基于BP神经网络的激光熔覆参数多目标优化 |
| |
引用本文: | 邓德伟,江浩,李振华,宋学官,孙奇,张勇.基于BP神经网络的激光熔覆参数多目标优化[J].激光与光电子学进展,2023(17):232-245. |
| |
作者姓名: | 邓德伟 江浩 李振华 宋学官 孙奇 张勇 |
| |
作者单位: | 1. 大连理工大学材料科学与工程学院辽宁省激光3D打印装备及应用工程技术研究中心;2. 沈阳鼓风机集团股份有限公司;3. 大连理工大学机械工程学院 |
| |
摘 要: | 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。
|
关 键 词: | 激光熔覆 反向传播神经网络 遗传算法 灰关联度 参数优化 |
|
|