Redes neuronales artificiales para la predicción de la calidad en soldadura por resistencia por puntos

Autores/as

  • O. Martín Área de Ciencia de los Materiales e Ingeniería Metalúrgica. Universidad de Valladolid.
  • M. López Área de Ciencia de los Materiales e Ingeniería Metalúrgica. Universidad de Valladolid.
  • F. Martín Área de Ciencia de los Materiales e Ingeniería Metalúrgica. Universidad de Valladolid.

DOI:

https://doi.org/10.3989/revmetalm.2006.v42.i5.32

Palabras clave:

Soldadura por resistencia por puntos, Calidad metalúrgica, Redes neuronales artificiales

Resumen


Se propone una red neuronal artificial como herramienta para predecir, a partir de tres parámetros operativos (tiempo de soldadura, intensidad de corriente y tipo de electrodo), si la calidad de una unión soldada por resistencia por puntos alcanza o no un cierto nivel. El entrenamiento de la red neuronal conlleva que la calidad se determine previamente mediante ensayos de tracción en probetas en cruz. El hecho de alcanzar o no el citado nivel de calidad constituye la respuesta objetivo que acompaña a cada entrada de la red neuronal artificial durante su aprendizaje supervisado. El conjunto de datos disponible está formado por pares entrada/salida objetivo y se divide de forma aleatoria en un subconjunto de entrenamiento (para actualizar los valores de los pesos sinápticos) y en un subconjunto de validación (para combatir el fenómeno de overfitting mediante validación cruzada).

Descargas

Los datos de descargas todavía no están disponibles.

Citas

[1] M. Jou, J. Mater. Process. Technol. 132 (2003) 102-113. doi:10.1016/S0924-0136(02)00409-0

[2] S. Agashe y H. Zhang, Weld. J. 82 (2003) 179s- 183s.

[3] E. Bayraktar, D. Kaplan y M. Grumbach, J. Mater. Process. Technol. 153-154 (2004) 80-86. doi:10.1016/j.jmatprotec.2004.04.020

[4] O. Martín, Tesis Doctoral, Escuela Técnica Superior de Ingenieros Industriales, Universidad de Valladolid, 2004.

[5] N.S. Reddy, A.K. Prasada-Rao, M. Chakraborty y B.S. Murty, Mater. Sci. Eng. A 391 (2005) 131-140. doi:10.1016/j.msea.2004.08.042

[6] A. Jiahe, X. Jiang, G. Huiju, H. Yaohe Y X. Xishan, Mater. Sci. Eng. A 344 (2003) 318-322. doi:10.1016/S0921-5093(02)00444-6

[7] J.M. Vitek, Y.S. Iskander y E.M. Oblow, Weld. J. 79 (2000) 33s-40s.

[8] J.M. Vitek, Y.S. Iskander y E.M. Oblow, Weld. J. 79 (2000) 41s-50s.

[9] J.M. Vitek, S.A. David y C.R. Hinman, Weld. J. 82 (2003) 10s-17s.

[10] J.M. Vitek, S.A. David y C.R. Hinman, Weld. J. 82 (2003) 43s-50s.

[11] Y. Cho y S. Rhee, Weld. J. 81 (2002) 104s-111s.

[12] M.J. Kang, Y. Kim, S. Ahn y S. Rhee, Weld. J. 82 (2003) 238s-247s.

[13] R. Valentini, V. Colla y M. Vannucci, Rev. Metal. Madrid 40 (2004) 416-419.

[14] S. Cho, Y. Cho y S. Yoon, IEEE Trans. Neural Netw. 8 (1997) 874-882. doi:10.1109/72.595885 PMid:18255691

[15] C. Cantera, J. Jiménez, I. Varela y A. Formoso, Rev. Metal. Madrid 38 (2002) 243-248.

[16] J. Mcbride, S. Malinov y W. Sha, Mater. Sci. Eng. A 384 (2004) 129-137. doi:10.1016/j.msea.2004.05.072

[17] UNE-EN 10002-1:2002.

[18] ASTM, Norma E 112-88.

[19] G. Barrera, M.A. Fabián, M. Vélez Y L. Villaseñor, Rev. Metal. Madrid 37 (2001) 403-411.

[20] G. Barrera, M.A. Fabián, y C.A. Ugalde, Rev. Metal. Madrid 38 (2002) 163-172.

[21] P.T. Houldcroft, Tecnología de los Procesos de Soldadura, CEAC, Barcelona, España, 1990, pp. 166-191.

