Neural network based approach for quality improvement of electron beam welding
Elena Koleva, Nikolinka Christova, Georgi Mladenov, Dmitrii Trushnikov, Vladimir Belenkiy
Neural network models for the dependence of the geometry characteristics of welds from 38Cr2Ni2Mo high-strength steel, obtained at electron beam welding in presence of longitudinal beam deflection oscillations, are estimated. This methodology is implemented together with the response surface methodology (statistical approach). The results obtained by neural networks and regression models are analyzed and compared for the investigation of the influence of electron beam welding process parameters – focusing current, frequency and amplitude of beam deflection oscillations – on the obtained weld depth, width of the fusion and the heat affected zones.
Оценени са невронни модели за зависимостите на геометричните характеристики на заваръчни шевове от високоякостна стомана 38Cr2Ni2Mo, получени чрез електронно лъчево заваряване при наличие на осцилации на лъча по посока на движението му. Тази методология е приложена заедно с методологията на откликовата повърхност (статистически подход). Анализирани и сравнени са резултатите, получени чрез невронни мрежи и регресионни модели, като е изследвано влиянието на параметрите на електроннолъчевото заваряване – ток на фокусировка, честота и амплитуда на осцилациите на лъча – върху дълбочината на шевовете, ширината на стопената и на термично повлияните зони.
Cite this article as:
Koleva E., Christova N., Mladenov G., Trushnikov D., Belenkiy V. Neural network based approach for quality improvement of electron beam welding. Journal – Electrotechnica & Electronica (Е+Е), Vol. 49 (3-4), 2014, pp. 42-48, ISSN: 0861-4717 (Print), 2603-5421 (Online)
