一种用于贮箱结构FSW的温度分布实时高精度监测方法

技术领域

本发明属于搅拌摩擦焊(Friction Stir Welding，FSW)温度分布监测领域，涉及一种用于贮箱结构FSW的温度分布实时高精度监测方法，综合采用红外热像仪测量、有限元仿真模型和Kriging代理模型对贮箱结构FSW表面二维温度场和核心区三维温度场进行监测。

背景技术

2219铝合金属于时效强化型Al-Cu-Mn铝合金，因其高比强度、优良的高/低温承载性能、优异的焊接性能及出色的耐腐蚀能力常应用于航空航天领域贮箱结构件中。搅拌摩擦焊(Friction Stir Welding，FSW)技术作为一种固态连接方法，其基本原理是高速旋转的搅拌头与焊件摩擦产热，加上焊件材料塑性变形产热，促使焊件材料升温软化，搅拌头的轴肩在产生顶锻力的同时防止软化材料外溢，在热-机械耦合作用下形成致密的结合体，冷却后形成固态焊缝。与传统的熔化焊相比，FSW工艺焊接接头连接强度和抗拉强度高、无需焊丝和保护气、焊后残余应力小，是实现2219铝合金贮箱结构件焊装的首选。

在贮箱焊接过程中，焊接热输入量大、焊接高温持续时间长，温度场情况复杂。焊接核心区的温度场直接影响到材料的塑性流动和微观组织，从而影响焊接接头的力学性能，甚至产生空腔等焊接缺陷，而且焊接核心区温度场也是研究材料塑性流动和优化工艺参数的重要依据。当前获取焊接核心区温度场的方法主要热电偶测量法，红外热像仪测量法和数值模拟法。在实际焊接过程中，热电偶测温法需要打孔将热电偶嵌入焊件或搅拌头内部，热电偶的数量受限且不适用于实际生产。红外热像仪测量法是一种非接触测量，可以实现对焊接区域的远距离监测，不损伤焊件和搅拌头，但是仅能获得焊件表面上轴肩外侧的温度场。数值模拟法的结果比较全面，能得到传感器不易测量的数据，但是仿真过程时间长，且仿真过程较为复杂，不利于焊接核心区温度场的实时监测。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，发明一种用于贮箱结构的FSW温度分布实时高精度监测方法，获得焊接核心区温度分布情况，用于焊接机理研究和温控方案实施。本发明结合了红外热像仪表面温度测量、FSW温度场仿真及基于Kriging代理模型的温度场表征法。首先根据拉丁超立方抽样确定焊接工艺参数组合，建立基于Abaqus的贮箱结构FSW温度场高精度仿真模型，基于路径取点的方式提取用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场数据。然后基于Kriging代理模型建立表面特征点、表面二维温度场及核心区三维温度场之间的关联关系。在贮箱搅拌摩擦焊过程中，红外热像仪实时测量表面特征点温度，结合基于Kriging代理模型的FSW表面二维温度场预测模型获得贮箱表面二维温度场；根据基于Kriging代理模型的FSW核心区三维温度场预测模型，实现贮箱结构FSW温度分布实时高精度监测，指导贮箱焊接过程的温度控制，可以集成于搅拌摩擦焊数字孪生系统。

本发明的技术方案：

一种用于贮箱结构FSW的温度分布实时高精度监测方法，包括如下步骤：

步骤1：基于Abaqus采用耦合欧拉拉格朗日法建立贮箱结构FSW温度场仿真模型并进行验证。

步骤2：在由工艺参数组成的采样空间中进行拉丁超立方抽样，根据抽样结果进行FSW温度场仿真；基于路径取点方式从仿真模型中提取用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场的数据集。

步骤3：设计基于Kriging代理模型的贮箱结构FSW核心区温度场预测模型，包括用于贮箱结构的FSW表面二维温度场预测模型和用于贮箱结构的FSW核心区三维温度场预测模型。

Kriging代理模型是一种插值类型的无偏差估计模型，具有较高的非线性分析能力。核心思想是空间内一点的属性值与其周围的属性值有关，且可以由其周围点的属性值插值获得。模型的建立过程就是求解权重因子的过程，建立的贮箱结构FSW核心区温度场预测模型表达式可以表示为：

