝宽度对T型接头的刚度影响最大(J Romanoff,H Remes,G Socha,M Jutila,PVarsta.The stiffness of laser stake welded T-joints in web-core sandwichstructures[J]. Thin-Walled Structures,2007,45(4).)。Zhang等研究了厚截面不锈钢光纤激光焊接过程中焊接速度、光束点尺寸和离焦距离等条件对焊缝几何形状的影响(Zhang X,Ashida E,Katayama S,et al.Deep penetration welding of thick sectionsteels with 10 kW fiber laser[J].Quarterly Journal of the Japan WeldingSociety,2009,27(2):64-68)。但针对薄板钢T型接头激光焊的研究比较少，饶进等通过实验研究了焊缝形貌、焊缝宽度、穿透深度角度和界面区焊缝宽度对激光焊接不锈钢薄板T型接头焊接质量的影响(饶进,吴滨,王振英.室内设计装饰用薄钢板T型接头激光焊工艺研究[J].热加工工艺,2018,47(23):191-193+198.)。
在本专利中，结合高端装饰不锈钢薄板T型接头激光焊接的实际应用需求，同时考虑激光器功率、焊接速度等因素对焊缝质量影响，提出了一种面向高效节能的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法。
发明内容
本发明的目的是提供一种高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其优点是能够更好的优化焊接工艺参数，已获得激光器功率的焊接速度的最优解，从而提高焊接质量。
本发明的上述技术目的是通过以下技术方案得以实现的：一种高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，
其特征在于，包括以下步骤：
步骤一：根据不锈钢薄板T型接头激光焊接的实际生产需求，建立以激光焊工艺参数优化模型的目标函数；
步骤二：选取受焊接设备、工件特性、操作方法以及焊接质量等因素的影响，构建基于焊接速度、焊接电流以及焊接质量三个方面的激光焊工艺参数优化模型的约束边界；
步骤三：针对不锈钢薄板T型接头激光焊多目标多约束优化模型的求解需求，构建基于动态存档的多目标多约束海鸥优化算法，结合海鸥搜索算法和反对派搜索算法的特点，采用最优变异策略以及基于网格方法的外部存档更新方法来得到Pareto最优解；
步骤四：基于聚类原理对步骤三所得到的大量Pareto最优解进行消减，得到代表性最优解，并通过伪权重计算方法以获得代表性最优解的不同权重。
通过上述技术方案，步骤一和步骤二根据影响焊接工艺的相关因素建立参数优化模型，从而能够较好的得到工艺参数的约束边界；步骤三通过多种算法快速的获得最优解，步骤四进一步的对最优解进行筛选，从而获得更好的工艺参数。
本发明进一步设置为：步骤一中，以激光焊接过程中的最短加工时长以及最低耗电量为目标函数进行工艺参数的优化，其中加工时长为关于焊缝长度L及焊接速度V的函数，表示为T＝L/V；焊接过程中的能耗为焊机所耗电能E＝PT，其中P为负载功率，表示为 P＝UIη，其中ηL为焊机的功率因素。
通过上述技术方案，能够较好的优化焊接所需消耗的电能，从而起到了较好的节能目的。
本发明进一步设置为：以焊接电流、电压、工件材料允许热输入为因素建立目标函数，具体如下：
式中，qc为工件材料允许热输入，S为焊缝横截面积，ω为焊接工件材料比重，Sm为单位已熔化材料热焓，q1max为最大热输入，可表示为：
式中，K为热相率因数。
通过上述技术方案，能够较好的获得焊接速度与焊接电流、电压和工件材料允许热输入的关系模型；就焊接速度而言，其直接影响单位时间的热输入大小，热输入过大则可能焊穿，热输入过小则可能未焊透，通过关系模型能够更好的获得更好的焊接速度。
本发明进一步设置为：选取焊缝熔深、焊缝宽度以及焊缝余高三个参数对焊缝质量进行限定，且不锈钢薄板T型接头的实际焊接加工过程同时对焊缝宽度及焊缝余高的正反面进行限定，即为：
式中，d、bf、br、hf和hr分别为焊缝熔深、正面焊缝宽度、反面焊缝宽度、正面焊缝余高及反面焊缝余高；
该不锈钢薄板T型接头激光焊参数优化模型为：
Tt＝Minimum
Et＝Minimum
通过上述技术方案，能够较好的建立焊缝熔深、正面焊缝宽度、反面焊缝宽度、正面焊缝余高及反面焊缝余高的工艺参数模型。
本发明进一步设置为：步骤三中的多目标多约束海鸥优化算法，其流程如下：
初始化海鸥种群以及初始参数；
设置阈值p1，若生成的随机数大于p1则采用海鸥搜索算法进行寻优，否则采用反对派算法进行寻优，以生成新的搜索代理；
设置阈值p2，若生成的随机数大于p2则直接计算每个搜索代理的目标值，否则采用最优变异策略进行变异处理之后再进行目标值的计算，其中最优变异策略是在所选的五种编译策略中进行寻优得到的；
