爆炸焊接质量的影响因素及参数优化分析

2017-09-04布伟刚

环球市场 2017年23期

关键词：金属材料炸药金属

布伟刚

西安天力金属复合材料有限公司

爆炸焊接质量的影响因素及参数优化分析

布伟刚

西安天力金属复合材料有限公司

随着工业现代化步伐的不断加快，有许多动力机械、化工、冶金和石油加工等设备的零部件难免要在高温、超载、强侵蚀、电磁辐射或放射性等恶劣环境中长期工作。这就要求用于制造这些零部件的材料必须是能满足上述要求的特殊材料，如高合金钢、有色金属以及专用合金材料等。如果整个设备和仪器都采用十分贵重的特殊材料制造，不仅会使生产工艺复杂化、显著提高设备和仪器的造价，而且更重要的是也难以满足设备的整体使用要求。本文对其中存在的质量问题进行阐述，并根据参数进行了优化措施的分析。

爆炸焊接；质量；参数优化

爆炸焊接亦称爆炸复合，是一种利用炸药爆轰所产生的巨大能量使两层或多层的同种或异种金属材料发生高速倾斜碰撞而形成固相冶金结合的高能加工技术，近年来在工业生产中得到广泛运用。国内外学者对爆炸焊接的试验过程及机理进行了大量研究。利用计算机模拟仿真软件来模拟爆炸焊接，具有成本较低、显著减少实验次数等优点，可以方便地研究爆炸焊接过程及爆炸焊接参数(碰撞角、碰撞速度、装药量、炸药种类等)对其的影响，而且该技术经过先前焊接研究者的验证，得到的结果也具有一定的可适用性。

1 爆炸焊接技术概述

爆炸焊接就是利用炸药的能量将两块被复合的金属材料在爆轰波的作用下，实现高速斜碰撞，从而组合成新的复合材料。

当炸药爆轰后，爆炸产物形成高压脉冲载荷，直接作用在复板上，复板被加速，在几个微秒时间内复板就达到几百米/秒的速度，它从起始端开始，依次与复板碰撞，当两金属以一定的角度相碰时产生很大的压力(约几十万个大气压)，将大大超过金属的动态屈服极限。因而碰撞区产生了高速度的塑性变形，同时伴随有剧烈的热效应。此时，碰撞面金属板的物理性质类似于流体，这样在两金属板的内表面将形成两股运动方向相反的金属喷射流。一股是在碰撞点前的自由射流(或称再入射流，简称射流)向未结合的空间高速喷出，它冲刷了金属的内表面的表面膜，使金属露出了有活性的清洁表面，为两块金属板的复合提供了条件；另一股是在碰撞点之后的凸角射流(有的也称为凝固射流)，它被凝固在两金属板之间，形成两种金属的冶金结合。

2 质量的影响因素

就目前已有材料的性能来看，单独使用任何一种材料包括最新研制的新材料，都不可能同时满足几方面的特殊要求。焊接是金属材料最常见的复合方法。但异种金属材料的焊接往往比同种材料的焊接要困难得多，这是因为金属材料的种类不同，其熔点、密度、导热性各异，晶格类型及参数等物理化学性能也有所差别，有的甚至差别很大，对其焊接性有很大的影响。

焊接时结合面处会产生一层性能和组织与母材不同的过渡层，因此，采用常规方法焊接时，经常会出现以下技术问题：(1)两种基体金属材料之间不能形成合金；(2)焊接过程中金相组织的变化或产生新的组织而使接头的性能变差；(3)熔合区和热影响区的机械性能、塑性的降低；(4)由于基体金属热膨胀系数不同而引起的热应力，而且这种热应力不能消除；(5)因塑性变差和应力增加往往容易引起裂纹。

3 爆炸焊接参数优化的神经网络法分析

人工神经网络(ANN)模拟人的大脑活动，具有极强的非线形逼近、大规模并行处理、自训练学习、自组织和容错能力等优点，利用神经网络理论对爆炸焊接参数进行预测和控制，能克服传统预测方法的一些缺陷，能快速、准确地得到预测结果。这对于指导爆炸焊接设计，优化爆焊参数，确保爆炸接质量具有重要意义。

3.1 神经网络理论及其典型网络模型

人工神经网络是由大量简单的基本元件一神经元相互联结，模拟人的大脑神经处理信息的方式，进行信息并行处理和非线形转换的复杂网络系统。人工神经网络处理信息是通过信息样本对神经网络的训练，使其具有人的大脑的记忆、辨识能力，完成各种信息处理功能。人工神经网络具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力，避免了复杂数学推导，在样本缺损和参数漂移的情况下，仍能保证稳定的输出。

3.2 爆炸焊接参数优化模型的建立与求解

爆炸焊接强度是衡量爆炸焊接质量的主要指标，将此作为BP神经网络模型的输出层，节点数为1个。影响爆炸焊接质量的因素很多，有选定的金属材料的物理化学性能，炸药的性能及安装参数等，通过分析筛选，确定了9个影响较大的因素：(l)金属材料的密度；(2)金属材料的硬度；(3)金属材料的熔点；(4)金属材料的外观尺寸；(5)炸药的爆速；(6)单位面积装药量；(7)金属材料的安装角度；(8)金属材料的安装间隙；(9)缓冲层的选用。将这9个变量作为输入变鼠，即输入节点数为9个。

隐层节点数的多少对网络性能的影响较大，当隐层节点数太多时，会导致网络学习时间过长，甚至不能验收；而当隐层节点数过小时，网络的容错能力差。隐层节点个数根据网络训练结果选取8个节点，由此确定网络的结构为(9，8，1)。爆炸焊接参数优化预测神经网络是三层BP模型，输入层上的输入神经元接受金属材料的物理化学性能，炸药的性能及安装参数等信息、的输入，输出层上的输出神经元为爆炸焊接质量等级系数。

选取其中的6个样本对爆炸焊接参数优化预测神经网络进行学习训练，建立辩识模型。然后选取剩下的2个样本对网络进行检验，检验结果见表1。