CN114841002B - 一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法 - Google Patents

一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法 Download PDF

Info

Publication number
CN114841002B
CN114841002B CN202210508734.5A CN202210508734A CN114841002B CN 114841002 B CN114841002 B CN 114841002B CN 202210508734 A CN202210508734 A CN 202210508734A CN 114841002 B CN114841002 B CN 114841002B
Authority
CN
China
Prior art keywords
weld
morphology
function
moment
next moment
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.)
Active
Application number
CN202210508734.5A
Other languages
English (en)
Other versions
CN114841002A (zh
Inventor
钱龙根
秦增蓉
朱宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changshu Institute of Technology
Original Assignee
Changshu Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN202210508734.5A priority Critical patent/CN114841002B/zh
Publication of CN114841002A publication Critical patent/CN114841002A/zh
Application granted granted Critical
Publication of CN114841002B publication Critical patent/CN114841002B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明公开了一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法,针对现有焊缝形貌预测方法无法考虑熔池与羽辉耦合行为进而导致万瓦级激光焊接焊缝形貌预测精度低的问题,本发明采用基于压力的可压缩两相流数值计算方法求解熔池与羽辉耦合行为,从而实现万瓦级激光焊接焊缝形貌的高精度预测。首先,输入初始时刻的焊缝形貌函数和焊接参数;其次,采用基于压力的可压缩两相流数值计算方法获取下一时刻的焊缝形貌函数;进而,绘制下一时刻焊缝形貌函数并提取焊缝形貌及焊缝形貌特征。与现有焊缝形貌预测方法相比,本发明可准确计算万瓦级激光焊接中熔池与羽辉耦合行为,算法简单容易实施,计算效率高,物理守恒性好,可实现对万瓦级激光焊接焊缝形貌的高精度预测。

