電路 電子 外文翻譯 外文文獻(xiàn) 英文文獻(xiàn) 人工神經(jīng)網(wǎng)絡(luò)超聲波測試電阻點焊的質(zhì)量控制.doc

人工神經(jīng)網(wǎng)絡(luò)超聲波測試電阻點焊的質(zhì)量控制scar martn*, manuel lpez, fernando martn西班牙巴利亞多利德大學(xué)摘 要：人工神經(jīng)網(wǎng)絡(luò)通過脈沖反射波的方法來解釋超聲波波形圖的獲得問題。人工神經(jīng)網(wǎng)絡(luò)分類根據(jù)在幾個不同性質(zhì)階段其焊接處斑點耐性超聲波示波圖來決定。基于matlab計劃的幫助下，投入人工神經(jīng)網(wǎng)絡(luò)的載體在每個超聲波波形圖中通用。人工神經(jīng)網(wǎng)絡(luò)的培訓(xùn)利用監(jiān)督學(xué)習(xí)的機制，因此每個輸入都對應(yīng)各自的輸出(目標(biāo))。有四個目標(biāo)，一是審議質(zhì)量水平?，F(xiàn)有的數(shù)據(jù)集隨機分為訓(xùn)練集(更新權(quán)重值)和一個驗證子集(以防止過度的方式交叉驗證)。在一些神經(jīng)元的隱層考慮選擇過度的現(xiàn)象。這項研究工作的目的是促進(jìn)自動化，在質(zhì)量控制過程中保障電阻點焊的質(zhì)量。 2006 elsevier b.v. 版權(quán)所有。關(guān)鍵詞：電阻點焊；無損檢測；超聲波示波圖；質(zhì)量控制；人工智能網(wǎng)絡(luò)221. 導(dǎo)言電阻點焊(rsw)廣泛應(yīng)用于汽車行業(yè)焊接加工鋼板1,2。利用可靠的質(zhì)量控制系統(tǒng)的最優(yōu)化和精致調(diào)諧可以大量減少焊接斑點， 脈沖回波法是一種超聲波非破壞性測試技術(shù)適用于質(zhì)量控制的rsw5,6。通過這個方法獲得每個點焊超聲波波形。估算質(zhì)量水平的上述點焊。超聲波波形有時很難解釋，由一個人或幾個專家很長一段時間的研究一再解釋示波圖。自動化的解釋超聲波示波圖將提高科技應(yīng)用質(zhì)量?？刂菩阅艿膔sw 。人工神經(jīng)網(wǎng)絡(luò)(ann) 這是數(shù)學(xué)模型的行為模仿人類中樞神經(jīng)系統(tǒng)，從而有一個平行的，分散性和適應(yīng)性，加工能力映射的非線性和復(fù)雜系統(tǒng)，其中回歸方法有其局限性8-10。出于這個原因，人工神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于模式識別任務(wù)11-15。解釋每個超聲波形，以各自的分類點焊某質(zhì)量水平，是一個模式識別問題，因此神經(jīng)網(wǎng)絡(luò)建議進(jìn)行自動化的解釋超聲波示波圖。一個人工神經(jīng)網(wǎng)絡(luò)，就像一個人，學(xué)習(xí)的方式培訓(xùn)。 有監(jiān)督學(xué)習(xí)機制中使用的培訓(xùn)人工神經(jīng)網(wǎng)絡(luò)在其中一組輸入/目標(biāo)對利用(一的目標(biāo)是所需輸出各自有一定的輸入)。在培訓(xùn)， 突觸權(quán)重(每一個環(huán)節(jié)有一個神經(jīng)元之間突觸重量附加)不斷調(diào)整，以減少錯誤。實驗之間的產(chǎn)出和各自的目標(biāo)，直到一定值的誤差不在實現(xiàn)16。2. 實驗程序2.1 材料和設(shè)備化學(xué)成分和力學(xué)性能的鋼板分別顯示在表1和表2。板厚度為1毫米。在電阻點焊進(jìn)程中的參數(shù)(單相交流50赫茲設(shè)備)：表1化學(xué)組成鋼板(wt.)表2力學(xué)性能的鋼板電流強度變化在4到8ka rms17,8之間。記錄的作用圍繞五個理論上的值(4，5，6，7和8ka rms)。焊接時間變化在4到20周期17,18。該記錄的值圍繞九個理論值(4，6，8，10，12，14，16，18和20周期)。電極排序取決于銅合金分類及用于合金的熱/機械治療。選用兩個銅合金種類(cu-cr合金和銅-鋇18)三個熱/機械治療19,20，因此有6個電極種類。電極力穩(wěn)定在980.7 n。超聲波點焊檢測傳感器采用延遲圈養(yǎng)水柱和一個替換用的橡膠膜，以對焊縫表面提供良好的耦合。傳感器頻率為20mhz，直徑為4.5毫米。