Optimization of weld bead geometric parameters in a TIG welding process

Abstract

Welding is a process that widely used in many areas of industry. Tungsten Inert Gas (TIG) welding process in several types of welding is often preferred in space and aircraft industry, defense industry, and automotive. The welding should be at the required limits and quality when working under pressure. Visual and physical welding quality determined by welding bead geometric parameters. Weld bead dimensions response variables as front height (FH), front width (FW), back height (BH), and back width (BW). In this thesis, Neuro-regression approach which is hybrid study of conventional regression analysis and artificial neural network. Third order polynomial function is used to design front width response itself. The differences between neuro-regression approach and conventional regression analysis while modeling the weld bead geometric dimensions are examined. Welding speed, wire feed rate, percentage of cleaning, gap, and welding current are taken as input variables of the system during modeling. Effects of welding speed, wire feed rate, percentage of cleaning, gap, and welding current on front height, front width, back height, and back width are expressed. Optimization of weld bead geometric parameters in TIG welding process were carried out by using Differential Evolution, Nelder Mead, Simulated Annealing and Random Search stochastic optimization algorithms. Two different problems of front width are studied. Differential Evolution is selected as stochastic search method to have minimum value of front width as a result of the study. All mathematical calculations are carried in Wolfram Mathematica.

Kaynak endüstrinin bir çok alanında yaygın olarak kullanılan bir prosestir. Bir çok kaynak türünün içinde TIG kaynağı uzay ve uçak sanayi, savunma sanayi, ve otomotiv alanlarında sıkça tercih edilir. Kaynağın basınç altında çalışacağı durumlarda istenilen limitlerde ve kalitede olması gerekmektedir. Kaynak kalitesini görsel ve fiziksel olarak kaynak dikişi ölçüleri belirler. Kaynak dikişinin kesit geometrisi üst yükseklik (FH), üst genişlik (FW), alt yükseklik (BH) ve alt genişlik (BW) ölçülerinden oluşur. Bu tezde Nöro-regresyon yaklaşımı kullanılmıştır. Nöro-regresyon yaklaşımı, geleneksel regresyon analizi ve yapay sinir ağları kullanımının hibrit bir çalışmasıdır. Üst genişlik 3. dereceden bir polinom ile ifade edilmiştir. Nöro-regresyon ve geleneksel regresyon ile yapılan çalışmaşalarda üst genişliğin modellemesi esnasında karşılaşılan R2 sonuçları karşılaştırılmıştır. Kaynak hızı, kaynak besleme oranı, temizlik yüzdesi, boşluk ve kaynak akımı parametreleri bu çalışmada model girdisi olarak alınmıştır. Diferansiyel Gelişim, Değiştirilmiş Nelder Mead, Benzetilmiş Tavlama ve Rastgele Arama stokastik optimizasyon algoritmaları kulllanılarak kaynak dikişine ait ölçülerin optimizasyonları gerçekleştirilmiştir. Üst genişlik ile ilgili iki ayrı problem çalışılmıştır. Çalışmanın sonucunda Diferansiyel Gelişim metodu, stokastik optimizasyon metodu olarak seçilmiştir. Bütün çalışmalar Wolfram Mathematica programında gerçekleştirilmiştir