将寻优得到的非劣解放入外部存档并更新位置和搜索代理，计算更新搜索代理的目标函数，将存档更新为非劣解；
判断外部存档是否溢出，若溢出则采用网格方法进行外部存档的消减，否则则直接判断搜索代理是否超出边界，并作出相应的调整，根据最新更新的搜索代理适应度值，从档案中更新海鸥组；
重复以上过程直至达到停止准则，返回最优解。
通过上述技术方案，对最优解的存档进行反复的搜索并更新，从而确保最优解始终是最新，并且最适合当前不锈钢薄板的焊接需求的参数。
本发明进一步设置为：关于外部存档管理器的算子及策略如下：
(1)若发现存档为空，则保留当前解；
(2)若发现存档中的一个个体已经支配了当前解，那么当前解将被剔除；
(3)若存档中不存在支配当前解的个体，那么当前解将被保留；
(4)如果新解在解决方案中占主导地位，那么当前解将被剔除。
通过上述技术方案，能够进一步的对当前解进行更替，从而更好的确保了当前应用的最优解使得焊接质量更好。
本发明进一步设置为：当最优解位于当前解的相反位置时，应用发对派搜索算法，在搜索空间中用当前解的相反位置取代它；计算相反值的公式为
其中a、b为该问题的上下边界。
通过上述技术方案，减少了搜索最优解的时间，进一步的提高了获取最优解的效率。
本发明进一步设置为：步骤四中，首先基于Kmeans聚类算法对大量Pareto最优解进行聚类，并计算每个簇中离其他所有个体平均距离最小的个体作为代表性解；
在找到多个具有代表性的解后，采用了伪权系数向量法对每个典型解计算一个确定的不同目标重要性的伪权系数向量；对于目标函数的最小化，对于得到的集合中的任何解，每个目标函数i的权值wi计算如下：
若一个有代表性的解接近个体目标函数的最小值，则这个函数的权重值很大，设置为1。对于目标函数为最大值的情况，(fi,max-fi) 需要替代为(fi-fi,min)。
通过上述技术方案，在找到多个具有代表性的解后，能够方便决策者选择一个具有代表性的解。
相较于现有技术，本发明提供的技术方案具有如下有益效果：
(1)本发明中的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，针对现有不锈钢薄板T型接头激光焊接中的工艺参数选择问题，结合实际生产需求建立了以高效节能优化目标，以焊接速度、焊接电流以及焊接质量为约束边界的不锈钢薄板T型接头激光焊工艺参数优化模型。
(2)本发明中的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，针对不锈钢薄板T型接头激光焊多目标多约束优化模型的求解需求，构建基于动态存档的多目标多约束海鸥优化算法，通过结合海鸥搜索算法和反对派搜索算法的特点，利用最优变异策略以及基于网格方法的外部存档更新方法来得到Pareto最优解。
(3)本发明中的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，考虑到过目标优化之后产生的的决策困难问题，基于聚类原理对大量Pareto最优解进行了消减，得到代表性最优解，并通过伪权重计算方法以获得代表性最优解的不同权重。
附图说明
图1为本发明所述方法中涉及到的针对不锈钢薄板T型接头激光焊的多目标多约束海鸥优化算法。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例：
如图1所示，本发明所述方法中涉及到的高端装饰不锈钢薄板T 型接头激光焊工艺参数优化方法包含以下步骤：
步骤一：根据不锈钢薄板T型接头激光焊接的实际生产需求，建立以高效以及低能耗为对象的不锈钢薄板T型接头激光焊工艺参数优化模型的目标函数。
具体的，步骤一中，考虑到激光焊接是一个极其复杂的过程，其加工时长和耗电量均同时受到诸如电压、电流、焊接速度、激光器性能等工艺参数的影响，通过查询现行国家标准可得，其中大部分参数都有统一的标准，因此无需进行优化选择，而针对电压、电流以及焊接速度尚没有统一的标准，且国标中有关于所有焊接方式中电压U关于电流I的公式，即：U＝f(I)。因此，只需要优化焊接电流以及焊接速度VL两个变量即可实现包含电压在内的三个参数的优化。因此编码方案为：(I,V)。
具体的，步骤一中，在本发明中以激光焊接过程中的最短加工时长以及最低耗电量为目标函数进行工艺参数的优化，其中加工时长为关于焊缝长度L及焊接速度V的函数，可表示为T＝L/V。焊接能耗大多是由焊机所消耗的电能所引起的，因而焊接过程中的能耗可通过计算焊机所耗电能得到E＝PT，其中P为负载功率，可表示为 P＝UIη，其中ηL为焊机的功率因素。
步骤二：考虑到不锈钢薄板T型接头激光焊的工艺参数的选取受焊接设备、工件特性、操作方法以及焊接质量等因素的影响，构建基于焊接速度、焊接电流以及焊接质量三个方面的激光焊工艺参数优化模型的约束边界。
具体的，步骤二中，虽然激光焊接的工艺参数选取受焊接设备、工件特性、操作方法和焊接质量等诸多因素的影响，但在本发明中，通过查询国标要求，确定从焊接速度、焊接电流以及焊接质量三个方面建立其工艺参数优化选择的约束边界。
