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。     

球墨铸铁表面激光熔覆Fe-Cr-Si-B涂层

在球墨铸铁QT600-3表面激光熔覆铁基合金涂层,分析测试了激光熔覆层的微观组织、显微硬度以及界面处Fe、Cr元素的分布情况。结果表明:激光熔覆区为胞状晶和树枝晶结构,组织均匀致密,Fe、Cr等元素在熔覆层与母材间发生了相互扩散,形成良好的冶金结合,并有硬质点的弥散分布,使得涂层硬度大幅度提高,大约为基体硬度的2.6倍。