多晶硅太阳电池表面织构工艺优化

在太阳电池制备工艺中,多晶硅表面常需要进行绒面处理,在各种不同的工艺中,各向同性腐蚀法由于成本低且易于操作而适宜于大规模生产,已成为当前研究的重点。但不同配比的试剂在不同作用时间及工艺下会得到不同的效果,如何科学地评价这些差异,进而得到最佳的工艺参数用于指导生产实践,具有重要的意义。由于各参数间复杂的非线性耦合关系,使得参数的精确确定成为难题。在充分理解遗传算法(Genetic algorithm,GA)作用机理的基础上,以人工神经网络(Artificial neural network,ANN)为辅助手段,以腐蚀速度和光反射率为评价标准,从理论上提出了最佳工艺参数的确定方法,大量多晶硅表面制绒试验已经证明,此方法具有快捷、准确的优点。     

基于接头界面分析的钢/铝传动轴磁脉冲焊接工艺优化

目的 研究磁脉冲焊接工艺参数对钢/铝传动轴焊接接头界面波形特征的影响规律,并优化设计焊接工艺参数.方法 采用光滑粒子动力学模拟方法分析接头界面波形,并以界面波形特征为目标,研究磁脉冲焊接时的工艺参数(扩口角度、放电电压、设备电容)对焊接接头界面的影响程度,并利用灰色关联度方法分析得出综合最佳工艺参数设置组合.结果 随着...     

复合板材搅拌摩擦焊接的探讨

以厚度为3mm和10mm的聚四氟乙烯板(简称PTFE)和LC4铝合金板作材料,用搅拌摩擦焊(简称FSW)法焊接是一种新的探索.试验中采用不同的工艺参数,如焊接行走速度、搅拌头材料与形状、搅拌头旋转速度和倾斜角度,用图像分析仪等对试样的焊接区进行分析,探索工艺参数对焊接质量的影响.结果表明:焊接工艺参数和搅拌头材料、形状都会影响焊接质量;用搅拌摩擦焊的方法可使聚四氟乙烯和铝合金LC4焊接.     

厚度为0.05 mm的316不锈钢激光焊接工艺

目的 研究0.05 mm厚不锈钢的最佳激光焊接参数,以便对实际生产进行指导.方法 采用IPG公司的连续光纤激光器对厚度为0.05 mm的316不锈钢进行连续焊接.首先,对焊接夹具的夹持间距进行研究;其次,通过设置焊缝轨迹导出线解决轨迹末尾的弧坑问题;最后,对激光功率、焊接速度及离焦量进行正交试验.结果 当激光功率为70 W,焊接速度为100 mm/s,离焦量为0 mm时,焊缝抗拉强度达到最大的167 MPa,此时的工艺参数为最佳工艺参数.结论 在最佳工艺参数条件下,焊缝一致性较好,焊缝无虚焊、焊穿等现象出现,焊缝能承受3个大气压不漏气,达到了实际生产的要求.     

碳纤维/聚苯硫醚热塑性复合材料电阻焊接工艺

本文针对航空器结构用碳纤维/聚苯硫醚(CF/PPS)复合材料为研究对象，开展电阻焊接工艺研究；利用CF/PPS复合材料混编织物作为电阻元件，成功制备了CF/PPS复合材料层板电阻焊接接头；重点利用Taguchi方法和方差分析获取CF/PPS复合材料层板电阻焊接最佳工艺参数(电流为12 A，压力为1.5 MPa，时间为30 min)及各参数对焊接接头剪切强度的贡献(电流为83.37%，压力为9.55%，时间为6.02%)。最佳焊接工艺参数焊接的接头单搭接剪切强度约为17.88 MPa；同时，对最佳参数焊接试样(H-LSS)和较低剪切强度试样(L-LSS)的焊接接头截面和剪切失效断口形貌进行了观察和分析。结果表明:H-LSS试样的焊缝区域树脂填充和浸润良好，且主要剪切失效形式为层间剪切失效，即为纤维与树脂基体脱黏及CF/PPS织物复合材料断裂混合失效；L-LSS试样的焊缝区域树脂填充和浸润较差，存在较多空隙，且剪切失效形式为焊缝界面脱黏失效。      