就焊接速度而言，其直接影响单位时间的热输入大小，热输入过大则可能焊穿，热输入国小则可能未焊透，因此焊接速度的选取应充分考虑焊接电流、电压、工件材料允许热输入等因素，具体如下：
式中，qc为工件材料允许热输入，S为焊缝横截面积，ω为焊接工件材料比重，Sm为单位已熔化材料热焓，q1max为最大热输入，可表示为：
式中，K为热相率因数。
焊接电流的大小受焊机性能的限制，即为Imin≤I≤Imax，其中Imax和 Imin分别为焊机的最大、最小输出电流。
本专利根据相关标准选取了焊缝熔深、焊缝宽度以及焊缝余高三个参数对焊缝质量进行限定，且考虑到不锈钢薄板T型接头的实际焊接加工过程需同时对焊缝宽度及焊缝余高的正反面进行限定，即为：
式中，d、bf、br、hf和hr分别为焊缝熔深、正面焊缝宽度、反面焊缝宽度、正面焊缝余高及反面焊缝余高。
综上，该不锈钢薄板T型接头激光焊参数优化模型为：
Tt＝Minimum
Et＝Minimum
步骤三：针对不锈钢薄板T型接头激光焊多目标多约束优化模型的求解需求，构建基于动态存档的多目标多约束海鸥优化算法，通过结合海鸥搜索算法和反对派搜索算法的特点，利用最优变异策略以及基于网格方法的外部存档更新方法来得到Pareto最优解。
具体的，步骤三中，针对不锈钢薄板T型接头激光焊多目标多约束优化模型的求解需求，基于海鸥优化算法的攻击和迁移行为构建了一种多目标多约束海鸥优化算法，其主要流程如下：初始化海鸥种群以及初始参数；设置阈值p1，若生成的随机数大于p1则采用海鸥搜索算法进行寻优，否则采用反对派算法进行寻优，以生成新的搜索代理；设置阈值p2，若生成的随机数大于p2则直接计算每个搜索代理的目标值，否则采用最优变异策略进行变异处理之后再进行目标值的计算，其中最优变异策略是在所选的五种编译策略中进行寻优得到的；将寻优得到的非劣解放入外部存档并更新位置和搜索代理，计算更新搜索代理的目标函数，将存档更新为非劣解；判断外部存档是否溢出，若溢出则采用网格方法进行外部存档的消减，否则则直接判断搜索代理是否超出边界，并作出相应的调整，根据最新更新的搜索代理适应度值，从档案中更新海鸥组；重复以上过程直至达到停止准则，返回最优解。其中主要的算子及策略如下：
外部存档管理器：当所有的最优非支配Pareto解都存储在一个存储空间中，即为外部归档，管理器决定是否在列表中包含特定的解，其更新准则如下：(1)若发现存档为空，则保留当前解；(2) 若发现存档中的一个个体已经支配了当前解，那么当前解将被剔除；(3)若存档中不存在支配当前解的个体，那么当前解将被保留；(4) 如果新维在解决方案中占主导地位，那么当前解将被剔除。
反对派搜索算法：在搜索空间中，一个最优解可能位于当前解的相反位置，因此采用海鸥优化算法找到这个解将非常困难，因为算法将花费相当多的时间来移动当前位置到其相反位置。在这种情况下，可能没有足够的迭代来获得解。反对派搜索算法在搜索空间中用当前解的相反位置取代它，以减少搜索时间，使算法在更少的时间找到最好的解。计算相反值的公式为
其中a、b为该问题的上下边界。
变异策略优化选择：编译操作可以在一定程度上保持多样性与收敛性的平衡，在本专利中，为了充分利用不同变异策略解决复杂优化问题的能力，本专利设计了一种基于五种变异策略优势互补的最优变异策略，以在五种具有不同特性和能力的突变策略中选取最优的突变策略，包括可以较好地处理单峰和多峰优化问题但收敛性较差的DE/rand/1策略，具有较好的全局搜索能力但收敛速度较慢的DE/rand/2策略，收敛速度快但全局探测能力较弱且极易陷入局部收敛的DE/best/1和DE/best/2策略，具有相对均衡的全局寻优和局部寻优但鲁棒性较差的DE/rand-to-best/1策略。首先，采用五种不同突变策略分别求解复杂优化问题，在此基础上选择最优的变异策略，该策略既能提高局部搜索能力又能保证全局搜索。
自适应网格方法：将外部存档中Pareto前沿排布在网格中，以得到其分布，并根据网格中个体的数目来剔除拥挤度较大网格的个体，以有效保持算法优化结果的多样性。
领导者选择机制：多目标优化的关键问题是在给定搜索空间中将新解与已有解进行比较，在本发明中采用选择领导者的方法解决了这个问题，即为利用轮盘赌选择方法，从得到的最优解的边界中选取一个最优解，来填充最不拥挤的搜索空间。
本发明中所提出的多目标多约束海鸥优化算法是海鸥优化算法的扩展，具有多客观性和搜索空间的区别。
步骤四：基于聚类原理对步骤三所得到的大量Pareto最优解进行消减，得到代表性最优解，并通过伪权重计算方法以获得代表性最优解的不同权重。
具体的，步骤四中，首先基于Kmeans聚类算法对大量Pareto 最优解进行聚类，并计算每个簇中离其他所有个体平均距离最小的个体作为代表性解，以实现外部存档的消减。
在找到多个具有代表性的解后，为了方便决策者选择一个具有代表性的解，采用了伪权系数向量法对每个典型解计算了一个确定的不同目标重要性的伪权系数向量。对于目标函数的最小化，对于得到的集合中的任何解，每个目标函数i的权值wi计算如下：