Description

一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法
技术领域
本发明涉及一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法,其属于焊缝形貌预测方法领域。
背景技术
焊缝形貌是决定万瓦级激光焊接成形质量和成形效率的关键因素。准确地预测焊缝形貌,可以有效地减少万瓦级激光焊接工艺实验,降低实验成本,提高企业研发和生产效率。
目前焊缝形貌预测主要采用数值模拟方法,其原理是利用数值算法求解焊缝形成过程中的传热、流动及自由表面演化等方程,进而实现对焊缝形貌变化过程的有效预测。然而在万瓦级激光焊接过程中,羽辉会产生高速的流动(马赫数接近甚至大于1)形成可压缩特性。这种特性会使羽辉压力场产生显著变化(最大压力差超过1个大气压),进而强烈改变焊缝形貌的变化过程。
现有焊缝形貌预测方法如不可压缩解法(Ai Y,Jiang P,Shao X,et al.Theprediction of the whole weld in fiber laser keyhole welding based onnumerical simulation[J].Applied Thermal Engineering,2016,113:980-993)无法准确描述这种可压缩特性。而基于密度的(Density-based)可压缩解法(Amara E H,Fabbro R,Bendib.Modeling of the compressible vapor flow induced in a keyhole duringlaser welding[J].Journal of Applied Physics,2003,93:4289-4296)在求解熔池低速流动时(马赫数小于0.3)又会产生压力场振荡,进而给数值计算的实施带来困难。有学者提出不可压缩+可压缩的组合方法(Pang S,Chen X,Li W,et al.Efficient multiple timescale method for modeling compressible vapor plume dynamics inside transientkeyhole during fiber laser welding[J].Optics&Laser Technology,2016,77:203-214),此方法需要在熔池和羽辉相界面处构造不同的数值通量和人工边界条件,会带来物理场不守恒和预测精度低等问题。上述难点制约了焊缝形貌预测方法在万瓦级激光焊接中的应用,因此迫切需要发展一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法。
发明内容
为解决万瓦级激光焊接中焊缝形貌预测精度低的问题,本发明提出了一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法。
本发明采用如下技术方案:一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法,包括如下步骤:
S1,输入初始时刻的焊缝形貌函数Hn
其中,公式(1)中,Δxmin为最小网格尺寸,φn为初始时刻工件截面内各点到焊缝的距离,tanh为双曲正切函数;
S2,确定初始时刻的焊接参数,各焊接参数表达如下:
S3,获取下一时刻的焊缝形貌函数Hn+1,获取过程如下:
S3.1,计算初始时刻的动量源Sn
其中,公式(2)中,分别代表由惯性、表面力和体积力引起的动量源,为梯度算子,/>·为散度算子,上标T代表矩阵转置,g为重力加速度常数,kb为玻尔兹曼常数;
S3.2,计算初始时刻的能量源Qn
其中,公式(3)中,r为各点到激光光斑中心的距离;
S3.3,计算对流后的密度ρ*、速度u*和温度T*
其中,公式(4)中,Δt为计算时间步长;
S3.4,计算下一时刻的压力pn+1
其中,公式(5)中,R为理想气体常数;
S3.5,计算下一时刻的密度ρn+1、速度un+1、温度Tn+1
S3.6,计算下一时刻的焊缝形貌函数Hn+1
S4,绘制下一时刻焊缝形貌函数Hn+1的分布云图;
S5,提取下一时刻的焊缝形貌;
S6,输出下一时刻的焊缝形貌特征。
与现有方法相比,本发明的优点如下:
(1)与不可压缩解法相比,本方法考虑了羽辉可压缩性带来的压力场变化,可准确计算出熔池与羽辉的耦合行为,从而实现万瓦级激光焊接焊缝形貌的高精度预测;
(2)与可压缩解法相比,本方法将压力作为控制方程的直接解,压力计算精度高,计算稳定性好;
(3)与不可压缩+可压缩的组合方法相比,本方法采用一套控制方程求解熔池和羽辉两种流体,具有算法简单容易实施、计算效率高、物理守恒性好等优点。
附图说明
图1是本发明提出的适用于万瓦级激光焊接的高精度焊缝形貌预测方法的流程过程图。
图2是初始时刻的焊缝形貌函数定义的示意图。
图3是下一时刻焊缝形貌函数分布云图的示意图。
图4是下一时刻的焊缝形貌示意图。
图5是下一时刻的焊缝形貌特征示意图。
具体实施方式
下面结合附图和实施例对本发明进行进一步阐述。
针对现有焊缝形貌预测方法无法考虑熔池与羽辉耦合行为进而导致万瓦级激光焊接焊缝形貌预测精度低的问题,本发明采用基于压力的可压缩两相流数值计算方法求解熔池与羽辉耦合行为,从而实现万瓦级激光焊接焊缝形貌的高精度预测。
结合图1,本发明所述的一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法,包括如下步骤:
第一步:输入初始时刻的焊缝形貌函数
本发明以双曲正切函数表示焊缝形貌Hn,焊缝形貌定义为双曲正切函数的0.5等值面。初始时刻的焊缝形貌函数Hn见公式(1):
其中,Δxmin为最小网格尺寸,φn为初始时刻工件截面内各点到焊缝的距离,tanh为双曲正切函数,如图2所示。
第二步:确定初始时刻的焊接参数
初始时刻的焊接参数,见表1:
表1初始时刻的焊接参数
第三步:获取下一时刻的焊缝形貌函数Hn+1
本发明提出了一种基于压力的可压缩两相流数值计算方法来求解下一时刻的焊缝形貌函数Hn+1,具体实现过程如下:
①计算初始时刻的动量源Sn,见公式(2)。
其中,分别代表由惯性、表面力和体积力引起的动量源,/>为梯度算子,/>·为散度算子,上标T代表矩阵转置,ρn、un、Tn、μ、α、Tenv、σ、A、B0、m、L、Ts由表1给出,g为重力加速度常数,kb为玻尔兹曼常数。
②计算初始时刻的能量源Qn,见公式(3)。
其中,为梯度算子,/>·为散度算子,ρn、un、Tn、Cp、λ、I、r0由表1给出,/>由公式(2)给出,r为各点到激光光斑中心的距离。
③计算对流后的密度ρ*、速度u*和温度T*,见公式(4)。
其中,为梯度算子,/>·为散度算子,Δt为计算时间步长,un、Tn、ρn、un、Tn由表1给出。
④计算下一时刻的压力pn+1,见公式(5)。
其中,为梯度算子,/>·为散度算子,Δt为计算时间步长,ρ*、u*、T*由公式(4)获得,CV由表1给出,R为理想气体常数。
⑤计算下一时刻的密度ρn+1、速度un+1、温度Tn+1,见公式(6)。
其中,为梯度算子,/>·为散度算子,Δt为计算时间步长,ρ*、u*、T*由公式(4)给出,CV由表1给出,R为理想气体常数。
⑥计算下一时刻的焊缝形貌函数Hn+1,见公式(7)。
其中,为梯度算子,Δt为计算时间步长,Hn由公式(1)给出,un+1由公式(6)给出。
其中,公式(2)至公式(7)中的梯度算子和散度算子/>·采用有限体积法(FiniteVolume Method)离散,以保证严格的物理场守恒型。
公式(5)可采用超松弛法(Successive Over Relaxation Method)、共轭梯度法(Conjugate Gradient Method)或快速傅里叶变换(Fast Fourier Transform)等方法进行求解。
第四步:绘制下一时刻焊缝形貌函数Hn+1的分布云图。
根据下一时刻的焊缝形貌函数Hn+1,绘制焊缝形貌函数的分布云图,如图3所示。
第五步:提取下一时刻的焊缝形貌。
根据下一时刻的焊缝形貌函数Hn+1,提取Hn+1的0.5等值面作为下一时刻的焊缝形貌,如图4所示。
第六步:输出下一时刻的焊缝形貌特征。
根据下一时刻的焊缝形貌,输出下一时刻的焊缝形貌特征,包括焊缝熔宽、熔深和余高等,如图5所示。
与现有焊缝形貌预测方法相比,本发明可准确计算万瓦级激光焊接中熔池与羽辉耦合行为,算法简单容易实施,计算效率高,物理守恒性好,可实现对万瓦级激光焊接焊缝形貌的高精度预测。