式中，

假设采样空间平稳，选用一阶线性函数作为回归模型用于表示输出温度场真值与输入温度值之间的关联关系，即z＝βx+R(x)，z为输出温度场真值，x为输入温度数据，β为回归模型参数，R(x)为随机变量且随机变量的期望为0和方差σ

式中，x

式中，L(w,λ)为构造函数，γ表示半方差，γ

给定一个数据集

选择常用的高斯模型作为相关函数，高斯模型如下所示：

利用模式搜索方式进行半方差拟合求解相关函数参数θ，θ是一个与输入温度数据相同维度的向量。利用相关函数求解待求焊接环境下的输入温度数据与各已知焊接环境下的输入温度数据之间的半方差，代入式(4)，求解权重因子，即可依据式(1)建立输入温度数据与输出温度场数据之间的关联关系。

步骤4：依据步骤2中获得的表面特征点和贮箱表面二维温度场数据作为训练集，按照步骤3建立用于贮箱结构的FSW表面二维温度场预测模型；

步骤5：选取m组不同于拉丁超立方抽样结果的工艺参数进行FSW温度场仿真，提取用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场的数据集，分成验证数据集和测试数据集；

步骤6：基于交叉验证的方式使用遗传算法获取步骤3中相关函数参数θ的初值参考值，并以最大相对误差最小为评价标准，基于步骤5中的验证数据集对参考值进行评价，获得基于Kriging代理模型的FSW表面二维温度场预测模型最优的相关函数参数初值，该初值用于步骤4中建立的用于贮箱结构的FSW表面二维温度场预测模型，并用步骤5中的测试数据集进行模型验证；

步骤7：同理，将步骤2中获得的贮箱表面二维温度场和核心区三维温度场数据作为训练集，按照步骤3建立基于Kriging代理模型的用于贮箱结构的FSW核心区三维温度场预测模型，并用步骤5中的测试数据集进行模型验证；

步骤8：开展贮箱搅拌摩擦焊实验，使用红外热像仪实时测得贮箱表面特征点温度，输入到步骤4建立的FSW表面二维温度场预测模型，获得贮箱表面二维温度场；再将表面二维温度场输入到步骤7建立的FSW核心区三维温度场预测模型中，即可实现贮箱结构FSW核心区三维温度场在位表征，进而实现基于红外热像仪的贮箱结构的FSW表面二维温度场和核心区三维温度场监测。

本发明的有益效果：结合了红外热像仪测量法和数值模拟法，基于Kriging代理模型建立了用于监测的表面特征点、表面二维温度场及核心区三维温度场之间的关联关系，实现了贮箱结构FSW表面二维温度场和核心区三维温度场的监测，并用仿真数据和实验数据进行模型验证，证明了该方法的有效性。

附图说明

图1是本发明的基本流程图；

图2是实施例中装配完成的三维仿真模型，图中，1拉格朗日参考体搅拌头，2欧拉体焊件，3拉格朗日参考体，4欧拉体空层；

图3是随温度变化的2219铝合金材料参数；

图4是拉丁超立方抽样结果示意图；

图5是用于监测的表面特征点示意图；

图6是表征贮箱表面二维温度场的特征点示意图；

图7(a)是垂直焊缝方向的表征核心区三维温度场的特征点截面示意图，图7(b)是距焊件上表面2mm的表征核心区三维温度场的特征点截面示意图；

图8是贮箱结构FSW表面二维温度场预测结果。

具体实施方式

下面结合技术方案和附图详细说明本发明的具体实施方式。

本实施例中以火箭燃料贮箱为监测对象，贮箱材料为2219铝合金。由于贮箱整体尺寸较大，贮箱焊缝处曲率较小，贮箱焊接可以近似看作平板焊接，通过建立用于贮箱结构的FSW核心区温度场预测模型，实现了贮箱结构的FSW核心区温度场的监测和在位表征，具体步骤如下：

(1)建立贮箱结构FSW温度场仿真模型

基于SolidWorks建立了搅拌头几何模型，搅拌头结构尺寸和细节形貌参数如表1所示，焊件材料为2219铝合金。采用耦合欧拉拉格朗日法建立仿真模型，拉格朗日体尺寸为150mm×100mm×18mm，欧拉体尺寸为150mm×100mm×24mm，装配后的几何模型如图2所示。

