Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Computer Methods in Materials Science

1 2011

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: welding process optimization

Sortuj według:

Ogranicz wyniki do:

Hybrid Intelligence Modeling using Genetic Algorithm for optimizing welding process parameters of Mod. 9Cr-1Mo Stee

Vasudevan M., Gowtham K. N., Jayakumar T.

Computer Methods in Materials Science

2011

Vol. 11, No. 1

16-22

This abstract is for Mini symposium on Genetic Algorithm in Materials Design and Processing Modified 9Cr-1Mo ferritic steel is used as structural material for stream generator components of power plants. Generally, Tungsten Inert Gas (TIG) welding is preferred for welding these steels in which the depth of penetration achievable during autogenous welding is very limited and hence productivity is less. Therefore, Activated flux Tungsten Inert Gas (A-TIG) welding, a novel welding technique has been developed in house to increase the depth of penetration. In modified 9Cr-1Mo steel joints produced by A-TIG welding process, weld bead width, depth of penetration and Heat Affected Zone (HAZ) width play an important role in determining the mechanical properties and also the performance of the weld joints during service. To obtain the desired weld bead geometry, HAZ width and make a good weld, it becomes important to set the welding process parameters. Since the experimental optimization of these parameters is time consuming, soft-computing techniques are commonly used for optimization of the welding process parameters (welding voltage, current and torch speed). In this work, Adaptative Neuro Fuzzy Inference System (ANFIS), one of the soft-computing tools, is used to develop independent models correlating the welding process parameters like current, voltage and speed with weld bead shape parameters like depth of penetration, bead width and HAZ width. Then Genetic Algorithm is employed to determine the optimum A-TIG welding process parameters in order to obtain the desired weld bead shape parameters and HAZ width. Validation of the GA model is completed by carrying out experiments to compare the target values with that of the actual values of the weld bead shape parameters obtained. There is good agreement between the target values and the actual values.

Modyfikowana stal ferrytyczna 9Cr-1MoDo wykorzystywana jest do budowy generatorów stosowanych w elektrowniach. Tego typu stale spawane są najczęściej metodą TIG (Tungsten Inert Gas), charakteryzującą się bardzo małą głębokością przetopu podczas spawania, a tym samym niską sprawnością. Dla zwiększenia głębokości przetopu opracowana została nowa technika spawania, tzw. A-TIG (Activated flux Tungsten Inert Gas). Własności mechaniczne oraz jakość wykonania spawów metodą A-TIG zależy w dużej mierze od szerokości spoiny, głębokości przetopu oraz wielkości strefy wpływu ciepła (Heat Affected Zone). Kontrola jakości spawu, czyli dobranie odpo-wiedniej szerokości spoiny oraz utrzymanie strefy ciepła HAZ, zależy od parametrów procesu. Ze względu na czasochłonności optymalizacji doświadczalnej, do określenia optymalnych para-metrów spawania zastosowano model obliczeniowy procesu połączony z algorytmem genetycznym (GA). Do wyznaczenia niezależnych modeli korelacji pomiędzy parametrami procesu: natężeniem i napięciem prądu oraz prędkością spawania, a szerokością spawu, głębokością przetopu oraz wielkością HAZ wykorzystano jedno z narzędzi ANFIS (Adaptive Neuro Fuzzy Interface System). Następnie za pomocą algorytmu genetycznego oszacowano optymalne parametry procesu spawania metodą A-TIG. W celu weryfikacji modelu wykonano doświadczenia i porównano wartości otrzymane z rzeczywistymi potwierdzając poprawność otrzymanych wyników obliczeń.