基于相关性分析和SSA-BP神经网络的铝合金电阻点焊质量预测

TG453.9; 基于电阻点焊过程中工艺信号特征,在不同间距、不同间隙和不同间距与间隙 3种条件下,引入相关性分析方法分析工艺信号与熔核直径之间的相关性,并建立基于麻雀搜索算法-BP神经网络(sparrow search algorithm-back propagation neural network,SSA-BP)的电阻点焊质量预测模型,将功率、焊接电流、焊接电压和动态电阻作为预测模型输入特征.结果表明,经麻雀搜索算法优化后的BP神经网络在测试集上的决定系数R2、均方误差(mean-square error,MSE)、均方根误差(root mean square error,RMSE)和平...

Full description

Saved in:
Bibliographic Details
Published in焊接学报 Vol. 45; no. 2; pp. 13 - 32
Main Authors 董建伟, 胡建明, 罗震
Format Journal Article
LanguageChinese
Published 天津大学,材料科学与工程学院,天津, 300350 01.02.2024
Subjects
resistance spot welding
correlation analysis
BP neural network
熔核直径
麻雀搜索算法
相关性分析
BP神经网络
nugget diameter
sparrow search algorithm
电阻点焊
Online AccessGet full text
ISSN0253-360X
DOI10.12073/j.hjxb.20230226001

Cover

More Information
Summary:TG453.9; 基于电阻点焊过程中工艺信号特征,在不同间距、不同间隙和不同间距与间隙 3种条件下,引入相关性分析方法分析工艺信号与熔核直径之间的相关性,并建立基于麻雀搜索算法-BP神经网络(sparrow search algorithm-back propagation neural network,SSA-BP)的电阻点焊质量预测模型,将功率、焊接电流、焊接电压和动态电阻作为预测模型输入特征.结果表明,经麻雀搜索算法优化后的BP神经网络在测试集上的决定系数R2、均方误差(mean-square error,MSE)、均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为0.95,1.55,1.24和 0.90,均优于BP模型.获得了功率、焊接电流、焊接电压和动态电阻与熔核直径的映射关系,可为焊接的工艺参数设计提供依据.
ISSN:0253-360X
DOI:10.12073/j.hjxb.20230226001