表1搅拌头结构尺寸参数

采用X射线荧光光谱仪获得所用的2219铝合金化学元素的质量分数如表2所示，将数据导入软件JMat-Pro得到随温度变化的材料动态参数，如图3所示。

表2 2219铝合金化学元素质量分数表(wt％)

使用Johnson-Cook材料本构模型描述2219铝合金流变应力与温度、应变、应变速率间，具体形式如下所示：

式中，

将搅拌头设定为温度恒定的刚体，不考虑搅拌头对焊接机床的热传导和对周围空气的热对流和热辐射作用。设定焊件对垫板和夹具的热传导公式如下：

式中，h

焊件对空气的热对流和热辐射散热公式如下：

式中：

2219铝合金在受热升温超过某一特定温度时变成粘流态，并在搅拌头搅拌作用下塑性流动，此时搅拌头和焊件的剪切摩擦为主要的产热方式。使用随温度变化的修正库伦摩擦模型表示搅拌头与焊件的接触状态，如式(9)所示。摩擦系数如表3所示：

式中，τ

表3随温度变化的摩擦系数

欧拉体采用欧拉体专用的EC3D10MT的十结点热耦合欧拉网格类型。由于参考体只参与材料指派而不进行实际仿真，故选用尺寸为5mm的C3D8RT的八结点热耦合立方体网格类型。由于搅拌头属于三维实体，搅拌针带有螺纹，形貌不规则，故选用C3D10MT的十结点热耦合的二阶四面体网格类型，网格尺寸设置为1mm。

在龙门式FSW机床进行了单轴肩FSW实验，将热电偶布置在在距焊缝中心10mm，距焊件上表面3mm处的前进侧和后退侧，实验测量了搅拌头转速分别为350、400、450r/min，焊接速度为100mm/min，下压速度为20mm/min时的热循环曲线，测量值与仿真值的相对误差不超过4.5％，验证了所建立的贮箱结构FSW温度场仿真模型的有效性。

(2)在由工艺参数组成的采样空间中进行拉丁超立方抽样，根据抽样结果进行FSW温度场仿真。基于路径取点方式从仿真模型中提取用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场数据。

拉丁超立方抽样是一种生成随机样本点的方法，可以使采样点均匀随机地分布于采样空间中，能够以较少的采样次数获得较高的采样精度，且产生的抽样点更具代表性。使用拉丁超立方抽样在由搅拌头转速和焊接速度构成的采样空间中抽取20个样本点，确定转速范围为300r/min到500r/min，焊接速度为60mm/min到150mm/min。使用matlab的lhsdesign函数，生成拉丁超立方抽样结果，如图4所示。

依据拉丁超立方抽样结果，使用基于上述步骤建立的贮箱结构FSW温度场仿真模型进行FSW仿真，提取20组用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场数据。选取2个用于监测的表面特征点，位置如图5所示，提取的温度数据及对应的焊接工艺参数如表4所示。选取12个表征贮箱表面二维温度场的特征点，位置如图6所示，提取的温度数据如表5所示。选取48表征核心区三维温度场的特征点，位置如图7(a)和图7(b)所示，提取的部分温度数据如表6所示。

表4用于监测的表面特征点温度数据

表5基于拉丁超立方表征贮箱表面二维温度场的特征点温度数据(℃)

表6基于拉丁超立方表征核心区三维温度场的特征点温度数据(℃)

(3)选取几组不同于拉丁超立方抽样结果的工艺参数进行FSW温度场仿真，提取用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场的数据集，分成验证数据集和测试数据集；

设计11组不同于拉丁超立方抽样结果的焊接工艺参数进行仿真并提取温度场数据，用于监测的表面特征点，表征贮箱表面二维温度场的特征点和表征核心区三维温度场的特征点的数量位置均不变。用于监测的表面特征点温度数据及对应的焊接工艺参数如表7所示。表征贮箱表面二维温度场的特征点温度数据如表8所示，将前7组数据作为验证数据集，后4组数据作为测试数据集。仅提取后4组表征核心区三维温度场的特征点温度数据作为测试数据集，提取的部分温度数据如表9所示。

表7用于监测的表面特征点温度数据及对应的焊接工艺参数

表8表征贮箱表面二维温度场的特征点温度数据(℃)

