激光熔覆单层单道轨迹成形控制方法

建立工艺参数与工艺结果之间的简析表达式,是解释激光熔覆“光-粉”耦合作用的复杂过程的前提,也是指导工艺实施与实现单道轨迹预测与控制的重要依据。采用响应面法研究了激光功率、扫描速度、气流量、离焦量4个因子对熔覆层的宽度、高度、横截面积3个响应值的作用规律,揭示了“光-粉”耦合作用对激光熔覆成形的影响规律。结果表明：激光功率增加,扫描速度减小,3个响应值相应地增加；气流量增加,3个响应值相应地减小；离焦量的变化对熔覆层宽度无明显的影响作用,但离焦量增加,熔覆层高度、横截面积会相应地减小。进一步地,构造因子与响应值之间的二阶回归数学模型。熔宽、熔高和横截面积的模型调整R方值分别为0.7321,0.8749和0.9137,预测R方值分别为0.6371,0.8007和0.8630,表明3个响应模型能够很好拟合并预测试验组数据。最后开展3组验证实验,得到3个响应的预测值与实验值的误差均小于5%,表明所建立回归模型的可靠性。     

基于NSGA-Ⅱ算法的同轴送粉激光熔覆工艺多目标优化

同轴送粉激光熔覆工艺的稳定性受诸多因素的影响,其工艺参数难以寻优。通过设计以工艺参数(激光功率、送粉速度、扫描速度)为输入、以反映熔覆层形貌和质量的特征参数为响应的中心复合实验,对比分析了响应曲面法的回归模型与神经网络对单道熔覆结果的预测效果。采用多目标优化算法NSGA-Ⅱ对三个工艺参数进行优化求解。结果表明:采用优化后的参数进行激光熔覆的修复件表面硬度增大了17.11%,基体热影响区深度减小了13.90%,熔覆效率增大了6.10%。     

光纤激光送丝熔覆修复工艺研究

采用光纤激光器在不锈钢表面进行侧向送丝熔覆修复实验,系统地研究了激光工艺参数对熔覆道形貌影响并确定合适的多道搭接率取值范围,为多道多层送丝激光熔覆修复技术应用提供指导。结果表明:影响熔覆道宏观成形和形貌参数的激光工艺参数主要有激光功率、扫描速度和送丝速度,离焦量的影响相对较小,当激光能量密度为100J/mm2,熔丝率为39.44×10-6 g/J时,可得到稳定平滑的熔覆道;合适的搭接率变化范围为45%~53%,此时多道单层熔覆层表面平整度在100μm以下。     

基于响应面法和遗传神经网络模型的高沉积率激光熔覆参数优化

在大功率激光熔覆成形中,熔覆层的沉积率是决定成形效率及质量等的重要因素。采用Box-Behnken(BBD)及正交法进行了激光熔覆单道沉积实验设计,研究了激光功率、送粉速率、扫描速度和离焦量对沉积率的关系。分别建立了响应面法(RSM)模型和经遗传算法优化的神经网络(GA-BP)模型,同时预测并优化了沉积工艺参数。经遗传神经网络模型优化后的工艺参数得到的最大沉积率为61.74 g/min,高于响应面法优化得到的53.55 g/min。结果表明:遗传神经网络模型的预测、泛化及优化能力要优于响应面法模型,使用遗传算法优化后的神经网络模型可为实现高沉积率激光熔覆成形提供更有效的预估方法。     

激光熔覆铁基合金粉末单道形貌及性能研究

为探究在45钢表面熔覆铁基合金粉末过程中,激光功率、扫描速度和送粉速率对熔覆层性能的影响规律,采用正交试验方案进行激光熔覆的单道成形试验。以熔覆层的宽高比、稀释率和硬度作为判断熔覆层性能质量的评价指标,通过极差分析判断各熔覆工艺参数的影响大小,再基于多目标优化算法得出最佳的单道熔覆工艺参数组合。试验结果表明：在一定工艺参数范围内,送粉速率是影响熔覆层硬度的主要因素,激光功率次之;扫描速度是影响熔覆层高度、宽度的主要因素;送粉速率是影响稀释率的主要因素。获得了最佳工艺参数组合,即激光功率2 056 W,扫描速度8.75 mm/s,送粉速率2.198 g/min,为45钢激光熔覆铁基粉末的工艺参数选择提供依据。     