Claims (6)

1.一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法,其特征在于,包括如下步骤:
S1,输入初始时刻的焊缝形貌函数Hn
其中,公式(1)中,Δxmin为最小网格尺寸,φn为初始时刻工件截面内各点到焊缝的距离,tanh为双曲正切函数;
S2,确定初始时刻的焊接参数,各焊接参数表达如下:
S3,获取下一时刻的焊缝形貌函数Hn+1,获取过程如下:
S3.1,计算初始时刻的动量源Sn
其中,公式(2)中,分别代表由惯性、表面力和体积力引起的动量源,/>为梯度算子,/>为散度算子,上标T代表矩阵转置,g为重力加速度常数,kb为玻尔兹曼常数;
S3.2,计算初始时刻的能量源Qn
其中,公式(3)中,r为各点到激光光斑中心的距离;
S3.3,计算对流后的密度ρ*、速度u*和温度T*
其中,公式(4)中,Δt为计算时间步长;
S3.4,计算下一时刻的压力pn+1
其中,公式(5)中,R为理想气体常数;
S3.5,计算下一时刻的密度ρn+1、速度un+1、温度Tn+1
S3.6,计算下一时刻的焊缝形貌函数Hn+1
S4,绘制下一时刻焊缝形貌函数Hn+1的分布云图;
S5,提取下一时刻的焊缝形貌;
S6,输出下一时刻的焊缝形貌特征。
2.如权利要求1所述的方法,其特征在于,步骤S1中,以双曲正切函数表示初始时刻的焊缝形貌函数Hn,焊缝形貌定义为双曲正切函数的0.5等值面。
3.如权利要求1所述的方法,其特征在于,步骤S3中,公式(2)至公式(7)中的梯度算子和散度算子/>采用有限体积法离散。
4.如权利要求1所述的方法,其特征在于,步骤S3中,公式(5)采用超松弛法、共轭梯度法或快速傅里叶变换法进行求解。
5.如权利要求1所述的方法,其特征在于,步骤S5中,根据下一时刻的焊缝形貌函数Hn +1,提取Hn+1的0.5等值面作为下一时刻的焊缝形貌。
6.如权利要求1所述的方法,其特征在于,步骤S6中,根据下一时刻的焊缝形貌,输出下一时刻的焊缝形貌特征,包括焊缝熔宽、熔深和余高。
CN202210508734.5A 2022-05-11 2022-05-11 一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法 Active CN114841002B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210508734.5A CN114841002B (zh) 2022-05-11 2022-05-11 一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210508734.5A CN114841002B (zh) 2022-05-11 2022-05-11 一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法

Publications (2)

Publication Number Publication Date
CN114841002A CN114841002A (zh) 2022-08-02
CN114841002B true CN114841002B (zh) 2024-05-03

Family

ID=82569807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210508734.5A Active CN114841002B (zh) 2022-05-11 2022-05-11 一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法

Country Status (1)