2.2 投入的人工神經(jīng)網(wǎng)絡(luò) 二進(jìn)制信號與每個超聲波波形圖之間的轉(zhuǎn)化在輸入的人工神經(jīng)網(wǎng)絡(luò)通過一個基于matlab計劃4。輸入的人工神經(jīng)網(wǎng)絡(luò)必須代表各自的超聲波波形15，因此，轉(zhuǎn)型計劃必須考慮主要因素的特點，即描述超聲波波形圖5：衰減的超聲波和一個層回聲是最主要的回聲(超聲波束引起的反映是發(fā)生在接口兩張薄板之間)。另一方面，輸入絕不能太復(fù)雜，以避免人工神經(jīng)網(wǎng)絡(luò)復(fù)雜化和使用冗余數(shù)據(jù)。對超聲波波形的決定，取決于投入大小是多少。少于6個回波，則太少不具有代表性。超過六個的回聲，則沒有研究的意義。因此，折中的解決辦法是取前6個超聲回波波形和投入人工神經(jīng)網(wǎng)絡(luò)的10部分矢量。見圖1)：圖1 輸入的 ann與其各自的超聲波波形圖首五個組成部分的相對高度的回聲：在第n個組件。 在過去的五年組件之間的距離連續(xù)回聲：在第n個組成部分(n=6，10)之間的距離(n-4)次回聲在(n-5)次回聲的dn-5次。 2.3 現(xiàn)場焊接的分類和鑒定的超聲檢測 質(zhì)量水平的點焊估計其各自的超聲波形。估計是基于效果的焊核的位置焊縫的超聲波。兩個參數(shù)的焊核被認(rèn)為是5：焊核的組織。阿焊核是鑄態(tài)組織與粗顆粒比母材，因此，焊核生產(chǎn)高衰減比母材。熱影響區(qū)(haz組織)是一個小區(qū)域之間的焊核及家長金屬。是的熱影響區(qū)再結(jié)晶組織與罰款和等軸晶，生產(chǎn)低衰減。的影響，在各自的焊接超聲波波形可以忽略不計。焊核的大小。單層回聲之間似乎主要反映如果焊核直徑小于寬度的超聲束，以便思考的一部分，發(fā)生在兩圖之間的接口表。厚焊核產(chǎn)生更高的衰減比薄焊核?，F(xiàn)場焊接分為四種可能的質(zhì)量水平5,21和目標(biāo)(一雙組分載體)是分配給每一個22： 良好的焊接：(11)；焊縫尺寸不足：(01)；棒焊縫：(10)；無需焊接：(00)。2.3.1 良好的焊接(1) 焊核。在鑄態(tài)組織的焊核呈粗顆粒狀。焊核的密度足以產(chǎn)生高度的衰減。焊縫塊直徑大于超聲束的寬度(圖2和3)。圖2 良好焊接橫截面顯微顯示圖3 良好焊接橫截面顯微顯示(2) 超聲波波形。連續(xù)的回聲很短，這是因為高級聲音衰減的鑄態(tài)顯微結(jié)構(gòu)的厚焊核，在連續(xù)回波之間的距離是兩層的合并厚度，因為超聲波束反射發(fā)生在兩層回聲的外表面(圖4)。圖4 良好焊接的超聲波波形圖(左)及各自的人工神經(jīng)網(wǎng)絡(luò)輸入值(右)2.3.2根據(jù)大小焊接(1) 焊核。焊縫塊是鑄態(tài)顯微結(jié)構(gòu)。焊縫塊直徑小于寬度的超聲束(圖5和圖6)。圖5 小尺寸焊接橫截面顯微顯示圖6 小尺寸焊接橫截面顯微顯示(2) 超聲波波形圖。發(fā)生在兩層主要回聲上升一層次回聲的接口的超聲波束的反映(圖7)。圖7 小尺寸焊接超聲波波形圖(左)及其各自人工神經(jīng)網(wǎng)絡(luò)輸入值(右)2.3.3 棒狀焊縫(1) 焊核。焊核是鑄態(tài)顯微組織，它比焊核的良好的焊縫更薄。焊核直徑大于超聲束的寬度(圖8和9)。圖8 棒狀焊縫橫截面顯微顯示圖9 棒狀焊縫橫截面顯微顯示(2) 超聲波波形。在良好的焊接中連續(xù)的回聲相對更長這是因為其衰減較慢。回聲之間的距離為這兩層的厚度(圖10)。圖10 棒狀焊接超聲波波形圖(左)及其各自人工神經(jīng)網(wǎng)絡(luò)輸入值(右)2.3.4 無焊縫(1) 焊核。沒有溶化所以它的顯微組織不是那么的粗糙(圖11和12)。圖11 無焊縫橫截面顯微顯示圖12 無焊縫橫截面顯微顯示(2) 超聲波波形圖?；夭ㄐ蛄惺亲铋L的，因為聲音衰減非常低。因為兩層中間的斷痕回聲之間的距離等于厚波層厚。圖13 無焊縫示波圖及其輸入值2.4 人工神經(jīng)網(wǎng)絡(luò)模型2.4.1訓(xùn)練算法神經(jīng)網(wǎng)絡(luò)工具箱在matlab 6.1軟件包用于模擬人工神經(jīng)網(wǎng)絡(luò)23,24。在目前的工作，用于反向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)。