基于IDBO-KELM的汽车零部件激光熔覆几何形貌预测建模方法研究

激光熔覆作为一种环境友好和可靠的技术,广泛应用于汽车零部件的表面硬化和受损修复。结合试错法和田口方法设计激光熔覆实验,探究45~#钢表面激光熔覆316L合金粉末的成形工艺参数。以激光功率、扫描速度、送粉速度为激光熔覆可变工艺参数,利用多策略融合的改进蜣螂优化算法优化核极限学习机超参数,基于优化后的核极限学习机分别建立激光熔覆过程评价指标(宽高比、稀释率)的回归预测代理模型,决定系数分别为0.973 5和0.975 9,平均绝对百分比误差分别为0.007 7%和0.061 2%。利用田口方法进行析因分析,激光熔覆工艺参数对稀释率的影响排序为：激光功率(P)>送粉速度(F)>扫描速度(V),宽高比的影响排序为：送粉速度(F)>扫描速度(V)>激光功率(P)。实验结果表明了所提方法的准确性,可以获得理想的熔覆层宽高比和稀释率回归预测模型,为熔覆层的质量控制提供理论依据。     

激光熔覆工艺参数对Fe W B熔覆层质量的影响

采用激光熔覆技术在65Mn钢表面熔覆FeW B三元硼化物熔覆层。通过单道熔覆与单层多道熔覆实验,探究激光功率、扫描速度、送粉速率、搭接率对熔覆层质量的影响,获得优化激光工艺参数组合。并通过光学显微镜、X射线衍射仪和维氏硬度计对熔覆层进行分析。结果表明:工艺参数对熔池高度与熔池宽度的影响程度由小到大排列为:送粉速率、扫描速度、激光功率,对维氏硬度的影响程度由小到大排列为:扫描速度、送粉速率、激光功率。获得的最优工艺参数组合为:激光功率800W,扫描速度3mm/s,送粉速率4 g/min,搭接率50。此时熔覆层的维氏硬度均值为7579 HV,是基材的35倍。熔覆层与基材冶金结合良好,其微观组织由枝状晶、胞状晶和柱状晶组成。     

人工神经网络的激光熔覆层特征分析

为了分析激光熔覆层特征状态，提高激光熔覆质量，对基于人工神经网络的激光熔覆层特征分析方法进行设计。首先制备激光熔覆样本；将样本制作工艺参数输入遗传算法神经网络，建立激光熔覆层特征变化规律预测模型，分析几何特征与激光工艺参数间关联，依据关联分析熔覆层特征的变化情况。结果显示：该方法能够预测激光熔覆层特征变化征规律，宽度最大误差仅为0.003 mm,高度最大误差仅为0.002 mm,稀释率最大误差仅为0.002;不同的扫描速度下，熔覆层的稀释度特征呈现出明显差异，并且在激光功率、送粉速度的变化下，熔覆层特征均发生不同程度的变化。     

