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。     

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。     

基于BP神经网络的激光熔覆参数多目标优化

为了获得TiC铁基合金粉末在316L不锈钢上的激光熔覆最佳工艺参数，提出了一种基于遗传算法优化的反向传播(BP)神经网络的激光熔覆参数优化方法。设计三因素五水平的全因子试验，测量了熔覆层的宏观形貌和平均硬度，建立输入参数(激光功率、扫描速度、保护气流量)和响应量(熔覆层宽度、熔覆层高度、稀释率、显微硬度)的神经网络模型。以多元非线性回归分析工艺参数对响应量的影响，并以综合灰关联度表征熔覆层的综合性能，寻优得到最佳参数。试验结果表明，激光功率和扫描速度对熔覆层宽度、稀释率和显微硬度的影响明显，而保护气流量对熔覆层高度影响最显著，遗传算法优化的BP神经网络模型各响应量模型的拟合优度均达到0.85～0.91之间，GA-BP模型精度良好，当参数为1090 W，扫描速度为4.4 mm/s，保护气流量为10 L·min^-1，综合性能最佳，表明BP神经网络算法适用于激光熔覆层质量控制和参数优化。     

激光熔覆铁基TiC复合涂层成形质量的控制方法

为了揭示激光熔覆工艺参数对铁基TiC复合熔覆层成形质量的作用规律、优化激光熔覆工艺参数,使用YAG固体激光器在60Si2Mn基体上激光熔覆铁基TiC复合涂层,基于响应面法建立输出电流、脉冲宽度、扫描速率与熔覆层宽度、高度、熔池深度、宽高比、稀释率以及硬度之间的数学模型,并对模型进行方差分析,获得了工艺参数与成形质量之间...     

Fe314合金激光熔覆工艺优化与表征研究

为阐述Fe314合金激光熔覆工艺与成形质量之间的内在联系,采用SN比实验设计方法,并以稀释率为参量对熔覆工艺进行了优化分析和量化表征;获得最优化工艺参数为激光功率480 W,送粉量8.0 g/min.扫描速度600mm/min.验证结果表明:熔覆层稀释率与激光比能、绝对送粉率的定量表征关系具有一定的预测精度.对熔覆层进...     

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。     

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。     

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。     

送粉式激光熔覆稀释率的检测方法及其影响因素

为建立工艺参数与稀释率的关系,提出了送粉式激光熔覆过程中稀释率的概念,并推导出稀释率的表达式。利用金相法检测的熔覆层宏观参数、材料相关的物理参数和工艺参数对稀释率进行了计算,系统分析了影响因素。在激光功率和光斑尺寸保持恒定的条件下,稀释率随扫描速度的增加而减小,随送粉速率的增大而变小;对稀释率随扫描速度变化而出现最小值的现象给出了合理的解释。为进一步研究熔覆层组织凝固行为、工艺参数的优化奠定了理论基础。     

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。     

三分光束光内同轴送丝熔覆层几何形貌预测

研究"三分光束"光内同轴送丝激光熔覆各工艺参数的工艺区间及参数与熔覆层几何形貌映射关系。首先,采用单因素实验方法研究激光功率、扫描速度、送丝速度、离焦量四个工艺参数的工艺区间;其次,以熔覆层的高度、宽度、横截面积作为熔覆层几何形貌的量化指标;最后,分别建立神经网络模型和二次回归模型实现熔覆工艺参数和熔覆层形貌量化指标之间映射关系的预测。基于单道单因素实验,当激光功率介于1 300~1 700 W,扫描速度介于3~7 mm/s,送丝速度介于9~15 mm/s,离焦量介于-2.5^-1.5 mm时能获得液桥过渡熔覆质量较好的单道。在对测试样本数据的预测中,在置信度85%情况下,BP神经网络模型对熔覆层高度、宽度、横截面积的预测精度分别为100%, 100%, 93.33%,均方根误差分别为0.21, 0.07, 0.24;二次回归模型的精度分别为100%, 66.67%, 73.33%,均方根误差分别为0.21, 0.13, 0.28。结论说明二次回归模型中变量的交叉项未能拟合送丝熔覆多变量耦合的非线性过程,而BP神经网络得到较好的预测结果。     

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。     

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。     

z轴单层行程对激光熔覆成形的影响

为了探究z轴单层行程z与单层熔覆层高度的匹配对激光熔覆成形的影响,采用了在不同的z轴单层行程z的情况下进行激光熔覆成形试验的方法,通过理论分析和实验验证,得到了不同z轴单层行程z与单层熔覆层高度以及离焦量的关系曲线。结果表明,z轴单层行程z存在一个以第2层熔覆层高度为基准的最佳的取值范围,在此范围内,熔覆过程能够通过自身存在的反馈调节达到z轴单层行程z与单层熔覆层高度相等的稳定成形状态。该研究给出z轴单层行程z选取时的推荐值为0.5d2 z 0.6d2。     

基于神经网络和粒子群算法的激光熔覆工艺优化

采用反向传播(BP)神经网络和粒子群算法相结合的方法对激光熔覆过程的工艺参数进行优化。运用BP神经网络建立熔覆带特征(熔覆带高度、熔覆带宽度)与熔覆工艺参数之间的预测模型,利用训练样本对所建立的网络进行训练,形成输入与输出之间的高度映射关系,在此基础上,使用粒子群优化算法对工艺参数进行寻优。试验结果表明,使用该方法优化得到的工艺参数进行加工获得的结果与预期结果有较小的误差,有利于获得预期的熔覆质量。     

基于神经网络的多维非线性模型参数估计

本文详细研究了多层ＢＰ神经网络的特性，并提出了基于预畸变处理的广义线性模型参数估计方法。借助于函数组合器，提出了基于神经网络的多维非线性模型参数估计算法，从而为多维非线性参数辨识和分析提供一种有效途径。模拟结果表明，本文所提出的多维非线性模型参数估计方法是成功的。     

IC表面钝化PECVD工艺的计算机模拟

本文介绍了一种新的工艺研究途径－神经网络反向传播算法（ＢＰ算法），并对其网络学习收敛速度的加快进行了讨论，取得了较好的效果；利用改进的神经网络ＢＰ算法，我们通过建立ＩＣ表面钝化工艺的神经网络模型，对ＩＣ表面钝化工艺进行了计算机模拟，精确地预报了实验结果并得到了相关工艺条件与钝化介质膜特性的关系曲线，所编写的神经网络应用程序已用Ｃ语言在计算机上得到了实现。     

变功率激光熔覆镍基涂层裂纹特性研究

为解决航空发动机热端叶片的高损耗现状,提高叶片的表面性能以延长服役寿命,通过对镍基高温合金K417G表面进行变参数激光熔覆制备GH3536涂层,并通过光学显微镜、扫描电子显微镜、XRD衍射仪等仪器对熔覆层的宏观微观形貌进行观察并结合EDS能谱仪元素分布及偏析结果综合检测结果研究激光功率变化带来的熔覆层的成型质量以及性能影响。分析了熔覆层表面区域以及和基体结合区的裂纹缺陷程度以及缺陷形成原因,并通过对比激光功率变化带来的元素偏析影响与裂纹分布的关系,达到工艺参数优化的目的。熔覆层与基材结合界面呈波浪状,且于一定范围内,随着激光功率提升,熔覆层与基体组织交界区域的裂纹明显减少。熔覆层中元素偏析情况,随激光功率降低愈发明显以及伴随晶枝组织的生长方向偏转现象。