焊接件冷卻下來時,殘余應(yīng)力會在部分內(nèi)部形成.焊接的結(jié)構(gòu)性能在很大程度上取決于焊接過程的參數(shù),如熱輸入、焊接路徑和夾具設(shè)計。模擬可以對焊接過程進(jìn)行建模,以計算焊接海底零件的殘余應(yīng)力分布和變形。本文闡述了人工智能(AI)和機(jī)器學(xué)習(xí)是如何促進(jìn)焊接分析和優(yōu)化的。

由于不同的參數(shù)如此之多,使用模擬的全面設(shè)計空間探索可能會非常耗時。這意味著,工程師們常常不得不通過試驗和錯誤來找到一種能生產(chǎn)出足夠質(zhì)量部件的焊接工藝。機(jī)器學(xué)習(xí),利用深入學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練模擬結(jié)果,可以顯著加快焊接優(yōu)化。

演示中使用的焊接裝置

上面的圖片顯示了一個簡單的焊接優(yōu)化的例子,使用兩個鎳基高溫合金板在625測量200x100x5毫米。焊接模擬利用Abaqus對于連續(xù)耦合熱機(jī)械分析,采用添加劑制造(AM)過程模擬接口靈活定義焊接路徑、參數(shù)和熱流分布。生成了80個不同焊接功率(400-600千瓦)、速度(0.5-1.0米/秒)和火炬角(30-90度)的模擬數(shù)據(jù)集。其中64個用于訓(xùn)練基于神經(jīng)網(wǎng)絡(luò)的AI模型,其余16個用于測試它。

經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)是焊接過程的替代模型。一旦訓(xùn)練,它幾乎可以立即計算新的參數(shù)的三維變形和殘余應(yīng)力,這意味著速度超過10萬比單模擬。該模型可產(chǎn)生許多不同類型的結(jié)果,包括熔池形狀、溫度分布、變形和殘余應(yīng)力。該模型具有良好的精度,最大變形誤差約為0.1%。

機(jī)器學(xué)習(xí)溫度場和熔池演化試驗預(yù)測(左)及參考FEA模擬結(jié)果(右)

代理模型的結(jié)果也可以作為進(jìn)一步模擬的輸入。例如,從深學(xué)習(xí)模型得到的溫度分布可用于熱應(yīng)力FEA模擬。這樣,機(jī)器學(xué)習(xí)和人工智能就成為多尺度、多物理分析的有力工具。

結(jié)論

利用人工智能和機(jī)器學(xué)習(xí)支持仿真,工程師不僅可以分析電子焊的完整性,而且可以快速有效地優(yōu)化焊的性能。這使工程師能夠提高接頭的完整性,并幫助確保達(dá)到安全和質(zhì)量目標(biāo)。