Ta/Ni/Mo异种薄板激光熔钎焊正交试验探究

目的探究Ta/Mo异种薄板激光熔钎焊的最佳焊接工艺参数。方法设计正交试验方案,得出理论最优工艺参数。采用SL-08型Nd:YAG脉冲激光焊机对薄板完成焊接得到焊接接头;通过微机控制电子万能试验机测试焊接接头的抗拉强度;通过显微硬度计测量焊接接头显微硬度;通过OM测试方法观察焊缝组织。并通过焊接接头的性能对得出的最优工艺参数进行验证。结果在最佳焊接工艺参数下,接头的最大平均抗拉强度为230 MPa,接近Ta母材的抗拉强度,拉伸试样断裂发生在近Ta热影响区;焊缝表面连续,可看到清晰的鱼鳞纹,焊缝背面宽度均匀,焊缝成形良好;焊缝中心区域出现了针状共晶组织,热影响区的晶粒都呈现不同程度的长大现象;形成接头的焊缝区硬度最高,钼母材次之,钽母材最小。结论通过正交试验得出的最优工艺参数是准确的,Ta/Mo异种薄板最佳焊接工艺参数为:激光功率P为20.8 W(激光功率百分比为26%),脉宽T为5.5 ms,脉冲频率f为4.0 Hz。     

钢轨焊接接头电正火工艺及设备的研究

为了提高钢轨焊接接头的性能,本文对钢轨焊接接头电阻加热正火工艺及设备进行了研究。设计成电阻加热正火设备,对 U_(74)60kg/m 钢轨闪光对焊接头进行了正火工艺试验,确定了最佳工艺参数,并进行了正火接头的质量检验。试验结果表明质量稳定、效果显著,可大幅度提高钢轨焊接接头的机械性能。     

环形光斑激光塑料焊接工艺研究

目的 为了提高塑料焊接焊缝的剪切强度,满足实际生产要求.方法 采用环形光斑进行激光焊接试验,通过对激光功率、焊接速度、离焦量工艺参数进行三因素三水平正交试验,得到最佳工艺参数.结果 在最佳工艺参数条件下,即激光功率为50 W,焊接速度为150 mm/s,离焦量为5 mm时,PA66塑料焊缝最大剪切强度为21.6 MPa.焊缝切片分析结果表明,环形光斑激光焊缝的熔深均匀一致,内部无气孔产生.结论 正交试验的极差分析结果表明,对焊缝剪切强度的影响因素由主到次依次为离焦量、激光功率、焊接速度.     

超高强钢的摩擦焊工艺研究

目的研究某产品摩擦焊的工艺性能。方法研究了超高强钢45CrNiMo1VA钢在不同摩擦焊接工艺参数下的接头组织与性能,以及在不同热处理回火温度下对焊接接头强度的影响。结果在合适的工艺参数下,45CrNiMo1VA钢的高韧性可以有效保证焊接接头韧性,满足产品高指标的要求,使焊接接头组织具有良好的组织性能,焊后热处理工艺的正确确定是保证焊缝组织性能与母材组织性能的重要保证。结论试验证明超高强钢(45CrNiMo1VA)完全可以应用于摩擦焊生产中,并能获得理想的性能指标。     

薄TA2板的等离子＋TIG焊接工艺方法研究

本文主要通过对等离子＋TIG焊接机的焊接特点介绍，对TA2薄板（3-10mm）采用本焊接方法，进行工艺摸索，稳定工艺。对不同厚度TA2拼接试板进行焊缝的力学性能检测和金相组织观察及焊缝的化学成分分析，从而找出最佳焊接工艺参数。     

基于神经网络的电弧增材制造铝合金力学性能预测

目的 预测不同工艺参数下电弧增材制造铝合金的力学性能。方法 通过实验建立了电弧增材制造6061铝合金及Ti C增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果 与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R²)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测Ti C增强的6061铝合金抗拉强度最佳结果的R=1,R²高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论 BP、PSO-BP、GA-BP 3种神经网络模型可以用来预测电弧增材制造...     

基于GA-BP神经网络的结构损伤位置识别

针对传统BP神经网络训练中存在的一些问题，提出了一种基于遗传算法(GA)-BP神经网络混合技术识别结构损伤位置的方法。该方法利用基因实数编码的遗传算法优化BP网络的结构及初始参数，从而大大提高了神经网络的训练精度。运用GA-BP网络与传统BP网络技术分别对两个算例进行了结构损伤定位的识别仿真，结果表明遗传BP稳定性好，精度高，对噪声有很好的鲁棒性，便于工程应用。     

A hybrid of back propagation neural network and genetic algorithm for optimization of injection molding process parameters

This paper presents a hybrid optimization method for optimizing the process parameters during plastic injection molding (PIM). This proposed method combines a back propagation (BP) neural network method with an intelligence global optimization algorithm, i.e. genetic algorithm (GA). A multi-objective optimization model is established to optimize the process parameters during PIM on the basis of the finite element simulation software Moldflow, Orthogonal experiment method, BP neural network as well as Genetic algorithm. Optimization goals and design variables (process parameters during PIM) are specified by the requirement of manufacture. A BP artificial neural network model is developed to obtain the mathematical relationship between the optimization goals and process parameters. Genetic algorithm is applied to optimize the process parameters that would result in optimal solution of the optimization goals. A case study of a plastic article is presented. Warpage as well as clamp force during PIM are investigated as the optimization objectives. Mold temperature, melt temperature, packing pressure, packing time and cooling time are considered to be the design variables. The case study demonstrates that the proposed optimization method can adjust the process parameters accurately and effectively to satisfy the demand of real manufacture.     