[22] F. Abad y J.M. Bisbe, Manual de Soldadura por Resistencia, Consejería de Industria, Comercio y Turismo de la Junta de Castilla y León, España, 2002, pp. 11-18 (capítulo I).

[23] R.B. Mccauley, M.P. Bennett, W.D. Bodary, G.C. Farrington, R.J. Gasser, W.W. Hurd, A.W. Schueler, T.W. Shearer, J.B. Silverberg, Resistance Spot Welding, T. Lyman (Ed.), Metals Handbook Eighth Edition Volume 6 Welding and Brazing, American Society for Metals, Metals Park, Ohio, E.U.A., 1971, pp. 401-424.

[24] J. Villafuerte, Weld. J. 82, 11 (2003) 50-52.

[25] J.M. Ruiz-Prieto y A. Vitores, Metales y Aleaciones No Férreas, Fundación Gómez-Pardo Servicio de Publicaciones, Madrid, España, 1976, pp. 51-54.

[26] J.M. Ruiz-Prieto y A. Vitores, Metales y Aleaciones No Férreas, Fundación Gómez-Pardo Servicio de Publicaciones, Madrid, España, 1976, pp. 175-193.

[27] O. Martín y S. Alonso, Mantenimiento 169 (2003) 38-43.

[28] G. Joseph, Copper: Its Trade, Manufacture, Use and Environmental Status, K.J.A. Kundig (Ed.), ASM International, Materials Park, OH, E.U.A., 1999, pp. 277-280.

[29] J.C. Harkness y A. Guha, Beryllium-Copper and Beryllium-Nickel Alloys, K. Mills, J.R. Davis, J.D. Destefani, D.A. Dieterich, G.M. Crankovic y H.J. Frissell (Eds.), Metals Handbook Ninth Edition Volume 9 Metallography and Microstructures, American Society for Metals, Metals Park, Ohio, E.U.A., 1985, pp. 392-398.

[30] B. Martín Del Brío y A. Sanz-Molina, Redes Neuronales y Sistemas Borrosos, RA-MA, Madrid, España, 1997, pp. 26-28.

[31] J. Krautkrämer y H. Krautkrämer, Ultrasonic Testing of Materials, Springer-Verlag, Fourth Edition, Berlin, Alemania, 1990, pp. 462 y 463.

[32] T. Mansour, Ultrasonic testing of spot welds in thin gage steel, P. McIntire (Ed.), Nondestructive Testing Handbook Second Edition Volume 7 Ultrasonic Testing, American Society for Nondestructive Testing, E.U.A., 1991, pp. 557-568.

[33] UNE-EN ISO 14272:2002.

[34] S. Haykin, Neural Networks: A Comprehensive Foundation, Prentice-Hall, Second Edition, Upper Saddle River, NJ, E.U.A., 1999, pp. 205-218.

[35] C.M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, New York, E.U.A., 1995, pp. 343-345.

[36] S. Guessasma y C. Coddet, Acta Mater. 52 (2004) 5157-5164. doi:10.1016/j.actamat.2004.07.022

[37] C.M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, New York, E.U.A., 1995, pp. 9-15.

[38] M.T. Hagan y M.B. Menhaj, IEEE Trans. Neural Netw. 5 (1994) 989-993. doi:10.1109/72.329697 PMid:18267874

[39] K.K. Tho, S. Swaddiwudhipong, Z.S. LIU y J. HUA, Model. Simul. Mater. Sci. Eng. 12 (2004) 1055-1062. doi:10.1088/0965-0393/12/5/019

[40] N. Selvakumar, P. Radha, R. Narayanasamy y M.J. Davidson, Model. Simul. Mater. Sci. Eng. 12 (2004) 611-620. doi:10.1088/0965-0393/12/4/004

[41] J. Zueco y F. Alhama, Rev. Metal. Madrid 41 (2005) 227-232.

[42] C.M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, New York, E.U.A., 1995, pp. 290-292.

[43] D.P. Bertsekas, Nonlinear Programming, Athena Scientific, Second Edition, Belmont, MA, E.U.A., 1999, pp. 107.

[44] I.E. Dror, M. Zagaeski y C.F. Moss, Neural Netw. 8 (1995) 149-160. doi:10.1016/0893-6080(94)00057-S

Descargas

Publicado

2006-10-30

Cómo citar

Martín, O., López, M., & Martín, F. (2006). Redes neuronales artificiales para la predicción de la calidad en soldadura por resistencia por puntos. Revista De Metalurgia, 42(5), 345–353. https://doi.org/10.3989/revmetalm.2006.v42.i5.32

Número

Sección

Artículos