hrvatski

Analiza procesa MIG robotiziranog zavarivanja tankih AlMg3 limova

U ovom radu je obrađena problematika robotiziranog MIG zavarivanja AlMg3 legure debljine 1 mm u kratkospojnom i impulsnom režimu rada. Metodologija je temeljena na sustavnom iznalaženju parametara zavarivanja i analizi električnog luka mjerenjem električnih veličina, jakosti struje i napona zavarivanja. Metodama neuronskih mreža i višestruke linearne regresije ispitana je mogućnost predviđanja geometrijskih značajki zavara. U uvodnom dijelu rada dat je kratki uvid u problematiku MIG zavarivanja aluminija i njegovih legura s naglaskom na robotizirano zavarivanje aluminijskih limova. Definiraju se ciljevi koji se žele postići kroz eksperimentalni pristup – istražiti mogućnost spajanja aluminijskih limova debljine 1 mm robotiziranim MIG zavarivanjem u različitim režimima rada, istražiti utjecaj parametara zavarivanja na geometriju zavara i ispitati mogućnost predviđanja primjenom metoda neuronskih mreža i višestruke linearne regresije. U drugom poglavlju dat je osvrt na svojstva aluminija s naglaskom na leguru Al Mg3, opisano je elektrolučno zavarivanje kontinuiranom žicom u zaštitnoj atmosferi inertnog plina, pojašnjen je rad s režimom kratkog luka i rad s impulsnim strujama. Sažeto je opisano stanje tehnike na osjetljivoj problematici zavarivanja tankih limova, te je dat uvid u tehnologiju robotiziranog zavarivanja. U trećem poglavlju opisana je metoda neuronskih mreža, te je dat pregled neuronskih mreža s primjerima primjene u području zavarivanja, odnosno predviđanja geometrije zavara na sličnim ili istim aluminijskim legurama. U četvrtom poglavlju opisuje se provođenje, organizacija i metodologija eksperimentalnog dijela rada, laboratorijsko ispitno mjesto, primjenjeni mjerni sustav za prikupljanje podataka o naponu i jakosti struje zavarivanja. Dati su detalji o osnovnom, dodatnom i potrošnom materijalu primjenjenom u eksperimentima, te parametri zavarivanja za provedenih 70 pokusa. U petom poglavlju se opisuju rezultati i analiza rezultata. Analizirana su odstupanja izmjerenih napona i jakosti struje od odabranih vrijednosti. Također su analizirani karakteristični ciklusi procesa temeljem izračuna koeficijenata varijabilnosti, izrade histograma i ciklograma. U posebnim potpoglavljima analiziran je i utjecaj parametara zavarivanja na geometrijske značajke zavara, te je proveden odabir parametara zavarivanja u kratkospojnom i impulsnom režimu rada. Kratkospojnim i impulsnim MIG procesom za odabrane parametre dobiveni su zavari prihvatljive geometrije pri različitim brzinama zavarivanja i to: 0, 85 m/min ; 1, 1 m/min i 2 m/min kod kratkospojnog procesa, te 0, 85 m/min ; 1, 425 m/min i 2 m/min kod impulsnog procesa. Temeljem analize utjecajnih zavarivačkih parametara robotiziranog MIG zavarivanja utvrđena je, primjenom regresijskih jednadžbi, korelacija s geometrijom zavara. Analizirajući pokuse izvedene impulsnim procesom, zaključuje se da smanjenje napona zavarivanja skraćuje električni luk, što za posljedicu može imati pojavu nepoželjnih kratkih spojeva budući da ranije dođe do kratkog spoja nego do otkidanja kapi. Promjena oblika impulsa kod impulsnog procesa ne utječe na pojavu kratkih spojeva, već na vrijeme trajanja ciklusa i na iznos vršne jakosti struje. Pojava kratkih spojeva pri impulsnom procesu je nepoželjna i ukazuje na nestabilnosti procesa. Različiti čimbenici utječu na pojavu grešaka u zavarenim spojevima, što može ozbiljnije narušiti kvalitetu zavarenog elementa. U radu su istaknute karakteristične greške zavara koje su se pojavile pri zavarivanju kratkospojnim i impulsnim MIG procesom. U poglavlju 6 je ispitana mogućnost predviđanja geometrijskih značajki zavara (širine i visine lica, širine i visine korijena, te penetracije po duljini zavara) primjenom metoda neuronskih mreža i višestruke linearne regresije. U cilju izbora optimalnog modela, u ulaznom sloju neuronske mreže su se koristile odabrane i izmjerene srednje vrijednosti jakosti struje zavarivanja, napona zavarivanja i srednje trenutačne snage luka, koje su dobivene obradom mjerenih signala u programima Matlab i Excel. U modeliranju neuronskim mrežama se koristio model unaprijedne neuronske mreže s povratnim rasprostiranjem greške, odnosno, Levenberg-Marquardt-ov algoritam. Pri tome je u izlaznom sloju korišteno 1, 4 i 5 neurona, a broj neurona u skrivenom sloju je variran od 1 do 20. Primjenjeni kriterij izbora modela neuronske mreže je najmanja srednja relativna greška i najveća pojedinačna relativna greška. Grafičkim prikazima i izračunom koeficijenata korelacije provedena je usporedba rezultata predviđanja. Računanjem srednjeg koeficijenta korelacije dobila se poopćena informacija o rezultatima predviđanja usvojenim modelima za obje metode. Za kratkospojni proces srednji koeficijent korelacije modela neuronskih mreža iznosi Rsr=0, 99, a srednji koeficijent korelacije modela višestruke linearne regresije iznosi Rsr=0, 68. Za impulsni proces srednji koeficijent korelacije modela neuronskih mreža iznosi Rsr=0, 99, a za modele višestruke linearne regresije iznosi Rsr=0, 71. Analizom rezultata predviđanja zaključuje se da su modeliranjem neuronskim mrežama dobiveni značajno bolji rezultati predviđanja geometrije zavara kod kratkospojnog i impulsnog procesa u odnosu na rezultate predviđanja višestrukom linearnom regresijom.

robotizirano MIG zavarivanje, kratkospojni MIG proces, impulsni MIG proces, geometrija zavara, stabilnost procesa zavarivanja, predviđanje geometrije zavara metodom neuronskih mreža, predviđanje geometrije zavara metodom višestruke linearne regresije, tanki AlMg3 limovi

Rad je dostupan u Sveučilišnoj knjižnici u Splitu u tiskanom izdanju