基于改进的BP神经网络胶铆接头的力学性能预测研究

利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型。结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力。对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的均值绝对误差为BP神经网络均值绝对误差的40%,GA-BP神经网络具备更好的预测性能。     

铝钢胶铆接头力学性能及工艺参数影响研究

制备了DP590钢板与AA6011铝合金板的自冲铆接接头、胶接接头及胶铆接头,分析了结构胶对自冲铆接接头成形质量及力学性能的影响,并基于灰色关联法确定了胶铆参数对接头力学性能的贡献程度。结果表明:胶铆接头的静失效载荷与能量吸收值均高于自冲铆接接头,且胶粘剂的使用不影响接头的失效形式;胶粘剂的引入使得胶铆接头的底切量与剩余厚度降低;在胶层不变的情况下,铆接压强对最大拉伸力的影响最大,铝板厚度的影响最小。     

基于高精度测量的缸体顶端结合面密封路径密封性研究

密封性直接反映了发动机密封装配的质量,发动机缸体缸盖结合面的密封直接影响着发动机的密封性。为探究缸体结合面密封路径的密封性能,采用ShaPix激光全息表面测量仪检测一台泄露的发动机缸体顶端结合面的表面微观形貌,得到了顶端结合面的微观形貌模型及其点云数据;基于高精度测量数据在已有公式的基础上,引出表面形貌参数Rvm及偏度Rsk,并通过计算拟合,探究了其与泄露量Q之间的关系;利用所得关系式,探究了密封路径的密封性;结果表明:当考虑波谷的分布时,能得到更合理的泄漏量公式。基于高精度测量的数据,结合泄露量公式,能有效地评估结合面密封路径的密封性能,并可确定密封路径上的失效位置。     

基于NSGA-Ⅱ及BP神经网络的引擎盖外板定位点优化

传统枚举算法寻找最佳定位点需要的时间长、计算效率低,为了提高计算效率、减少汽车引擎盖板装配时的重力变形,提出一种基于多目标优化遗传算法及BP神经网络的汽车钣金件定位布局的优化方案。通过NSGA-Ⅱ多目标优化遗传算法优化主定位基准面上的制造误差方差及位置稳定性参数,结合BP神经网络和UG仿真分析减少寻优时间、确定优化后定位点位置。优化后引擎盖外板的变形量比优化前减少了30%,有利于提高引擎盖板装配精度,满足实际生产。     

超声清洗铝合金冷金属过渡焊缝组织性能研究

经过超声清洗处理的6061铝合金,其表面氧化膜厚度大幅减小,可以明显改善冷金属过渡（CMT）焊缝的形成过程。另外,超声清洗处理可以减少焊缝中的氧化膜颗粒,促进焊缝中的气孔异质形核转为均质形核,其最大气孔直径由1.1 mm降为0.8 mm,提升了焊缝组织的均匀性。实验结果发现,相比于普通铝合金CMT焊缝,超声清洗处理铝合金CMT焊缝的极限抗拉强度由144.6 MPa提升到189.6 MPa,提高了CMT焊缝的机械性能。     

添加中间层对超声波焊接头界面及导电性能影响研究

研究了1060铝合金和T2紫铜添加中间夹层的超声波焊接。分析超声波焊接过程,得知平行振动方向的材料塑性流动强于垂直振动方向,且原子的扩散距离约是垂直方向的2倍。同种焊接参数条件下分别添加12μm厚的银箔、10~20μm颗粒大小银粉、铁粉、石墨粉为接头的中间夹层,通过EDS、SEM方法分析界面的塑性流动和元素扩散情况。添加银箔的接头电阻值约55μΩ,明显大于其他中间层的接头。