對于一支m層人工神經(jīng)網(wǎng)絡(luò)(包括輸入層)，輸出層神經(jīng)元/層k+1是25：其中，a1=i, am=osk是k層神經(jīng)元的數(shù)目，k+1(l,j)是突觸的重量，fk+1是k+1層轉(zhuǎn)移功能，i和o分別是人工神經(jīng)網(wǎng)絡(luò)的投入和輸出。levenberg - marquardt算法(在matlab稱為trainlm)是用來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)16,23,24。該算法的過程如下25-27：(i) 所有投入i q的人工神經(jīng)網(wǎng)絡(luò)和計算各自的輸出oq和錯誤eq都有各自的對象tq：eq =tq-oq, q=1,q (3)(ii) 計算錯誤值的平方和v(x)，其中x是突觸權(quán)重和偏見：(iii) 計算jacobian矩陣的j(x)：(iv) 取得x：(v) 重復(fù)計算v(x)使用x+x。如果這一新的v(x)小于步驟一的計算值，然后系數(shù)劃分，設(shè)x=x+x回到步驟一，如果v(x)沒有減少，那么乘以并返回步驟四(=10-3作為出發(fā)點和=10)。(vi) 同理，當(dāng)v( x )減少到某些錯誤目標(biāo)或當(dāng)規(guī)范梯度小于一些預(yù)定值。得到如下公式：2.4.2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)式樣執(zhí)行點焊接的數(shù)目是438超聲波示波圖來源于每個點焊。人類專家解釋438波形圖并指派了一個目標(biāo)，驗證拉伸剪切試驗28-30抽樣的10點為焊接的質(zhì)量水平，分別是：良好的焊接：100(圖14，曲線(a)。尺寸不足焊縫：100(圖14，曲線(b)。棒狀焊縫：80。有時從棒狀焊縫很難區(qū)分焊接的好壞。事實上，這兩個錯誤是兩個很好的焊接(圖14，曲線(c)。無焊縫：100(圖14，曲線(d)。圖14 荷載與位移曲線獲得拉伸剪切試驗(a)良好的焊接，(b)小尺寸焊接，(c)棒狀焊接，和(d)無縫焊接。過度的現(xiàn)象可能會出現(xiàn)在訓(xùn)練時，人工神經(jīng)網(wǎng)絡(luò)記憶功能部分的訓(xùn)練數(shù)據(jù)，而不是建設(shè)投入產(chǎn)出映射。因此，過度的現(xiàn)象能夠引起向下拉的能力的人工神經(jīng)網(wǎng)絡(luò)的推廣。這些數(shù)據(jù)組織輸入/目標(biāo)?？倲?shù)據(jù)有438組并且隨意的分布在兩組子集中：培訓(xùn)子集。通過376輸入/目標(biāo)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)(q=376)。在培訓(xùn)中，突觸重量不斷更新，以減少錯誤功能。驗證子集。通過62輸入/目標(biāo)避免過度和實現(xiàn)良好的泛化方式的交叉驗證。如果錯誤則培訓(xùn)停止，對驗證集開始增加(早期停止)。這一程序運行與培訓(xùn)程序，但突觸權(quán)重不更新。在一些神經(jīng)元的輸入和輸出層的人工神經(jīng)網(wǎng)絡(luò)，分別為10和2(s1=10; s4= 2)。有兩種隱層(m= 4)在每一個同樣數(shù)量的神經(jīng)元中。傳遞函數(shù)(f2,f3)的隱藏層(圖15)是雙曲正切函數(shù)(在matlab中稱為tansig)，傳遞函數(shù)f4為輸出層(圖15)的身份功能(在matlab中稱為purelin)23,24。為了確定隱層神經(jīng)元數(shù)目，有必要考慮如果太少，神經(jīng)元用人工神經(jīng)網(wǎng)絡(luò)是不是能夠符合輸入輸出映射，但如果太多，可能會發(fā)生許多神經(jīng)元的過度使用26。均方誤差(均方差)是減少單調(diào)與越來越多的隱層神經(jīng)元。驗證微型和小型企業(yè)減少最初越來越多神經(jīng)細(xì)胞中的隱層，只有在一定的價值達(dá)到時才審定微型和小型企業(yè)增加由于過度的現(xiàn)象24。表3顯示，某些核心價值的神經(jīng)元的隱層是7(s2=7；s3=7)。表3 隱層神經(jīng)元的測定數(shù)目圖15 雙曲線正切函數(shù)和恒等函數(shù)3. 