Multi-Objective Optimization of MAG Welding Parameters for Minimizing Distortion and Residual Stress in Industrial-Scale Heavy Machinery Assemblies

当重金属部件通过焊接连接在一起时，剧烈的热量会产生一个隐藏的问题，可能损害大型机器的强度和形状。随着金属被加热，它会膨胀；而当它冷却时，它会收缩。由于这种加热和冷却过程在大型结构上的分布并不均匀，导致金属的不同部分以不同的速率试图改变尺寸。这种内部的挣扎使成品留下了永久性的翘曲（称为变形）以及被称为残余应力的隐形内部力量。如果这些问题得不到管理，机器可能无法正确组装，或者更糟的是，它可能会在压力下失效。对于制造大型林业设备的建造者来说，由于部件通常宽超过一米且需要巨大的热量来连接，解决这个谜题对于确保安全和精度至关重要。

坦佩雷大学的研究人员与重型机械制造商 Ponsse Oyj 合作，致力于寻找一种既能控制这些力量又不会减慢生产速度的方法。他们专注于一种特定类型的焊接——熔化活性气体焊接（MAG），这种技术使用连续的气流来保护熔融金属，从而将两个大型林业机器钢制框架组件熔合在一起。团队构建了一个详细的数字孪生体，即一个模拟现实世界物理规律的计算机仿真模型。这个虚拟模型追踪了钢材如何升温、如何膨胀以及如何在数小时内冷却，并考虑了金属在极端温度变化下的特定行为。其目标是在工厂里发出第一道火花之前，准确预测金属会在哪里弯曲，以及内部应力会在哪里积聚。

挑战在于运行这些模拟过程极其缓慢且计算成本高昂。在强大的超级计算机上，一次对焊接过程进行精确模拟大约需要五个半小时。为了找到完美的设置，研究人员理论上需要运行数千次这样的模拟，测试电压、电流、速度和起始位置的所有可能组合。这样做将耗费数年时间。为了克服这一难题，团队开发了一种智能的自适应策略，就像一位经验丰富的向导。该算法不再盲目地测试每一个选项，而是通过少量的初始测试进行学习，以预测哪些设置是有前景的。随后，它将精力集中在最有意义的搜索区域，在逐渐完善对最佳设置理解的同时，跳过那些显然会失败的选项。这种方法使他们仅通过 60 次模拟就找到了最优解，而这在传统方法下是不可能完成的任务。

该研究确定了焊工可以控制的四个关键变量：电压、电流强度、焊枪移动的速度以及焊接开始的具体角度。研究人员发现，焊接的起点与速度或功率一样重要。在标准方法中，焊工通常在多次焊接过程中从同一个点开始，这会导致热量堆积在一个区域，从而导致显著的弯曲。通过将第二次焊接的起始角度更改为圆周上的另一个位置，热量就能更均匀地分布在结构上。这种简单的调整防止了金属向一个方向翘曲，并显著降低了最终的变形。

优化的结果是巨大的。团队发现了三组具有不同优势的具体参数组合。其中一种组合与标准方法相比，使金属的最大弯曲减少了近 30%，而另一种组合则将内部应力降低了约 4%。第三种方案提供了一个平衡的改进方案，将弯曲减少了约 26%，并将应力降低了 4%。这些改进是在保持焊接过程符合制造商严格的安全和质量限制的前提下实现的。研究表明，通过仔细规划焊接起始点并调整速度和功率，工厂可以在无需更换设备或增加额外冷却步骤的情况下，生产出更强壮、更笔直的机器。

这项工作强调了即使在成熟的工业流程中，通过仔细分析仍有显著改进的空间。研究人员证明，热量在焊接过程中的管理方式是导致变形的主要驱动因素，其影响程度甚至超过了总能量的使用量。通过利用先进的计算机建模来理解这些热循环，他们为工程师提供了减少浪费和提高质量的实用路线图。虽然研究结果是通过模拟而非在全尺寸机器上进行物理测试来确认的，但模型的逻辑是基于已知的钢铁行为。该研究为重型机械行业提供了一条清晰的前进路径，表明通过对焊接起始点采取更聪明的方法，可以制造出更笔直、更可靠的最终产品。