PSO算法结合BP神经网络在传感器静态非线性校正中的应用

将粒子群优化(PSO)算法与BP神经网络相结合,应用在传感器静态非线性特性的校正中.用PSO算法所得到的全局最优值作为BP神经网络的初始权值,训练BP神经网络,训练结束后的神经网络作为传感器的静态特性校正器.应用结果表明,该方法可以提高BP神经网络的精度,并且该神经网络具有良好的泛化能力.     

V型坡口多层多道焊焊道几何参数预测

中厚板V型坡口多层多道焊焊接过程中,每一条焊道的几何参数都会影响最终焊缝成形质量。为了评估V型坡口多层多道焊缝成形质量,提出了基于麻雀搜索算法(SSA)优化的BP神经网络模型预测焊道几何参数。文中通过实验分析各焊接工艺参数对焊道成形几何尺寸的影响,确定了以焊接电流、焊接速度、熔池宽度作为模型的输入,将能表征焊道质量的焊道高度和焊道计算高度作为模型的输出。对优化前后BP神经网络预测模型的性能进行对比,结果表明,优化后模型预测结果的相对误差分别保持在±4%、±8%以内,模型的稳定性、准确率都有较大提升,证明了该方法可有效预测V型坡口焊接时的焊道几何参数。     

遗传算法和BP神经网络在电机故障诊断中的应用研究

人工智能方法在电机故障诊断中的应用,使得电机故障能够得到及时准确的预测和诊断,保障了电机的安全运行。介绍了BP神经网络及遗传算法的基本原理及组成结构,针对BP神经网络容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值优化,改善了BP神经网络的诊断性能;通过GA-BP网络对电机的三种故障模式进行了诊断识别,其实验仿真结果表明：无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有了很大提高。     

基于遗传BP神经网络反演楔体参数的研究

为了获得未知楔体的参数,建立了遗传算法和反向传播(Back Propagation,BP)神经网络结合的反演模型。仿真得到不同角度、密度、杨氏模量下楔体导波的频散曲线。采用反对称第一阶模态相速度数据作为遗传BP神经网络反演模型的输入变量;利用遗传算法改进BP神经网络获得优化的初始权值和阈值,并对BP神经网络进行训练;最后将实测的楔体一阶模态相速度代入训练好的网络进行参数反演。结果表明,通过该反演模型可同时反演出楔体的角度、密度、杨氏模量,并且较单一BP神经网络具有收敛速度快、精度高的优点。     

The Prediction of Dynamic Coefficients for Tilting-Pad Journal Bearings Based on an AGA-BP Neural Network

To provide real-time dynamic coefficients of tilting-pad journal bearings( TPJBs) for the dynamic analysis of a rotor-bearing system accurately,an improved error back propagation( BP) neural network model is built in this paper.First,the samples are gained by solving the Reynolds equation with the finite differential method based on hydrodynamic lubrication theory.Secondly,the adaptive genetic algorithm( AGA) is applied to optimize the initial weights and thresholds of the BP neural network before training.Then,with a number of trial calculations,the optimum parameters for the neural network are obtained.Finally,an application case of the neural network is given as well as the results analysis.The results show that the AGA can efficiently prevent the training of the neural network from falling into a local minimum,and the AGA-BP neural network of dynamic coefficients for TPJBs built in this paper can meet the demand of engineering.     

三维针刺C/C-SiC复合材料预制体工艺参数优化EI北大核心CSCD

基于误差反向传播(BP)神经网络与改进的遗传算法建立三维针刺C/C-SiC复合材料预制体工艺优化的代理模型,获得针刺工艺参数与复合材料刚度性能之间的关系。利用BP网络实现复合材料刚度性能预测,BP网络的预测值与有限元计算结果吻合程度较好,模型训练误差最大为0.526%,测试数据误差最大为0.454%,BP网络预测精度高。对传统遗传算法的遗传策略和优化策略进行改进,利用两种改进的遗传算法对针刺工艺参数进行优化。优化后的工艺参数显著提高了材料的刚度性能,其中面内拉伸模量分别提高了11.07%和11.48%,面外拉伸模量分别提高了49.64%和48.13%,复合材料的综合刚度性能分别提高18.17%和18.21%。     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。