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

  1. Emilio Jiménez Macías 1
  2. Angel Sánchez Roca 2
  3. Hipólito Carvajal Fals 2
  4. Julio Blanco Fernández 1
  5. Juan C. Sáenz-Diez Muro 1
  1. 1 Universidad de La Rioja
    info

    Universidad de La Rioja

    Logroño, España

    ROR https://ror.org/0553yr311

  2. 2 Universidad de Oriente
    info

    Universidad de Oriente

    Cumaná, Venezuela

    ROR https://ror.org/03xygw105

Revista:
Revista iberoamericana de automática e informática industrial ( RIAI )

ISSN: 1697-7920

Any de publicació: 2013

Volum: 10

Número: 4

Pàgines: 434-440

Tipus: Article

beta Ver similares en nube de resultados
DOI: 10.10167J.RIAI.2013.09.003 DIALNET GOOGLE SCHOLAR lock_openAccés obert editor

Altres publicacions en: Revista iberoamericana de automática e informática industrial ( RIAI )

Projectes relacionats

Soldadura por fricción-agitación de materiales disimilares. Caracterización por técnicas de Emisión Acústica e Inteligencia Artificial.

2012/00012/001

Resum

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 3mm 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.

Referències bibliogràfiques

  • 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.
Fuente de los datos: Dialnet