Emisión Acústica y Redes Neuronales para Modelado y Caracterización del Proceso de Soldadura por Fricción Agitación

Emilio Jiménez Macías

Spain

Universidad de La Rioja

Departamento de Ingeniería Eléctrica

Ángel Sánchez Roca

Cuba

Universidad de Oriente

Facultad de Ingeniería Mecánica

Hipólito Carvajal Fals

Cuba

Universidad de Oriente

Facultad de Ingeniería Mecánica

Julio Blanco Fernández

Spain

Universidad de La Rioja

Departamento de Ingeniería Mecánica

Juan C. Sáenz-Díez Muro

Spain

Universidad de La Rioja

Departamento de Ingeniería Eléctrica
|

Aceptado: 06-02-2018

|
DOI: https://doi.org/10.1016/j.riai.2013.09.003
Datos de financiación

Descargas

Palabras clave:

Redes neuronales artificiales, análisis de señales, modelado, perceptrón multicapas, medición de vibraciones, soldadura por fricción agitación

Agencias de apoyo:

Parcialmente financiado por el Proyecto Nacional del Gobierno español DPI2011-25007.

Resumen:

En esta investigación se realiza un análisis para el modelado y la caracterización de los parámetros del proceso de soldadura por fricción agitación (FSW) a partir de las señales vibro-acústicas generadas por el proceso. El modelo se basa en una red neuronal empleada para predecir los parámetros del proceso de soldadura a partir de la medición on-line de las señales generadas durante su ejecución. En los ensayos se han soldado chapas de aluminio AA1050 H24 con 3 mm de espesor, y las señales del proceso de soldadura han sido adquiridas empleando un sistema de adquisición NI USB-9234. Como entradas para el modelo basado en la Red Neuronal Artificial (RNA) se han empleado parámetros de caracterización de las señales a partir de la señal temporal y su descomposición a partir de la aplicación de Transformada Wavelet. Como salidas del modelo se han escogido los parámetros del proceso: velocidad de rotación, avance y diseño de la herramienta. Se ha empleado una red multicapas feed-forward, estudiándose diferentes topologías y algoritmos de entrenamiento. Los resultados obtenidos a partir de la comparación de los datos experimentales y los estimados por la RNA, demuestran la validez del modelo obtenido a partir de las investigaciones, el cual abre la puerta a avances en el control automático de los parámetros del proceso a partir de las señales vibro-acústicas, como línea natural de continuidad para futuras investigaciones.
Ver más Ver menos

Citas:

Boldsaikhana E., Corwinb EM., Logarb AM., Arbegast WJ., 2011. The use of neural network and discrete Fourier transform for real-time evaluation of friction stir welding. Applied Soft Computing, 11, 4839–4846. DOI: 10.1016/j.asoc.2011.06.017

Chen Ch., Kovacevic, K., Jandgric, D., 2003. Wavelet transform analysis of acoustic emission in monitoring friction stir welding of 6061 aluminum. International Journal of Machine Tools & Manufacture, 43, 1383–1390. DOI: 10.1016/S0890-6955(03)00130-5

Fernandez JB., Roca, AS., Fals, HC., Macias, EJ., de la Parte, MP., 2012. Application of the vibro-acoustic signals to evaluate tools profile changes in the friction stir welding on AA1050 H24 alloy. Science and Technology of Welding and Joining. (no publicado). DOI: 10.1179/1362171812Y.0000000040

Flores, VM., Corre, M., Alique JR., 2011. Modelo Pre-proceso de predicción de la calidad superficial en Fresado a Alta Velocidad basado en Softcomputing. Revista Iberoamericana de Automática e Informática Industrial, 8, 1, 38-43. DOI: 10.4995/RIAI.2011.01.06

Fratini, L., Buffa, G., Palmeri, D., 2009. Using a neural network for predicting the average grain size in friction stir welding processes. Computers and Structures, 87, 1166–1174. DOI: 10.1016/j.compstruc.2009.04.008

Gajate A., Haber, RE., 2009. Control Neuroborroso en Red. Aplicación al Proceso de Taladrado de Alto Rendimiento. Revista Iberoamericana de Automática e Informática Industrial, 6, 1, 31-38.

Kulekci MK., Esme U., Er O., Kazancoglu Y., 2011. Modeling and prediction of weld shear strength in friction stir spot welding using design of experiments and neural network. Materialwissenschaft und Werkstofftechnik, 42, 11, 990-995. DOI: 10.1002/mawe.201100781

Lakshminarayanan, AK., Balasubramanian, V., 2009. Comparison of RSM with ANN in predicting tensile strength of friction stir welded AA7039 aluminium alloy joints. Trans. Nonferrous Met. Soc. China, 19, 9í18. DOI: 10.1016/S1003-6326(08)60221-6

Macias, EJ., Roca, AS., Fals, HC., Fernandez JB., de la Parte, MP., 2010. Time–frequency diagram applied to stability analysis in gas metal arc welding based on acoustic emission. Science and Technology of Welding and Joining, 15, 3, 226-232. DOI: 10.1179/136217110X12665778348588

Okuyucu, H., Kurt, A., Arcaklioglu, E., 2007. Artificial neural network application to the friction stir welding of aluminum plates. Materials and Design, 28, 78–84. DOI: 10.1016/j.matdes.2005.06.003

Roca, AS., Fals, HC., Fernandez JB., Macias, EJ., Adan FS., 2007. New stability index for short circuit transfer mode in GMAW process using acoustic emission signals. Science and Technology of Welding and Joining, 12, 5, 460-466. DOI: 10.1179/174329307X213882

Roca, AS., Fals, HC., Fernandez JB., Macias, EJ., de la Parte, MP., 2009. Artificial neural networks and acoustic emission applied to stability analysis in gas metal arc welding. Science and Technology of Welding and Joining, 14, 4, 117-124. DOI: 10.1179/136217108X382981

Yousif, YK., Daws, KM., Kazem, BI., 2008. Prediction of Friction Stir Welding Characteristic Using Neural Network. Jordan Journal of Mechanical and Industrial Engineering, 2, 3, 151-155.

Ver más Ver menos