宽带激光熔覆铁基涂层工艺参数及性能研究北大核心CSCD

27SiMn钢液压支架在恶劣的工作条件下长期使用后,其表面容易形成腐蚀,磨损和疲劳损坏等缺陷。为提升其使用寿命,本文利用宽带激光熔覆技术在27SiMn钢表面进行制备铁基涂层的实验研究。基于控制变量的方法来依次调整激光功率、送粉速度、载气流量及扫描速度开展单道单因素熔覆试验,并以表面粗糙度为熔覆层质量评价指标初选工艺参数。基于单因素试验进一步开展4因素3水平正交试验,终选显微硬度为熔覆层质量评价指标。利用极差分析考察数据发现扫描速度对熔覆层显微硬度影响最大,其后依次为激光功率、载气流量和送粉速度,最优工艺参数为熔覆处在激光焦点位置且激光功率、送粉速度、在其流量和扫描速度分别为4000 W、2.50 rpm、6.9 L/min和600 rpm。同时对熔覆层进行了摩擦磨损试验,分析了摩擦因素、磨损率及磨损形貌,验证了工艺参数优化的可行性。最终,熔覆层平均硬度较基体提升2.2倍,磨损率较基体提升27%。工艺参数优化能够实现铁基合金粉末熔覆层表面硬度及耐磨性的显著提升,对熔覆修复27SiMn液压支架大有帮助。     

镍基高温合金激光熔覆数值模拟及回归正交试验优化

研究了高温镍基合金增材制造过程工艺参数与熔覆形貌、质量之间的关系。首先，利用ANSYS分析软件，采用APDL编程和生死单元技术在45#钢表面建立Inconel718激光熔覆模型，通过比较数值模拟和试验结果得到的熔池尺寸，从而验证模型的准确性，以减少后续的试验成本。然后，以熔覆层质量（成形系数）为指标，利用回归正交试验设计建立一次回归方程，研究工艺参数对熔覆层质量的影响次序，依次为激光功率、送粉速率、扫描速度。由方差分析可知，多因素交互作用对熔覆层质量影响不显著，而激光功率和送粉速率对熔覆质量影响最显著。因此，设计单因素试验分析其对熔覆层硬度、稀释率以及熔覆形貌的影响规律。通过方差分析预测最优方案为激光功率1200 W、扫描速度23 mm/s、送粉速率20 g/min，其与试验得到的结果一致，并对最优参数进行多道搭接试验验证，发现其组织致密细小，熔覆层与基体有良好的冶金结合性，该研究对后续的实践生产工作有一定的指导作用。     

基于神经网络的宽带激光熔覆熔池特征参数预测

为了实现宽带激光熔覆熔池特征的准确预测,从 而对激光熔覆工艺过程进行实时监测、评价及反馈 控制。通过宽带激光熔覆全因素工艺试验采集熔池特征参数样本数据,采用遗传算法优化BP 神经网络的 初始权值和初始阈值,建立激光熔覆工艺参数(激光功率、粉末厚度、扫描速度)与熔池特 征参数之间的 BP神经网络预测模型。利用训练集数据对所建立的神经网络进行训练,形成输入与输出之间 的映射关系, 并利用测试集数据对网络进行测试。试验结果表明,宽带激光熔覆熔池特征参数神经网络预 测模型具有很 高的精度。该神经网络预测模型对激光熔覆过程监测及熔覆层质量控制具有重要意义。     

粒子群优化BP神经网络的激光铣削质量预测模型

为了有效地控制激光铣削层质量,建立了激光铣削层质量（铣削层宽度、铣削层深度）与铣削层参数（激光功率、扫描速度和离焦量）的BP神经网络预测模型。采用粒子群算法优化了BP神经网络的权值和阈值,构建了基于粒子群神经网络的质量预测模型。所提出的PSO-BP算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以Al2O3陶瓷激光铣削质量预测为例,进行算法实现。仿真结果表明:提出的PSO-BP算法迭代次数大大减少,且预测误差明显减少。所构建的质量预测模型具有较高的预测精度和实用价值。     

基于进化神经网络的激光熔覆层质量预测

为了有效地控制激光熔覆层质量,采用反向传播(BP)算法建立了激光熔覆层质量(熔覆层宽度、熔覆层深度和稀释率)随激光功率、光斑直径和扫描速度变化的进化神经网络预测模型。针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法。经过理论分析和实验验证,在神经网络的输出端得到期望的线性输出,并在训练样本之外,选取了5组工艺参数检验神经网络模型的可靠性,预测结果与相应的实验结果的最大相对误差为2.14%。结果表明,运用该模型可以方便、准确地选择激光工艺参数,提高激光熔覆层的加工质量。     

毫米波电路引线楔焊质量智能预测技术研究

针对毫米波电路引线楔形焊接工艺优化难题,提出将一种带惩罚函数项的改进BP (Back Propagation,反向传播)神经网络算法用于引线楔形焊接质量智能预测中.通过试验分析了影响楔形焊接质量的关键工艺参数,提取了楔形焊接质量评价指标,基于改进的BP神经网络,建立了引线楔焊质量智能预测模型.研究结果表明,所提出的改进...     

