基于人工神经网络的钛合金焊接接头机械性能预测

王敏; 董志波; 魏艳红; 高巍

doi:10.16080/j.issn1671-833x.2009.16.002

您当前的位置：

首页 >

文章列表页 >

基于人工神经网络的钛合金焊接接头机械性能预测

学术论文 | 更新时间：2025-10-30

- 基于人工神经网络的钛合金焊接接头机械性能预测
- Mechanical Property Prediction of Welding Joint Based on Artifi cial Neural Network for Titanium Alloy
- 航空制造技术 2009年52卷第16期页码：79-81
- 作者机构：
  
  1. 中科院沈阳自动化研究所
  2. 哈尔滨工业大学
- 作者简介：
- 基金信息：
- DOI：10.16080/j.issn1671-833x.2009.16.002
  中图分类号：
- 纸质出版：2009
- 稿件说明：
移动端阅览
王敏，董志波，魏艳红，高巍. 基于人工神经网络的钛合金焊接接头机械性能预测[J]. 航空制造技术, 2009, 52(16): 79-81,99.

Mechanical Property Prediction of Welding Joint Based on Artifi cial Neural Network for Titanium Alloy[J]. Aeronautical Manufacturing Technology, 2009, 52(16): 79-81.
王敏，董志波，魏艳红，高巍. 基于人工神经网络的钛合金焊接接头机械性能预测[J]. 航空制造技术, 2009, 52(16): 79-81,99. DOI： 10.16080/j.issn1671-833x.2009.16.002.

Mechanical Property Prediction of Welding Joint Based on Artifi cial Neural Network for Titanium Alloy[J]. Aeronautical Manufacturing Technology, 2009, 52(16): 79-81. DOI： 10.16080/j.issn1671-833x.2009.16.002.

摘要

采用多层前向反馈神经网络模型，对钛合金钨极氩弧焊的焊接接头机械性能进行了模拟和预测。其中，输入参数包括钛合金成分、冷却速度和热处理参数；输出参数包括5 个重要的机械性能，即极限抗拉强度、延伸率、断面收缩率、屈服强度和硬度。详细分析了铝和钒这2 种元素对机械性能的影响。

Abstract

The mechanical properties of gas tungsten arc welding (GTAW) are simulated predicted by multilayer forward neural network model for titanium alloys. The input parameters of the neural network are alloy compositions

cooling rate and heat treatment conditions

and the output parameters of the neural network are five important mechanical properties of the weld metal of titanium alloys

namely ultimate tensile strength

elongation

reduction of area

yield strength and hardness. The effects of aluminum and vanadium on mechanical properties were investigated in detail.

关键词

Keywords

references

浏览量

110

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

扭转超声振动辅助铣削钛合金的试验研究

激光沉积制造TC4梯度组织的晶粒演化模拟和制备

钛合金筋板类构件局部加载成形有限元仿真分析中的摩擦及其影响

用于钛合金防微动磨损的干膜润滑剂性能研究

钛合金压印接头疲劳服役剩余强度及寿命预测