基于RBF神經(jīng)網(wǎng)絡的ZG M n 13堆焊焊條的設計

劉 政 ，周吉智

（1.徐州工程機械集團有限公司，江蘇 徐州 221004；2.鄭州三和水工機械有限公司，鄭州 450121）

ZGMn13是一種高錳鋼，其零件的制造一般采用鑄造或鍛造的方式，韌性極佳，且具有加工硬化快的性能，因此廣泛應用于耐磨損和耐沖擊場合，如挖掘機斗齒，鍔式破碎機鍔板等.ZGMn13鑄鍛件常常會出現(xiàn)砂眼、縮孔等工藝缺陷，因此需要高錳鋼焊條進行堆焊修補.CaO-CaF2-SiO2渣系屬于強堿性熔渣，氧化性低.采用Si、Mn等強脫氧元素聯(lián)合脫氧，因此焊縫金屬脫氧充分、合金元素過渡充分.通過調(diào)節(jié)配方可以獲得較好的焊接工藝性.渣系中含有大量的CaO和SiO2，因此CaO-CaF2-SiO2渣系脫S、P效果好，有利于提高熔敷金屬的抗裂性能.

神經(jīng)網(wǎng)絡作為一種優(yōu)化算法在材料學中廣泛應用[1-3]，本文利用RBF神經(jīng)網(wǎng)絡對ZGMn13堆焊焊條配方進行優(yōu)化設計，通過加工硬化實驗對其性能進行評價.

1 RBF神經(jīng)網(wǎng)絡

RBF神經(jīng)網(wǎng)絡是一種在高維空間進行插值和局部逼近的神經(jīng)網(wǎng)絡，徑向基函數(shù)對于每個訓練樣本，只需對少量的權值和閾值進行修正，訓練速度快[4].根據(jù)該渣系典型配方的情況，選取以下原礦物質(zhì)和鐵合金作為配方的組成成分：大理石、螢石、石墨、硅鐵、中碳錳鐵、錳礦、碳酸鉀、鉬鐵、水玻璃，焊芯為H08MnA焊絲.在前人工藝性能的基礎上，僅考慮影響C、Mn過渡的物質(zhì)和K值.中碳錳鐵影響C、Mn的過渡，錳礦影響Mn的過渡，石墨影響C的過渡，所以本設計中以中碳錳鐵、錳礦、石墨和K值為影響因素，以加工硬化后的洛氏硬度值為優(yōu)化目標.

應用于ZGMn13堆焊焊條優(yōu)化設計的RBF神經(jīng)網(wǎng)絡結構如圖1所示，它的主要功能在于能以一定精度逼近加工硬化后的洛氏硬度值關于中碳錳鐵含量、錳礦含量、石墨含量和K值的函數(shù).RBF神經(jīng)網(wǎng)絡由一個輸入層、一個隱含層和一個輸出層組成，輸入層接收來自訓練樣本的值，其神經(jīng)元數(shù)目和樣本數(shù)相同，隱含層神經(jīng)元采用高斯函數(shù)作為傳遞函數(shù)（也稱基函數(shù)），其表達式為：

網(wǎng)絡輸出為：

式中：y為實際輸出;wi為隱含層到輸出層的連接權值；i=1,2,3,4,5為隱含層的結點數(shù).

RBF網(wǎng)絡的學習過程分為兩個階段.第一階段為預處理階段，可以采用模式識別中的無教師學習方法，根據(jù)各聚類中樣本數(shù)據(jù)的位置分布情況來求出高斯函數(shù)的中心與方差；第二階段即學習權值階段，在此階段可利用遞推最小二乘法求解隱含層到輸出層的權值矩陣[5-6].

圖1 應用于ZGMn13堆焊焊條優(yōu)化設計的RBF神經(jīng)網(wǎng)絡結構

2 焊條設計

2.1 訓練樣本采集

為保證向熔敷金屬中過渡足夠的C和Mn，通過計算得中碳錳鐵、錳礦和石墨的加入范圍，初步設計了9組焊條配方，見表1.

以堆焊熔敷金屬表面500 Kg載荷下加工硬化后的洛氏硬度值為優(yōu)化目標，K值、中碳錳鐵含量、錳礦含量、石墨含量為影響因子，對9組焊條的熔敷金屬進行加工硬化試驗，其測試結果及訓練樣本如表2所示.

表1 初步設計的焊條配方（%）

2.2 優(yōu)化設計

依據(jù)上文建立ZGMn13堆焊焊條優(yōu)化設計的RBF神經(jīng)網(wǎng)絡，用采集的樣本對其進行訓練.利用matlab軟件對數(shù)據(jù)可視化，圖2為K值為77.5，中碳錳鐵含量為45.5%時，石墨和錳礦的含量變化對硬度的影響；圖3為K值為72.5，中碳錳鐵含量為47.5%時，石墨和錳礦的含量變化對硬度的影響.圖4為錳礦含量為1.5%，石墨含量為5.5%時，中碳錳鐵含量和K值變化對硬度的影響；圖5為K值為72.5，錳礦含量為3.5%，石墨含量為7.5%時，中碳錳鐵含量和K值變化對硬度的影響.

在K值區(qū)間、中碳錳鐵含量區(qū)間、錳礦含量區(qū)間和石墨含量區(qū)間中各均勻取10個值，構成一個4維矩陣，將此矩陣代入訓練好的RBF神經(jīng)網(wǎng)絡，得到每種配方對應的預測值，最后取得最大預測值，從而獲得最優(yōu)的配方，最優(yōu)配方見表3.

表2 加工硬化結果及訓練樣本

3 加工硬化實驗及結果分析

3.1 實驗試樣制備

在尺寸為70 mm×70 mm×16 mm的Q235A試樣上堆焊一平面，堆焊金屬厚度為12 mm，焊接時采用小電流、弱規(guī)范、直線不擺動運條的焊接方式，焊后立即水韌處理.

圖2 預測硬度值（K=77.5，中碳錳鐵%=45.5%）

圖3 預測硬度值（K=72.5，中碳錳鐵%=47.5%）

圖4 預測硬度值（錳礦%=1.5%，石墨%=5.5%）

圖5 預測硬度值（錳礦%=3.5%，石墨%=7.5%）

3.2 動載加工硬化試驗

動載加工硬化實驗中沖擊能量分別為：25 N·m、35 N·m、45 N·m，沖擊后在型號為TH-300的洛氏硬度機上測硬度.為更好地觀察硬度隨沖擊能和硬化層深度的變化趨勢，將所得的數(shù)據(jù)點進行擬合，試驗后沖擊痕表面硬度測試結果如圖6所示；沖擊后硬度隨硬化層深度變化曲線如圖7所示.

表3 最優(yōu)配方

3.3 靜載加工硬化試驗

靜載加工硬化實驗中，先在HB-3000型布氏硬度機上靜載加工硬化，壓頭直徑為2.5 mm，加載時間為20 S；然后在型號為TH-300洛氏硬度機上測壓痕硬度.將實驗所得的數(shù)據(jù)點進行擬合，靜載加工硬化實驗后，硬度隨靜載荷變化結果如圖8所示.

圖6 沖擊后表面硬度變化

圖7 沖擊后硬化層深度變化

圖8 靜載加工硬化

3.4 試驗結果分析

從動載加工硬化試驗結果可以看出，隨著硬化層深度的增加，加工硬化趨勢減弱，而心部仍呈現(xiàn)良好的塑性及韌性.從上述結果可看出動載試驗加工硬化效果的上升趨勢很大.原因是熔敷金屬表面受到?jīng)_擊載荷或高壓力的作用時，表面迅速產(chǎn)生塑變，形成位錯塞積因而產(chǎn)生加工硬化[7].

從靜載及動載加工硬化試驗結果可以看出，焊條熔敷金屬的靜載加工硬化曲線呈上升趨勢，即優(yōu)化設計后的焊條熔敷金屬具有明顯的加工硬化性能.這是因為熔敷金屬（ZGMn13）中含C和Mn量較高（C%=0.9～1.3%，Mn%=11.0～14.0%），而C和Mn都是擴大奧氏體相區(qū)的元素，且焊接時采用了小電流，弱規(guī)范，直線不擺動運條的熱輸入較小焊接方式，再加上焊后的水韌處理使得焊接部位迅速冷卻，保證該部位獲得較多的奧氏體組織，從而滿足對于加工硬化性能的要求.

4 結論

本文建立了基于RBF神經(jīng)網(wǎng)絡的CaO-CaF2-SiO2渣系ZGMn13堆焊焊條的配方與性能模型，利用模型對ZGMn13堆焊焊條的配方進行了優(yōu)化設計，得到最優(yōu)的配方；用優(yōu)化后的配方制成焊條，在Q235試板上堆焊，進行加工硬化實驗，加工硬化效果明顯.

[1]劉玉兵，張宗揚，吳國軍.基于徑向基函數(shù)神經(jīng)網(wǎng)絡的發(fā)動機磨損預測分析[J].潤滑與密封，2009，34（1）：71-72，8 3.

[2]楊莉，杜成超，翟紫陽，等.基于貝葉斯神經(jīng)網(wǎng)絡的焊縫跟蹤方法[J].熱加工工藝，2011，40（23）：168-170.

[3] Kim K B，Sim K B，Ahn S H. Recognition of concrete surfacecracks using the ART1-based RBF network[J]. Lecture Notes in ComputerScience，2006，3972：669-675.

[4]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡理論與M A TLA B7實現(xiàn)[M].北京：電子工業(yè)出版社，2005：116-119.

[5]傅薈璇，趙紅.M A TLA B神經(jīng)網(wǎng)絡應用設計[M].北京：機械工業(yè)出版社，2009：157-159.

[6]李紅，彭濤.基于BP-RBF神經(jīng)網(wǎng)絡混凝土抗壓強度預測[J].武漢理工大學學報，2009，31（8）：33-36.

[7] Allain S，Chateau J P，Bouaziz O. A physical model of the twinning–induced plasticity effect in a high manganse austenitic steel[J]. Materals Science and Engineering A，2004，387-389：14-147.