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。     

基于回归分析和遗传算法优化的BP神经网络熔覆层形貌预测

针对激光熔覆过程中熔覆层形貌难以控制的问题,以45钢和Fe45分别作为基材和熔覆粉末,设计3因素5水平的试验方案,并测量熔覆层的宏观尺寸。首先,利用遗传算法（GA）对反向传播（BP）神经网络的初值进行优化,建立了GABP神经网络模型,以激光工艺参数为输入、熔覆层形貌为输出进行了训练和测试,分析其预测精度。然后,分别以回归分析、BP神经网络和GA-BP神经网络三种方法建立预测模型,并与实际得到的熔覆层形貌进行比较。结果表明,通过遗传算法优化的GA-BP神经网络模型与实际的误差约为3%,BP神经网络模型与实际误差为7.38%,而回归分析预测模型预测误差最大可达到15.5%。经比较可知,GA-BP神经网络预测模型的结果与实际最为接近。故GA-BP神经网络预测模型对提高熔覆层质量具有一定的指导价值。     

基于局部主动轮廓模型的宽带激光熔覆熔池边缘提取

为了准确、高效地提取宽带激光熔覆熔池边缘, 排除宽带激光熔覆过程中存在的强烈弧光、金属液 滴、粉末飞溅等因素的干扰,通过CCD工业相机和复合滤光镜片组成的熔池监测系统实时采 集宽带激光熔 覆熔池图像。对获取的熔池图像进行预处理,选定阈值拟合二次曲线作为初始轮廓线,假设 目标区域与背 景区域具有最大的平均灰度差异,利用熔池本身几何结构信息与图像局部统计信息相互约束 驱动轮廓曲线 演化,准确地提取了宽带激光熔覆熔池边缘。与灰度阈值、数字形态学、C-V主动轮廓模 型等传统方法相 比,该方法有效地提高了熔池边缘提取的精度以及抗干扰性能。     

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。     

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。     

基于CCD激光熔覆成形过程在线监测与控制

激光熔覆快速成形过程中,熔覆层高度是由激光参数,加工工艺,粉末材料等多种因素共同决定。基于CCD实现了对成形过程的实时监测,并通过基于VC++开发的图像处理软件,有效的提取激光熔池中心到激光头之间的高度信息来控制熔覆堆积过程,从而确保了熔覆过程的顺利进行,提高了成形件的加工质量,为激光熔覆快速成形制造技术的在线监测提供了新的手段。     

工艺参数对激光熔覆成形316L不锈钢形状的影响规律

激光熔覆技术经多年发展已取得许多成功的工业应用,但如何控制工艺以达到最佳成形效果,需要通过研究工艺参数与成形精度之间的关系才能找到最终的解决方案。借助激光熔覆快速成形法制备316L不锈钢实验试样,研究工艺参数组合对成形试样形状的影响规律。通过定义单涂覆层截面形状特征参数,采用线性相关法处理截面形状数据,建立工艺参数组合与截面形状特征参数的线性关系。此外,激光熔覆成形件易出现两类典型缺陷,即晶界间微裂纹和层间熔合不良缺陷。     

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...     

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。     

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。     

基于环形光光内送粉激光熔覆温度场的数值模拟

针对"光束中空,光内送粉"的激光熔覆工艺方法,利用Ansys软件的参数化设计语言(APDL)建立了环形激光光斑连续移动加载的激光熔覆模型。通过计算该模型,可以掌握环形激光光内送粉激光熔覆过程中温度场的分布规律。计算结果表明,采用环形激光束加载时,熔池的最高温度区域的形状呈现出"马鞍形"。在基体纵切面上,熔池的高温区域分布呈不对称的"W"形,且高温区域主要分布在光斑中心往后;在基体横截面上,熔池的高温区域分布呈对称的"W"形,熔池中心温度低,两侧温度高,通过基体横断面等温线的分布能够判断熔覆层与基体的结合情况。位于扫描路径中心位置的点在激光束扫过其过程中会经历迅速升温、降温、升温、再迅速降温的急冷急热过程,且第二次升温高于第一次的温度值;位于光斑内外环之间的点在激光束扫过其过程中只有一次升温降温的过程,温度分布较均匀。     

基于彩色CCD的激光熔覆熔池温度闭环控制研究

为了保持激光熔覆过程中熔池温度的相对稳定,采用比色测温与比例-积分-微分（PID）控制策略相结合的方法实现了熔池温度的闭环控制,搭建了一套基于双通道彩色CCD的激光熔覆成形熔池温度在线测控系统。将发射率ε纳入到待定系数K中,建立了灰度比值与K的对应关系,推导出了熔池温度的计算公式。基于Socket通信实现了温度在工控机与机器人控制器之间的信号传递,设计了基于激光功率变化的温度控制器算法。结果表明,此系统能实时准确地测量并控制熔池温度,控制精度在3%以内;将该系统运用于薄壁圆筒堆积成形实验中,能够有效消除激光熔覆成形过程中的温度累积效应;成形件底部与顶部外径仅相差0.9mm,成形件各处显微组织差异较小,组织致密均匀。该控制方案具有实时性好、成本较低、便于集成应用等优点。     

激光熔覆熔池表面温度场分布的检测

采用电荷耦合器件(CCD)高温检测技术,检测了送粉同步式和预置式两种不同工艺下Ni基合金激光熔覆熔池,得到了其在不同功率下的熔池形貌、尺寸和温度场分布.结果表明,当激光功率低于1100 W时,合金粉末熔化不均匀,熔池形貌不规则;当激光功率达到1300 W时,熔池形貌近似椭圆形分布,比较规则平滑,x,y方向尺寸分别为2.8 mm,2.7 mm,平均温度为1800 K,其形貌和尺寸趋于稳定;当激光功率继续增加时,熔池形貌基本不变,但平均温度增加,由于高温热传导熔化,熔池尺寸会有少量增加.     

基于双激光视觉成像与BP算法的微小位移测量

针对现有单激光视觉微位移测量方法中利用的图像特征信息不丰富,导致测量结果不精确的问题,本文提出了一种直射与斜射结合的双激光微小位移测量方法,配合BP(Back Propagation)神经网络实现位移的高精度测量。论文采用透镜成像和小孔成像的原理对双激光模型进行理论分析,使用ZEMAX对测距模型进行数值模拟,以验证所提方法的理论可行性与优越性;其次,根据数值模拟结果设计并搭建实验平台进行图像采集实验,提取一系列图像特征作为BP网络的输入,以位移参数为输出,构建位移预测模型。实验结果表明,相比单激光模型,本文提出的双激光位移模型有更高的测量精度,引入BP神经网络后,测量准确度达到99以上。本文为微小位移高精度测量提供了新方法与新思路。