基于BP神经网络的20CrMo钢激光强化工艺参数优化控制

以激光功率P、光斑直径D、扫描速度V等为输入参数,非相变硬化处理、相变硬化处理和熔凝处理等为输出参数,对材料为20CrMo合金结构钢进行激光强化处理工艺控制优化研究。通过大量试验与计算机模拟分析和对比,建立了激光工作参数与材料表面强化关系的BP神经网络工艺优化模型。经过与实验数据的比较,运用该模型可以方便、准确地选择激光工艺参数,控制材料表面强化类别和保证工作表面的质量,真实反映了激光加工工艺规律。     

人工神经网络在激光表面强化控制上的应用

通过大量试验,分析了使用不同的激光工作参数对材料进行激光强化处理时,所得材料表面可归为 4种类别,即:未相变硬化,相变硬化,表面微熔及表面熔凝。并建立了激光工作参数与材料表面强化类别之间关系的人工神经网络模型。实验表明,运用该模型可以方便、准确的选择激光工艺参数,控制材料表面强化类别及工作性能。     

材料表面激光强化类别控制的BP神经网络模型的建立

通过试验分析,表明使用不同的激光工作参数,对材料进行激光强化处理,所得材料表面可归为四种类别,即：未相变硬化,相变硬化,表面微熔及表面熔凝。本文建立了激光工艺参数与材料表面强化类之间关系的BP神经网络模型,并应用该模型,对常用于制造农业机械和发动机齿轮、凸轮轴、链轮、曲轴等零件的材料HT300进行激光强化处理试验。结果表明,BP神经网络模型町方便、准确地选择激光丁艺参数,控制材料表面强化类别及下作性能。     

轴端沟槽底部激光强化工艺参数优化研究

分析了选用不同激光能量密度对HT300进行表面强化处理时，材料表面呈现的四种状况；未相变硬化、相变硬化、表面微熔与表面熔凝的金相组织。根据工艺要求，选取相变硬化方法对轴端沟槽底表面进行处理。分析了工件激光处理方法并通过试验研究，寻找轴端沟槽底部激光强化工艺参数；激光功率（P）、光斑直径（D）及扫描速度（V）的优化组合。硬度测试及耐磨性能试验表明：激光相变处理和激光熔凝处理后轴端沟槽底部表面较表面感应淬火硬度分别提高7%和34%，绝对磨损体积分别下降了13%和25%。实践证实，对轴端沟槽底部激光相变硬化处理方法较其他表面处理方法工艺简单，加工工件符合技术要求，试验结果对零件表面处理提供了可靠依据。     

金属材料激光相变硬化的三维数值模拟

给出了用有限差分法对金属材料激光相变硬化过程建立的三维数值模型。模型考虑了工件有限尺度、工件材料热物理性质的温度依赖关系、激光处理参数以及对流、辐射造成的表面热损失．根据模型可以得出工件表面和内部任意部位的三维温度分布像，可以预测激光处理的相变层深，并据此优化激光处理参数的选定．通过对一种锆合金的激光相变硬化实验，验证了所得结果与模型理论计算的一致．     

快速轴流CO2激光器激光相变硬化处理HT250的研究

用快速轴流CO2 激光器对HT2 5 0进行激光相变硬化处理 ,优化出处理HT2 5 0所需的合理工艺参数匹配 ,并从硬化带尺寸、微观组织形态、硬化带内硬度分布等方面分析了快速轴流CO2 激光器进行激光相变硬化处理过程中 ,工艺参数对硬化区的影响 ;实际试验证明只要工艺参数选取适当 ,轴流激光器也可用于热处理 ;实验中发现当用某些参数处理材料时 ,由于表面张力的作用 ,试样的表面精度有所提高。根据试验结果拟合出所有工艺参数中两个最重要参数 :激光功率密度 q ,激光扫描速度V 的关系曲线 ,给出了相应的公式     

HT300链轮齿表激光强化技术研究

研究HT300激光相变硬化时的工艺参数,结果表明对HT300链轮进行激光强化处理较表面感应淬火 工艺简单,硬度测试及耐磨性能均可满足链轮的工作要求。     

脉冲激光相变硬化中的二维点阵光强分布设计

激光强度空间分布是影响脉冲激光相变硬化效果的重要因素。现有的二维点阵光束按强度均匀分布设计,不能完全满足应用要求。为此提出基于有限元(FE)分析的光强空间分布逆向设计思路,并给出了实现方法。建立脉冲激光相变硬化有限元模型,考虑了材料热物性参数随温度的变化和相变过程,并用实验进行校核。研究了二维点阵分布参数对温度场的影响,从目标温度场和硬化层形貌出发对二维点阵的分布参数进行调整,获得优化的强度空间分布。针对汽车冲压模具表面强化的工艺要求,应用此方法设计出具有实用价值的激光强度空间分布。     

激光相变硬化处理的模拟

研究用矩形匀强激光光斑相变硬化处理金属材料的移动热源、机理与模拟计算等问题,建立了表面以下各部分材料的最高温度与距表面深度的关系曲线簇。从而可按要求的淬火(硬化)层深度等计算确定激光相变硬化处理参数,结果表明理论计算值与实验结果相符。     

30CrMnSiA钢激光表面淬火的显微组织及耐磨性

采用功率为 2kW ,扫描速度为 10 0mm/min的工艺参数对钻杆接头材料 30CrMnSiA钢进行了表面相变硬化处理 ,研究了相变层的组织和耐磨性。实验结果表明 ,30CrMnSiA钢表面相变硬化层分为完全淬硬层、过度层和受热影响的基体组织 ,硬化层的显微组织明显细化 ,其表面层的耐磨性明显高于未经激光处理的 30CrMnSiA钢。     