Country Link
CN (1) CN114841002B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117464182A (zh) * 2023-12-21 2024-01-30 哈尔滨工业大学(威海) 一种基于卷积神经网络的激光焊接状态判别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012108051A (ja) * 2010-11-18 2012-06-07 Babcock Hitachi Kk 耐熱鋼溶接部の損傷予測方法
WO2016173313A1 (zh) * 2015-04-27 2016-11-03 江苏金通灵流体机械科技股份有限公司 一种基于ansys的双相不锈钢与异种钢焊接变形预测方法
CN111950207A (zh) * 2020-07-24 2020-11-17 常熟理工学院 基于快速傅里叶变换的高效焊缝形貌数值模拟预测方法
CN113627063A (zh) * 2021-08-27 2021-11-09 南京航空航天大学 一种改善连续激光深熔焊熔池形貌仿真精度的数值建模方法
CN113828947A (zh) * 2021-11-23 2021-12-24 昆山宝锦激光拼焊有限公司 一种基于双优化的bp神经网络激光焊接焊缝成形预测方法
CN114309895A (zh) * 2021-12-17 2022-04-12 山东大学 一种焊接熔池图像预测焊缝形貌的深度学习方法
CN115048882A (zh) * 2022-07-13 2022-09-13 常熟理工学院 一种激光焊缝形貌预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012108051A (ja) * 2010-11-18 2012-06-07 Babcock Hitachi Kk 耐熱鋼溶接部の損傷予測方法
WO2016173313A1 (zh) * 2015-04-27 2016-11-03 江苏金通灵流体机械科技股份有限公司 一种基于ansys的双相不锈钢与异种钢焊接变形预测方法
CN111950207A (zh) * 2020-07-24 2020-11-17 常熟理工学院 基于快速傅里叶变换的高效焊缝形貌数值模拟预测方法
CN113627063A (zh) * 2021-08-27 2021-11-09 南京航空航天大学 一种改善连续激光深熔焊熔池形貌仿真精度的数值建模方法
CN113828947A (zh) * 2021-11-23 2021-12-24 昆山宝锦激光拼焊有限公司 一种基于双优化的bp神经网络激光焊接焊缝成形预测方法
CN114309895A (zh) * 2021-12-17 2022-04-12 山东大学 一种焊接熔池图像预测焊缝形貌的深度学习方法
CN115048882A (zh) * 2022-07-13 2022-09-13 常熟理工学院 一种激光焊缝形貌预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于ANSYS的钛合金电子束焊缝形貌预测及验证;肖攀;苗志飞;钱勇;龚建;李建一;;机械制造文摘(焊接分册);20111027(05);全文 *
基于多种群遗传算法与神经网络的激光-电弧复合焊接焊缝形貌预测;洪延武;刘双宇;徐春鹰;刘凤德;张宏;;应用激光;20151215(06);全文 *

Also Published As

Publication number Publication date
CN114841002A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
Lu et al. Improved decomposed-coordinated kriging modeling strategy for dynamic probabilistic analysis of multicomponent structures
Sagaut et al. Large eddy simulation for aerodynamics: status and perspectives
CN114841002B (zh) 一种适用于万瓦级激光焊接的高精度焊缝形貌预测方法
KR19990074013A (ko) 선체 외판의 곡면가공방법 및 장치
CN103246786A (zh) 一种建立静压推力轴承热力耦合变形后润滑油膜模型的方法
CN102682146B (zh) 直升机旋翼可压缩旋流场的数值模拟方法
Donghong et al. Dimensional control of ring-to-ring casting with a data-driven approach during investment casting
CN111950207B (zh) 基于快速傅里叶变换的高效焊缝形貌数值模拟预测方法
Zhang et al. A modified filter-based model for simulation of unsteady cavitating flows around a NACA66 hydrofoil
CN115048882A (zh) 一种激光焊缝形貌预测方法
CN114429079B (zh) 基于双流神经网络的流体动力学过程参数计算方法及应用
Zope et al. Towards More Efficient Fluid-Thermal Interaction Analysis for Hypersonic Trajectory Flights
Boccini et al. Towards structural topology optimization of rotor blisks
CN116341399A (zh) 一种基于物理约束神经网络的热工水力换热系数预测方法
CN103177162A (zh) 一种基于交错迭代耦合技术的薄壁结构动力学热性预测方法
Yu et al. Comparative Study of OpenFOAM Solvers on Separation Pattern and Separation Pattern Transition in Overexpanded Single Expansion Ramp Nozzle
Felici et al. Analysis of vortex induced vibration of a thermowell by high fidelity FSI numerical analysis based on RBF structural modes embedding
Yang et al. Efficient prediction of residual stress in additive manufacturing based on semi-analytical solution
Wang et al. Meshfree simulation of flow around airfoil using different turbulent models
Ito et al. A solution-based adaptive redistribution method for unstructured meshes
Wang et al. A three-dimensional coupled numerical model of nonlinear waves in a harbor
CN117195635A (zh) 一种针对锅炉高温部件结构强度和寿命的快速评估方法
Hossain Investigating the Nature of Compressible Boundary Layers at High Reynolds Number
Ito et al. Efficient CFD Evaluation of Small Device Locations with Automatic Local Remeshing
Zhang Coupled Topology Optimization and Process Simulation System for Laser Powder-bed Fusion Additive Manufacturing

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
GR01 Patent grant