基于神经网络的汽车防锈铝水下搅拌摩擦焊工艺优化

以合金牌号、搅拌头旋转速度、焊接速度和轴肩下压量为输入层参数,接头效率为输出层参数,构建了汽车防锈铝水下搅拌摩擦焊工艺优化神经网络模型并进行了训练和验证,此外还对最佳工艺参数下获得的3003、5005和5052三种防锈铝水下搅拌摩擦焊接头进行X光无损检测、显微组织和拉伸性能测试。结果表明,该神经网络模型具有较强的预测能力和较高的预测精度,输出的接头效率相对预测误差为0.8%~2.6%;在最佳工艺参数下获得的3003、5005和5052三种防锈铝水下搅拌摩擦焊接头效率实测值分别为97.9%、96.5%和97.6%。

Underwater friction stir welding process optimization of corrosion-resisting aluminum alloy for automobile based on neural network