QT600-3凸轮轴表面激光相变硬化的实验研究

用（L93^4）正交试验法研究QT600-3凸轮轴激光相变硬化工艺参数优化组合,分析了凸轮轴激光相变硬化方法。试验结果表明：激光相变硬化层显微硬度比等温淬火提高了50％;硬化层深达0．5mm;耐磨性提高了1倍;表面残余应力为压应力。能满足凸轮轴工作要求,为改进凸轮轴表面处理方法提供了依据。     

激光脉冲对钢材热处理的计算

将激光作用对象视为热物性参数为常量的均匀介质,介绍材料在激光脉冲列作用下温度场的解析计算方法。基于研究结果及钢材马氏体相变模型,提出一种,激光脉冲列对钢材表面相变硬化处理时硬化带尺寸的计算方法,并通过激光热处理实验对计算方法的可行性作出证明。     

激光相变硬化工艺参数的研究

本文报导了用HJ-1型CO_2激光器对六种金属材料进行的相变硬化实验结果.研究了激光工艺参数对材料硬化层组织与性能影响.提出这些材料激光相变硬化的最佳工艺参数;并将激光硬化V型导轨的实验结果和普通热处理结果作比较.     

HT300摩托车凸轮轴激光表面强化处理研究

用(L934)正交试验法研究HT300摩托车凸轮轴激光处理时工艺参数优化组合,分析了HT300摩托车凸轮轴激光处理方法,结果表明,对HT300摩托车凸轮轴进行激光相变硬化处理和激光熔凝各有其特点,可视具体情况选取,以满足不同零件工作表面的要求。硬度测试及耐磨性能试验表明,激光相变处理和激光熔凝处理后摩托车凸轮轴工作表面较激冷处理后硬度分别提高31%和76%及绝对磨损体积分别下降了70%和110%,可满足凸轮轴工作要求,试验结果为改进零件表面处理方法提供了依据。     

激光淬火能量转换系数的ANSYS分析

基于有限元分析软件ANSYS对激光表面淬火温度场进行模拟,并结合实验的数据,建立了材料表面能量转换系数的变化规律的数学模型。通过再次实验验证表明,可用于预测激光表面淬火后的硬化层深并具有极高的精确性,为研究精确控制工艺参数和相变硬化层深提供新的研究思路。     

垂直面送粉激光强化系统与应用研究

针对汽车发动机缸体、缸套、模具侧壁等垂直表面激光强化的需求 ,研制了垂直面送粉喷嘴和垂直面送粉激光强化系统 ,适合于内侧和外侧垂直面送粉激光熔覆和合金化及不送粉熔凝、相变硬化 ;利用该系统 ,选择合适的激光处理工艺参数 ,在垂直放置的灰铸铁表面进行了激光熔凝、送粉激光合金化、送粉激光熔覆等表面处理 ,分析了处理层的显微组织 ,合金元素成分分布与硬度分布。激光强化显著提高了基材的使用性能。垂直面送粉激光强化技术有良好的工业应用前景。     

高速主轴用40Cr钢的激光相变硬化工艺

40Cr钢是一种主轴常用调质钢,具有较高的强度、韧性和塑性.调制后的主轴其硬度与耐磨性能不太理想,高速下容易在轴颈处磨损,影响主轴工作精度.采用不同的激光相变硬化工艺对正火态40Cr进行表面处理,找出适合高速主轴激光相变硬化方法,提高材料的硬度、耐磨性和抗疲劳性.经过不同工艺处理后的试样分析,得出了以激光功率1600 W,光斑直径7 mm,扫描速度15 mm/s的工艺硬度、层深等相对其他试样来说最为理想,并着重对该工艺下各层金相组织进行了研究,测量了'层深与硬度.结果表明该工艺下试件表面硬度较低,适合高速主轴的加工与磨削,次表层硬度最高为40Cr主轴常规调质试件硬度的2.04倍,且耐磨性较好.     

激光辐照40~#Cr钢的腐蚀电化学特性与腐蚀疲劳性能的研究

用对比的方法研究了不同激光辐照工艺对40~#Cr钢耐蚀性和腐蚀疲劳性能的影响。结果表明,激光相变硬化处理的耐蚀性优于激光表面重熔处理的试样的耐蚀性。经激光表面辐照处理后,其腐蚀疲劳寿命也显著提高。结合光镜和SEM分析了材料的耐蚀机理和腐蚀疲劳断裂的特征与机制。     

激光热处理的模拟及其应用

采用无量钢参数，导出了匀强矩形激光光斑相变硬化处理钢铁材料时表面以下各部分材料所经历的最高温度与其距表面距离的关系曲线族。仅由此曲线族，即可根据要求的淬火层深度以及单位时间处理的表面积，计算确定激光热处理的参数。     

激光相变硬化工艺参数的选择

激光在工业应用中,相变硬化是一个重要方面。其工艺选择直接影响着相变硬化层的深度和宽度。从热传导基本方程出发,得出了相变硬化过程中工艺参数(激光功率、光斑直径、离焦量、扫描速度)与硬化层深度、宽度之间的关系。用编制的工艺参数选择的计算机软件计算的结果与实验结果进行了比较,其相对误差为:硬化层宽度平均相对误差为3.7%,硬化层深度为18.7%。