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。     

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。     

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。     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。     

基于人工神经网络的铝合金激光熔覆层特征与性能的预测

基于人工神经网络(ANN)技术,采用MATLAB作为开发平台,建立了激光熔覆参数与熔覆层特征及性能之间的关系模型.模型以激光功率、扫描速度、光斑直径、涂层成分配比作为输入参数,以熔覆层硬度、熔覆层宽度和高度作为输出参数.对熔覆层的特征与性能进行了预测.结果表明,该模型的平均误差较小,网络训练后检验精度较高,具有较好的预测能力.该模型能够用于预测铝合金表面激光熔覆层的特征与性能.     

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。     

基于遗传算法优化BP神经网络模型的风电功率预测

风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对电网安全稳定运行下接纳更多的风电具有重要的意义.针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度低等问题,提出利用遗传算法对BP神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测.最后采用平均百分比误差、均方根误差、准确率和合格率评价...     

基于遗传算法优化BP神经网络的预测建模

为了进一步提高基于BP神经网络的预测模型精度,本文针对BP神经网络收敛速度慢,参数选择随机等特点,采用了遗传算法对BP神经网络进行优化,并提出了一种基于遗传算法优化BP神经网络的预测模型,从而进一步提高预测模型的预测精度,通过对比未使用遗传算法优化的BP神经网络的预测模型发现基于遗传算法优化BP神经网络的预测模型在提升...     

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。     

多道搭接激光熔覆层开裂的机理和试验分析

利用数值分析和试验相结合的办法,对多道搭接激光熔覆层的开裂机理和规律进行了研究。数值分析结果表明,激光熔覆后,熔覆层内部呈明显的拉应力状态,且主要集中在熔覆层底部与基体的交界处,因此单道熔覆时熔覆层的开裂倾向主要是垂直于扫描方向。在两道搭接熔覆时,前一次熔覆输入试样的激光能量在试样内部传递和扩散已有一定的时间,试样的整体温度升高后,第二次熔覆时激光能量输入产生的热量在试样内部形成的温度梯度就会有所减小,从而降低了工件内部的应力水平。两道熔覆完成后,由于熔覆层在扫描所受的拉应力降低的幅度最大,而垂直于扫描方向所受的拉应力变化不大,此时若熔覆层开裂,则开裂的方向将不再是垂直于扫描方向,而是会与扫描方向成一定的夹角。实际熔覆中,对单道、多道熔覆时熔覆层的开裂现象进行了观察,试验结果与分析结果较好地吻合。     

基于自适应遗传算法优化BP神经网络

传统的BP算法具有简单可塑的优点,但是存在着容易陷入局部极值、收敛速度慢等无法克服的缺陷。遗传算法是一种全局搜索算法,具有很强的全局搜索能力。因此,文中设计了一种自适应遗传算法优化BP神经网络的方法,并通过对数字信号的实例仿真,证明了经过改进优化后的BP神经网络具有很好的应用前景。     

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。     

铁基合金激光熔覆层的摩擦学特性

为评估激光熔覆技术修复塑料模具的磨损性能,采用铁基合金粉末在40Cr钢基体表面进行激光熔覆。激光熔覆层为上试样,GCr15钢球为下试样,利用HT-500磨损试验机进行摩擦磨损试验,研究在干摩擦、润滑条件下,激光熔覆层及其配副的摩擦学特性。利用表面形貌仪测量磨痕的深度和宽度,理论计算磨损率。研究结果表明,在干摩擦条件下,随载荷的增加,激光熔覆层及其配副的摩擦系数先降低后增加,当载荷为300 g时摩擦系数最小;随载荷的继续增加,摩擦系数逐渐增大。在相同载荷与润滑条件下,激光熔覆层及其配副的摩擦系数、磨损率、磨痕宽度均小于干摩擦条件下的值;随着磨损时间的增加,摩擦系数在磨损后期略有上升,磨损深度、磨损体积、磨损率逐渐增大。     

激光模式对激光熔覆层质量的影响

分别采用多模和低阶模的CO2激光束研究了激光模式对于Fe基合金激光熔覆层质量的影响.结果表明,相对于低阶模激光熔覆而言,多模激光熔覆层各个区域的外形较为平整,尤其是熔合区更为明显,激光模式不同对熔覆层的微观组织和硬度也有一定影响.     

基于BP神经网络的成本预测

分析了人工神经网络解决成本预测的可能性。介绍了BP神经网络用于非线性预测的基本原理和算法步骤。采用matlab试验方法,对某企业总产量与总成本进行仿真,对比了回归分析法和BP神经网络的预测结果。实验结果表明,BP神经网络预测算法具有较高的预测精度。     

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%。     

基于BP神经网络和遗传算法的肺结核发病率预测模型研究

对肺结核发病率进行逼近准确的预测,有助于卫生行政等政府部门在肺结核防控规划中提出适宜的目标。文章利用遗传算法对BP神经网络进行优化,建立基于BP神经网络和遗传算法的肺结核发病率预测模型,用来预测肺结核发病率。实验结果表明,模型具有良好的自我学习和预测的能力,以及全局寻优和快速收敛等特性,可以对肺结核发病率进行逼近准确的预测。     

Cr12模具钢Fe50-TiC复合激光熔覆层的形貌、组织和力学性能

针对模具表面易磨损失效的问题,本文采用同步送粉激光熔覆技术在Cr12模具钢表面制备了一系列Fe50-TiC复合熔覆层,并利用扫描电镜(SEM)、显微硬度计、摩擦磨损试验机对熔覆层的微观组织、气孔率、显微硬度及耐磨性能进行分析,探索TiC含量对Fe50-TiC熔覆层的影响规律.研究结果表明:随着TiC含量的增加,复合熔覆...