表9表征核心区三维温度场的特征点温度测试数据集(℃)

(4)基于交叉验证的方式使用遗传算法获取相关函数参数初值的最优值，建立基于Kriging代理模型的用于贮箱结构的FSW表面二维温度场预测模型并进行模型验证。

Kriging代理模型中的相关函数参数初值为模型超参数，使用模式搜索求解相关函数时，由于输入量维度太小，相关函数参数求解过程可能会陷入局部最优解，直接影响到相关函数拟合精度。拉丁超立方抽样结果可以认为是工艺参数空间各区域的代表，基于训练集各组数据获得的备选超参数就是适用于采样空间各区域的超参数，适用于整个采样空间的最佳超参数也存在于这些备选超参数中。采用留一交叉验证的方式，将基于拉丁超立方获得的数据集分为与数据集组数相同的份数，依次以其中一份作为测试集，其余份数作为训练集，使每组基于拉丁超立方获得的数据集都能成为测试集。以最大相对误差最小为优化目标，相关函数参数初值任一元素的取值范围设为0.001至30，使用matlab中的遗传算法工具箱对预测每组基于拉丁超立方获得的数据集时所用的超参数进行优化，获得20组超参数参考值。

以用于监测的表面特征点温度为输入，以表征贮箱表面二维温度场的特征点温度为输出，将表4和表5中给出的用于监测的表面特征点温度数据和表征贮箱表面二维温度场的特征点温度数据作为训练集，建立用于贮箱结构的FSW表面二维温度场预测模型。以最大相对误差为评价指标，使用表7和表8中给出的验证数据集数据对20组相关函数参数初值进行比较，结果如表10所示。

表10相关函数参数初值备选值

由表10可知，第10组相关函数参数初值在验证集中的评价指标均值最低，可以认为是适用于整个工艺参数空间的最佳超参数。使用表8中给出的测试数据集对使用最佳超参数的用于贮箱结构的FSW表面二维温度场预测模型进行验证，模型预测值与仿真数据的最大相对误差不超过5％，平均相对误差不超过3％，证明了模型预测的有效性。

(5)基于Kriging代理模型的用于贮箱结构的FSW核心区三维温度场预测模型，并进行模型验证。

以用于监测的表面特征点温度和表征贮箱表面二维温度场的特征点温度为输入，以表征核心区三维温度场的特征点温度为输出，将表4、表5和表6中给出的用于监测的表面特征点温度数据、表征贮箱表面二维温度场的特征点温度数据和表征核心区三维温度场的特征点温度数据作为训练集，相关函数参数初值元素均取15，建立基于Kriging代理模型的用于贮箱结构的FSW核心区三维温度场预测模型。使用表9中给出的测试数据集对用于贮箱结构的FSW核心区三维温度场预测模型进行验证，模型预测值与仿真数据的最大相对误差不超过6％，平均相对误差不超过2％，证明了模型预测的有效性。

(6)开展贮箱FSW实验，使用红外热像仪测得贮箱表面温度，使用实验数据对用于贮箱结构的FSW温度场预测模型进行验证。

在FSW-5M型FSW实验机床上进行FSW实验，实验所用的焊接加工参数如表11所示。使用FLIRA615热像仪测得表面特征点温度。使用红外热像仪测量距焊缝中心两侧30mm处的四个特征点，对应表征贮箱表面二维温度场的特征点1、特征点2,、特征点11和特征点12，进行FSW表面二维温度场预测模型验证，结果见图8。

表11实验焊接工艺参数

针对2219铝合金贮箱FSW，首先根据拉丁超立方抽样确定焊接工艺参数组合，建立基于Abaqus的贮箱结构FSW温度场高精度仿真模型，基于路径取点的方式提取用于监测的表面特征点、贮箱表面二维温度场与核心区三维温度场数据。然后基于Kriging代理模型建立表面特征点、表面二维温度场及核心区三维温度场之间的关联关系。最后进行了贮箱FSW实验，以红外热像仪监测的表面特征点温度为输入，实现表面二维温度场和核心区三维温度场实时高精度监测，模型预测值与测量值的平均相对误差不超过4％，最大相对误差不超过7％，可以证明这种用于贮箱结构的FSW温度分布实时高精度监测方法的有效性。