若一个有代表性的解接近个体目标函数的最小值，则这个函数的权重值很大，设置为1。对于目标函数为最大值的情况，(fi,max-fi) 需要替代为(fi-fi,min)。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (8)
1.一种高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，
其特征在于，包括以下步骤：
步骤一：根据不锈钢薄板T型接头激光焊接的实际生产需求，建立以激光焊工艺参数优化模型的目标函数；
步骤二：选取受焊接设备、工件特性、操作方法以及焊接质量等因素的影响，构建基于焊接速度、焊接电流以及焊接质量三个方面的激光焊工艺参数优化模型的约束边界；
步骤三：针对不锈钢薄板T型接头激光焊多目标多约束优化模型的求解需求，构建基于动态存档的多目标多约束海鸥优化算法，结合海鸥搜索算法和反对派搜索算法的特点，采用最优变异策略以及基于网格方法的外部存档更新方法来得到Pareto最优解；
步骤四：基于聚类原理对步骤三所得到的大量Pareto最优解进行消减，得到代表性最优解，并通过伪权重计算方法以获得代表性最优解的不同权重。
2.根据权利要求1所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，步骤一中，以激光焊接过程中的最短加工时长以及最低耗电量为目标函数进行工艺参数的优化，其中加工时长为关于焊缝长度L及焊接速度V的函数，表示为T＝L/V；焊接过程中的能耗为焊机所耗电能E＝PT，其中P为负载功率，表示为P＝UIη，其中ηL为焊机的功率因素。
3.根据权利要求2所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，以焊接电流、电压、工件材料允许热输入为因素建立目标函数，具体如下：
式中，qc为工件材料允许热输入，S为焊缝横截面积，ω为焊接工件材料比重，Sm为单位已熔化材料热焓，q1max为最大热输入，可表示为：
式中，K为热相率因数。
4.根据权利要求3所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，选取焊缝熔深、焊缝宽度以及焊缝余高三个参数对焊缝质量进行限定，且不锈钢薄板T型接头的实际焊接加工过程同时对焊缝宽度及焊缝余高的正反面进行限定，即为：
式中，d、bf、br、hf和hr分别为焊缝熔深、正面焊缝宽度、反面焊缝宽度、正面焊缝余高及反面焊缝余高；
该不锈钢薄板T型接头激光焊参数优化模型为：
Tt＝Minimum
Et＝Minimum
5.根据权利要求1所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，步骤三中的多目标多约束海鸥优化算法，其流程如下：
初始化海鸥种群以及初始参数；
设置阈值p1，若生成的随机数大于p1则采用海鸥搜索算法进行寻优，否则采用反对派算法进行寻优，以生成新的搜索代理；
设置阈值p2，若生成的随机数大于p2则直接计算每个搜索代理的目标值，否则采用最优变异策略进行变异处理之后再进行目标值的计算，其中最优变异策略是在所选的五种编译策略中进行寻优得到的；
将寻优得到的非劣解放入外部存档并更新位置和搜索代理，计算更新搜索代理的目标函数，将存档更新为非劣解；
判断外部存档是否溢出，若溢出则采用网格方法进行外部存档的消减，否则则直接判断搜索代理是否超出边界，并作出相应的调整，根据最新更新的搜索代理适应度值，从档案中更新海鸥组；
重复以上过程直至达到停止准则，返回最优解。
6.根据权利要求5所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，关于外部存档管理器的算子及策略如下：
(1)若发现存档为空，则保留当前解；
(2)若发现存档中的一个个体已经支配了当前解，那么当前解将被剔除；
(3)若存档中不存在支配当前解的个体，那么当前解将被保留；
(4)如果新解在解决方案中占主导地位，那么当前解将被剔除。
7.根据权利要求6所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，当最优解位于当前解的相反位置时，应用发对派搜索算法，在搜索空间中用当前解的相反位置取代它；计算相反值的公式为
其中a、b为该问题的上下边界。
8.根据权利要求1所述的高端装饰不锈钢薄板T型接头激光焊工艺参数优化方法，其特征在于，步骤四中，首先基于Kmeans聚类算法对大量Pareto最优解进行聚类，并计算每个簇中离其他所有个体平均距离最小的个体作为代表性解；
在找到多个具有代表性的解后，采用了伪权系数向量法对每个典型解计算一个确定的不同目标重要性的伪权系数向量；对于目标函数的最小化，对于得到的集合中的任何解，每个目标函数i的权值wi计算如下：