實驗結(jié)果這樣做的目的是讓一支訓(xùn)練有素的人工神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行專家的職能和從各自超聲波波形圖分類現(xiàn)場焊接的質(zhì)量，因此人工神經(jīng)網(wǎng)絡(luò)必須有一個合適的功能進(jìn)行推廣。62輸入向量用于交叉驗證，用以推廣以前訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)。實驗結(jié)果是雙組分載體。一個組成部分值在1 區(qū)間被視為1和一個組成部分的值在0 區(qū)間被視為0。其他值的組成部分被視為無效22(圖16)。圖16 有效性間隔組成部分輸出載體62輸入向量顯示人工神經(jīng)網(wǎng)絡(luò)每個實驗輸出向量與其各自的目標(biāo)比較(表4顯示每一比較，它的成功，或失敗，)。在這些比較中，成功率取決于它的準(zhǔn)確程度，因此，依賴于區(qū)間半徑()(圖17)。如果0.25，成功率為100(圖17)。一個明確的人工神經(jīng)網(wǎng)絡(luò)的分類是非常重要的，它比一個好的成功率更重要。人工神經(jīng)網(wǎng)絡(luò)能夠區(qū)分實驗輸出載體是0和1之間的值。以及遠(yuǎn)離其各自的目標(biāo)值 0.5的情況。 =0.5時毫不含糊的人工神經(jīng)網(wǎng)絡(luò)的成功率為100(圖17)。有時候?qū)＜液茈y區(qū)分無縫焊接的好壞。這個問題可能會導(dǎo)致嚴(yán)重挫折。人工神經(jīng)網(wǎng)絡(luò)能夠區(qū)分不同質(zhì)量水平的兩個類似的現(xiàn)場焊接(一個很好的焊縫和棒狀焊接)，顯示了良好的容錯性。圖17 成功率與間隔半徑表4 人工神經(jīng)網(wǎng)絡(luò)中62輸入向量訓(xùn)練數(shù)據(jù)分類4. 實驗結(jié)論這項工作是實現(xiàn)超聲波無損檢測，質(zhì)量控制，電阻點焊。神經(jīng)元模型已經(jīng)顯示出其作為一種工具來進(jìn)行自動化分類有效性，電阻點焊焊接通過各自波形圖獲得超聲檢測進(jìn)行質(zhì)量控制：通過人工神經(jīng)網(wǎng)絡(luò)能獲得良好的結(jié)果的分類。人工神經(jīng)網(wǎng)絡(luò)適應(yīng)性強，具有高度的健全性，因此它能夠推廣。選擇的重要性在人工神經(jīng)網(wǎng)絡(luò)的輸入中顯得尤為重要，通過10個組分載體作為超聲波波形圖的代表，包含相對高度的回聲和連續(xù)之間回聲的距離，是適當(dāng)?shù)?。?考 文 獻(xiàn)1 m.jou. 實時監(jiān)測焊接質(zhì)量的電阻點焊制造, j.mater出版社, 132 (2003) 102-1132 s.agashe, h.zhang. 選擇的基礎(chǔ)上熱平衡點焊. j.82 (7) (2003) 197s-183s3 e. bayraktar, d. kaplan, m. grumbach. 應(yīng)用影響拉伸測試點焊表. j. mater. 出版社, 153-154 (2004) 80-864 o.martn, phd thesis. ciencia de los materiales e ingeniera metalurgica. 巴利亞多利德大學(xué), 20045 t.mansour. 超聲波檢測現(xiàn)場焊接. 美國工業(yè)的無損檢測. 美國，1991, pp. 557-5686 d.j.spinella, j.r.brockenbrough, j.m. fridy. 趨勢鋁電阻點焊的汽車業(yè), 焊接. j.84 (1) (2005) 34-407 r.jordan, f.feeney, n.nesbitt, j.a.evertsen. 分類樹種的神經(jīng)網(wǎng)絡(luò)分析的超聲波信號. 超聲波, 36 (1998) 219-2228 k.hornik, m.stinchcombe, h.white. 多層前饋網(wǎng)絡(luò)神經(jīng), 2 (1989) 359-3669 n.s.reddy, a.k.p.rao, m.chakraborty, b.s.murty. 預(yù)測中的晶粒尺寸對al-7si合金的神經(jīng)網(wǎng)絡(luò). 材料, sci. eng. a 391 (2005) 131-14010 a.jiahe