激光扫描速率与熔覆层组织性能的规律研究

为了研究在激光熔覆修复工艺中，激光扫描速率对最终形成的熔覆层性能的影响，采用同步送粉法，利用激光熔覆工艺在QT500球墨铸铁上制备了不同扫描速率下的镍基合金熔覆层样本；利用金相显微镜观察熔覆层的显微金相，并使用显微硬度计对熔覆层显微硬度进行了测定与分析，取得了熔覆层样品的硬度、显微金相组织以及样品稀释率等数据。结果表明，在其它条件不变下，随着激光扫描速率的增加，熔覆层组织更加致密、均匀，熔覆层的平均显微硬度得到了显著提高；以激光功率为1.9kW、扫描速率为5mm/s、光斑直径为4mm等参量得到的熔覆层组织与性能最优。此研究对激光熔覆表面强化工艺中合理选择工艺参量提供了理论依据。     

激光熔覆成形薄壁金属制件精度的预测模型

为了控制激光熔覆成形薄壁金属制件的精度，分析了激光熔覆成形金属薄壁的工艺理论和影响因素。采用BP神经网络建立了激光功率、光斑直径、扫描速度和送粉率与金属零件壁厚的非线形关系模型和激光熔覆成形薄壁制件的精度控制系统。通过优化神经网络的权值和阈值，并引入动量因子和学习速率的自适应调整，克服了BP算法容易陷入局部最小值的问题。用实验参数作为训练样本对模型进行训练，并进行了误差分析。实验和仿真结果表明，训练样本和检验样本的最大相对误差分别为1.93％和1.19％，预测精度高。该网络模型可用于优化激光熔覆成形工艺参数和成形金属制件精度的在线实时控制。     

激光熔覆修复技术参数模拟优化分析

为提升激光熔覆修复技术的性能,提出激光熔覆修复技术参数模拟优化方法。通过分析激光熔覆技术工作原理及类型,确定激光熔覆修复技术参数。确定激光熔覆修复技术参数,引入BP神经网络方法,构建熔覆层形貌和激光熔覆修复参数之间的模型预测。采用粒子群优化算法,优化构建的激光熔覆修复参数预测模型,实现激光熔覆修复技术参数模拟优化。仿真结果表明:采用本方法对激光熔覆修复技术参数进行优化后,激光熔覆修复的效果较为理想,明显提高了激光熔覆修复技术的工作效率。     

Ni60激光熔覆工艺参量对涂层裂纹及厚度的影响

为了研究工艺参量对激光熔覆Ni60涂层裂纹及厚度影响,采用在45#钢基材表面熔覆Ni60合金粉末的正交试验方法,分析了影响裂纹产生的工艺参量的主次因素以及影响涂层厚度的主要因素,并对试验结果进行极差分析,获取了裂纹最少的最优工艺参量。结果表明,影响裂纹产生的主次因素为扫描速率＞送粉速率＞激光功率,裂纹最少的工艺参量为激光功率1400W,扫描速率4.0mm/s,送粉速率为1.0r/min,此时,在熔覆起始位置出现了一条短裂纹;对涂层厚度的影响程度主次因素为送粉速率＞扫描速率＞激光功率;经测量,熔覆层的硬度是基材的3.3倍,通过扫描电镜分析,涂层与基材形成良好的冶金结合,熔覆层晶粒组织均匀致密。该研究为Ni60合金粉末激光熔覆工程化应用提供了参考。