若一个有代表性的解接近个体目标函数的最小值，则这个函数的权重值很大，设置为1。对于目标函数为最大值的情况，(fi,max-fi)需要替代为(fi-fi,min)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111331197.3A CN113857675B (zh) | 2021-11-11 | 高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111331197.3A CN113857675B (zh) | 2021-11-11 | 高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113857675A true CN113857675A (zh) | 2021-12-31 |
| CN113857675B CN113857675B (zh) | 2024-06-07 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114850134A (zh) * | 2022-03-29 | 2022-08-05 | 沈阳工业大学 | 一种激光清洗装备清洗过程低碳建模与工艺参数优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011077689A1 (de) * | 2011-06-17 | 2012-12-20 | Robert Bosch Gmbh | Gehäuseanordnung und Verfahren zur Herstellung einer Verbindung eines Gehäusebauteils mit einem Anbauteil |
| US20160207142A1 (en) * | 2013-11-15 | 2016-07-21 | Panasonic Intellectual Property Management Co., Ltd. | Laser welding condition determination method and laser welding device |
| CN110405343A (zh) * | 2019-08-15 | 2019-11-05 | 山东大学 | 一种基于Bagging集成的预测模型与粒子群优化算法的激光焊接工艺参数优化方法 |
| DE102019209100A1 (de) * | 2019-06-24 | 2020-12-24 | Robert Bosch Gmbh | Qualitätsüberwachung für einen Laserstrahl-Schweißprozess |
| CN113478082A (zh) * | 2021-07-15 | 2021-10-08 | 南京航空航天大学 | 一种用于蒙皮-桁条的柔性激光焊接方法及装置 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011077689A1 (de) * | 2011-06-17 | 2012-12-20 | Robert Bosch Gmbh | Gehäuseanordnung und Verfahren zur Herstellung einer Verbindung eines Gehäusebauteils mit einem Anbauteil |
| US20160207142A1 (en) * | 2013-11-15 | 2016-07-21 | Panasonic Intellectual Property Management Co., Ltd. | Laser welding condition determination method and laser welding device |
| DE102019209100A1 (de) * | 2019-06-24 | 2020-12-24 | Robert Bosch Gmbh | Qualitätsüberwachung für einen Laserstrahl-Schweißprozess |
| CN110405343A (zh) * | 2019-08-15 | 2019-11-05 | 山东大学 | 一种基于Bagging集成的预测模型与粒子群优化算法的激光焊接工艺参数优化方法 |
| CN113478082A (zh) * | 2021-07-15 | 2021-10-08 | 南京航空航天大学 | 一种用于蒙皮-桁条的柔性激光焊接方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114850134A (zh) * | 2022-03-29 | 2022-08-05 | 沈阳工业大学 | 一种激光清洗装备清洗过程低碳建模与工艺参数优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105279291B (zh) | 一种面向批量加工的堆焊工艺参数优化方法 | |
| Dey et al. | Optimization of bead geometry in electron beam welding using a genetic algorithm | |
