焊接在世界工业生产中占有重要地位，因为冶金，工程和建筑领域的技术水平取决于焊接技术的发展程度。但是，技术的飞速发展需要提高焊接质量，工艺自动化并研究新材料。因此，南乌拉尔国立大学焊接设备和焊接技术系定期开辟新的研究领域。南乌拉尔国立大学的博士后-来自中国的研究人员正在研究使用数字技术来预测焊接质量，
在第一四分位数中最负盛名的期刊之一《材料研究与技术杂志》上发表了一篇有关监测焊接质量时模型的回应特征和人工神经网络特征的文章。
这项研究是由南乌拉尔国立大学“设备和焊接技术”理工学院的一名博士后高级研究员 赵大伟 进行的。他发现点焊的焊接质量可以预测，最重要的是，可以通过人工神经网络完成这项任务。以前，通常是下班后使用严格的检测方法检测接缝的质量。
为了预测焊接接头的质量，研究人员进行了五次焊接。赵大伟指出，功率信号与焊接质量相关。它包含有关动态电阻的信息，该属性反映出焊接过程中的焊接状况。博士后调查了电源信号的变化-信号改变了。基于它们，使用模型回应和人工反向传播神经网络，可以预测焊接点的直径。该参数以及接头承受的最大载荷以及接头失效的条件是焊缝质量的主要特征。
照片：“设备和焊接技术”教研组高级研究员赵大伟
“反向传播神经网络模型与回归模型相比在实际工作中展现出更好的预测能力。这归因于随机非线性映射的能力。因此，神经网络可能会接近非线性函数，通过调整节点的质量来达到任意精度。但是神经网络模型需要更多的实验数据，这可能会增加使用成本和花费的时间。” 赵大伟说道。
该研究的主要部分在华中科技大学举行的（中国）。该工作是在高强度材料上进行的：与他们的研究员一起研究是南乌拉尔国立大学“设备和焊接技术”教研组的战略方向。正如“材料科学和冶金技术”系主任技术科学副博士，副教授 米哈伊尔·伊万诺夫 所指出的那样，在邀请博士后赵大伟后我们教研组的科学潜力有显著提升：
“目前，负责任的焊接接头在焊接后必须接受严格的检查。业界认为由于焊接过程多因素的特性，很难控制得出有效的焊接接缝。科学工作的独特性在于，通过控制能量和功率参数，可以通过一种相对简单的触点焊法来预测焊缝质量。”
.jpg)
照片：伊万诺夫 “材料科学和冶金技术” 系系主任
博士后赵大伟认为除了反向传播神经网络外，还有其他可靠的方法可以控制焊接质量。因此，现在将在南乌拉尔国立大学的基础上继续研究。
材料科学与数字产业和环境领域的研究是南乌拉尔国立大学共同发展的科学和教育活动的三个战略领域之一。
南乌拉尔国立大学是5-100计划的参与者，旨在提高俄罗斯大学在世界领先科学和教育中心的竞争力。
关键词：材料科学 ，材料科学-材料，材料科学-金属，焊接，接触点焊