点焊是一个多物理场耦合的高度非线性过程,传统恒流控制方法难以保证焊点可靠性,使车身制造要增加大量的冗余焊点,其主要原因是常规气动焊枪难以实现电极力和焊接电流的综合控制。本课题通过分析点焊过程中电场、磁场、热场、流场以及位移场之间的耦合机理,建立点焊过程多物理场耦合分析模型,基于该模型获得点焊过程中的熔核生长规律和最优熔核尺寸,为伺服焊枪点焊质量多参数实时控制提供精确控制目标。结合遗传算法、信息融合技术和神经网络理论,建立以焊接电流、电极压力、电极位移和动态电阻为参数输入,熔核直径为输出的神经网络模型,实现点焊质量实时评价。基于点焊过程多物理场耦合仿真模型并借助于试验设计方法,建立熔核尺寸与控制参数的响应面模型,在此基础上确定电极压力和焊接电流控制策略,通过改变伺服电机转矩和可控硅导通角,实现伺服焊枪点焊熔核尺寸的闭环实时控制,研究成果将为薄板点焊质量控制提供理论方法和技术基础。
英文主题词Multi-physics coupled, Nugget size, Servo gun, Neural networks, Real-time control