| Calleja et al. | Improvement of strategies and parameters for multi-axis laser cladding operations | |
| Chung Wang et al. | Optimizing the rapid prototyping process by integrating the Taguchi method with the Gray relational analysis | |
| Chang et al. | Penetration quality prediction of asymmetrical fillet root welding based on optimized BP neural network | |
| Jiang et al. | Optimization of welding process parameters by combining Kriging surrogate with particle swarm optimization algorithm | |
| CN108637020A (zh) | 一种自适应变异pso-bp神经网络带钢凸度预测方法 | |
| Shrivastava et al. | Geometrical quality evaluation in laser cutting of Inconel-718 sheet by using Taguchi based regression analysis and particle swarm optimization | |
| CN108334663A (zh) | 一种面向精确变形控制的汽车空心稳定杆多层多道焊工艺 | |
| CN112149330B (zh) | 一种风电塔筒油封平台焊接残余应力预测、焊接工艺优化方法 | |
| CN111780759A (zh) | 一种基于改进遗传算法的移动机器人路径规划方法 | |
| CN103761374B (zh) | 一种激光深熔焊热源模型的建模方法 | |
| CN105608295B (zh) | 焦化炉压力的多目标遗传算法与rbf神经网络优化建模方法 | |
| CN110490326A (zh) | 一种自适应多变异策略的差分进化方法及系统 | |
| CN104808629A (zh) | 一种柔性机器人制造单元的调度方法 | |
| CN113857675A (zh) | 高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 | |
| CN113857675B (zh) | 高端装饰不锈钢薄板t型接头激光焊工艺参数优化方法 | |
| CN110728404A (zh) | 一种铝合金零件表面完整性预测及优化系统 | |
| Zeng et al. | Autonomous bee colony optimization for multi-objective function | |
| CN110334442A (zh) | 一种加工tc4钛合金工件的车削参数预测方法 | |
| Yazdipour et al. | Optimization of weld bead geometry in GTAW of CP titanium using imperialist competitive algorithm | |
| Joshi et al. | Optimization of process parameters during laser beam cutting of Ni-based superalloy thin sheet along curved profile using grey-fuzzy methodology | |
| Li et al. | A regional local search and memory based evolutionary algorithm for dynamic multi-objective optimization | |
| Devarasiddappa et al. | Modified teaching learning based optimization for maximization of MRR in wire-cut EDM of Ti6Al4V alloy for sustainable production | |
| Meng et al. | Hybrid genetic-ant colony algorithm based job scheduling method research of arc welding robot |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |