船舶與海洋工程中的焊接變形預測方法研究

卞宇 胡海鵬 馬永鋒 楊峰 楊志華

摘要：通過對焊接變形預測理論的發展和現狀進行一定程度的概述，并且將其具體的劃分成以實驗和理論相結合為基礎的計算階段、以計算機數據模擬圖模型為基礎的分析階段以及以新興數據挖掘方法為基礎的研究應用階段這三個具有標志性的階段。并且作者將這三個階段的預測技術在實際應用過程中的優劣情況進行一定的描述和評論，進而來對當前焊接變形預測方法的應用前景進行一定程度的分析。

關鍵詞：焊接變形；預測；精度控制；神經網絡

中圖分類號：U671.83 文獻標識碼：A 文章編號：1672-9129（2018）07-0110-02

Abstract： the development and current situation of welding deformation prediction theory are summarized to a certain extent， and it is divided into the calculation stage based on the combination of experiment and theory， the analysis stage based on the computer data simulation model and the research and application stage based on the new data mining method. Three marked stages. And the author makes a certain description and comment on the advantages and disadvantages of these three stages in the practical application process， and then analyzes the application prospect of the current welding deformation prediction method to a certain extent.

Key words： welding deformation； prediction； accuracy control； neural network

1 船舶大型焊件焊接變形預測理論發展概況

在近幾十年來國內外的相關學者一直長期致力于對焊接變形技術的研究工作，隨著當前人們從機理的角度對焊接引起的變形情況的認識越來越成熟，對變形量進行預測的技術也得到了很明顯的發展。整體上來看，可以將船用大型結構的焊接變形預測理論的發展分成下文所述的三個具體的階段。

1.1 基于實驗和理論的經驗計算階段

在這個階段中學術界和工業界對焊接變形個的變化進行研究的主要方法是簡單結構的焊接實驗和理想化假設基礎上的經驗統計公式以及經驗曲線等。還有對一些建造過程中通過實測所收集的一些簡單的數據進行簡單的量化，然后對焊接變形進行一定范圍的余量控制。這個階段的焊接預測技術在對船舶建造過程進行實際應用的時候暴露出了極強的局限性。

1.2 基于計算機數值模擬的模型分析階段

這個階段主要是依賴于快速發展起來的計算機技術，通用熱分布有限元方法使對焊接過程中的焊接變形情況進行計算。這種方法可以對整個焊接熱循環過程進行全面的考慮，并且通過對焊接構件在溫度出現變化時候的彈-塑性過程進行分析后應用固有的應變求出最終的焊接數據模擬。這種方法能夠對很多種因素做到同時考慮，然后進行大量較為繁瑣的計算。并且在不斷發展的過程中被相關的研究人員將數值模型從一維發展成為了二維直到當前的三維。這種方法到當前依然是一種比較常用的定量研究方法，不僅能夠對一些變形情況進行預測，還能對焊接接縫額質量以及焊接變形控制進行一定的研究。

1.3 基于新興數據挖掘方法的研究應用階段

數據挖掘技術主要是通過一些學者對在大量的實際建造過程中的相關數據進行總結，然后對一些變化的規律進行挖掘，進而來對原理分析的環節進行有效的規避，以此來實現更好的實際應用效果。

數據挖掘技術主要是應用在回歸分析過程、人工神經網絡和聚類分析以及支持向量機，在所有的數據挖掘技術之中神經網絡技術在對船海工程中焊接變形情況進行預測所得到的結果更加的可靠。人工神經網絡等數據因為其自身具有極強的自學習能力和非線性建模能力，所以在被應用到復雜的船舶與海洋工程的數據分析過程中可以得到很好的效果。通過對大量的數據訓練節點權值進行建造和應用網絡的自學習能力來對船舶建造中焊接變形數據之間復雜的內在函數關系進行有效的規避，進而直接準確的預測出焊接變形的具體數值，在具體的應用過程中對于工程精度方面的控制有著非常重要的意義。

2 基于神經網絡的新型焊接變形預測理論優勢和研究前景

當前以神經網絡技術為代表的數據挖掘技術不斷趨于成熟，為焊接變形預測技術的發展找到了更多的發展方向。結合當前船舶建造的結構和工程較為復雜的特點，應用傳統的建模分析預測方法非常容易產生誤差，而通過對大量實際生產數據進行研究和數據挖掘技術的不斷發展，以大量數據為基礎對變化的規律進行研究的方法能夠收到出更佳理想的效果，神經網絡建模技術在對船舶與海洋工程中的焊接變形進行預測的時候具有比較大的優勢，并且這種方法在當前的預測過程中的應用也比較廣泛。人工神經網絡屬于一種對生物學中的神經系統進行模擬的簡單處理單元構成的規模較大的并行分布式處理器。在對船舶建造過程中的焊接變形情況進行預測的時候能夠通過對輸入的參數和輸出的變形量進行建模，額應用網絡自學習能力較強的特點對各個節點的權值進行調節，以此來對新的輸入進行較為準確的響應輸出，通過這樣一個流程來實現對變形情況的預測。

上述模型圖為當前應用較廣的一種前饋型網絡模型，主要是對船舶高強度焊接參數和變形情況來實現網絡模型的構建。

雖然這種方法具有一定的預測能力，但是在當前的應用研究方面還存在這一定的問題。比如在應用BP網絡模型進行實際的擬合預測過程中存在一定的跳動情況，這種情況的出現會使網絡的泛化能力以及適應性與理想效果存在差別。而且因為BP網絡本身在訓練算法方面就存在著一定的缺陷，在代價函數方面很容易陷入局部最小的情況，這樣就很難使預測的精度達到理想的范圍。

3 結束語

焊接變形預測的技術的優劣在船舶與海洋工程建造過程中控制技術的精度有著極為重要的影響，想要更好的將船舶在實踐建造過程中的變形情況進行精準的把握并且將補償量進行準確的量化在當前還沒有特別成熟的方法，因此在今后的技術發展過程中這個領域依然需要被相關的研究人員不斷進行開發。在今后進行研究的過程中要主要側重如何將各種網絡模型進行更好的改進和應用的問題之中。

參考文獻：

[1]李海峰.海洋工程和船舶焊接變形預測方法研究[J].中國建材科技，2018，27（01）：14-15.

[2]王建勛，初冠南，于昌利，王國學，桂洪斌.船舶與海洋工程中的焊接變形預測方法研究[J].船舶工程，2011，33（S2）：1-5.

[3]周宏，羅宇，蔣志勇，馬坤明.大型船舶結構焊接變形固有應變法預測研究[J].江蘇科技大學學報（自然科學版），2010，24（02）：134-138.

[4]徐東，楊潤黨，王文榮，金燁.船體結構焊接變形預測與控制技術研究進展[J].艦船科學技術，2010，31（01）：132-137.