面向再制造的激光熔覆的工艺参数多目标优化

发布时间：2021-10-29 21:30

　　再制造是我国制造业向生态文明和高端智能转型的重要载体。激光熔覆作为一种典型的再制造技术,工艺参数的选择直接影响熔覆层的宏观形貌和成形质量进而影响再制造工件的可靠性和服役寿命。在此背景下,为使再制造工件熔覆层综合性能达到最佳,本文对激光熔覆过程工艺参数进行影响分析研究和多目标优化。在304不锈钢表面熔覆Ni60合金粉末,设计工艺参数单因素试验,研究工艺参数对于熔覆层宏观形貌和显微硬度影响;基于响应面法和试验设计法,设计中心复合试验,运用Design-expert软件分别建立激光功率、送粉量和扫描速度三个工艺参数对于熔覆层宽高比、稀释率和粉末收集率的回归预测模型,进行方差分析验证了模型的可靠性;利用摄动图和3D响应面分析工艺参数以及工艺参数之间交互作用对于各响应目标的影响,为后续的工艺参数多目标优化提供基础数据。基于综合加权法和层次分析法将熔覆层宽高比、稀释率和粉末收集率三个响应目标转化为综合目标,从而建立工艺参数多目标优化模型;在此基础上,分别使用响应面法和BP神经网络-遗传算法对综合目标进行工艺参数多目标优化,并进行验证实验,两种方法优化后的熔覆层稀释率控制在10%以下,宽高比均大于3... 

【文章来源】：中北大学山西省

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

再制造技术应用领域

工艺参数影响分析流程图

图 2.2 BP 神经网络结构图在图 2.2 中，nX ,X, X12表示输入变量，mY Y Y12, 表示 BP 神经网络预测输出值，ij 和jk 表示权值，整个 BP 神经网络相当于输入变量与响应指标的非线性映射。隐含层节点数对于 BP 神经网络非常重要，是造成“过拟合”现象的直接原因。目前仍然没有一种通用科学的方法供学者们确定隐含层节点数。隐含层节点数的确定可以考

【参考文献】：
期刊论文
[1]绿色增材再制造技术[J]. 朱胜,周超极,周克兵.  中国机械工程. 2018(21)
[2]中国智能再制造的现状与发展[J]. 徐滨士,夏丹,谭君洋,董世运.  中国表面工程. 2018(05)
[3]基于响应面的装备零件再制造激光熔覆工艺参数优化[J]. 许向川,温海骏,王俊元,苗苗.  真空科学与技术学报. 2018(07)
[4]新时代中国特色再制造的创新发展[J]. 徐滨士.  中国表面工程. 2018(01)
[5]工艺参数对304不锈钢表面激光熔覆Ni基合金涂层的组织、耐磨性及耐腐蚀性的影响[J]. 杨丹,宁玉恒,赵宇光,朱国斌,徐晓峰.  材料导报. 2017(24)
[6]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇.  计算机技术与发展. 2018(04)
[7]激光熔覆技术在结构修复上的应用现状[J]. 王浩,李天赐,张乐乐.  热加工工艺. 2017(22)
[8]化工过程的多目标优化问题[J]. 韩晓霞,程铭,刘树森,赵超凡,任军.  现代化工. 2017(11)
[9]基于Box-Behnken法的曲柄结构优化设计[J]. 陈洪武,田铖,彭聪聪.  机械强度. 2017(05)
[10]激光熔覆中工艺参数对形成层几何特征及硬度影响分析[J]. 沈毅鸿,张元良,李涛,王金龙.  大连理工大学学报. 2017(03)

博士论文
[1]激光熔覆再制造产品疲劳寿命评估方法研究[D]. 华亮.南京航空航天大学 2017
[2]不确定环境下再制造生产计划与车间调度集成优化研究[D]. 温海骏.合肥工业大学 2015
[3]汽车发动机再制造回收及影响因素分析研究[D]. 鹿红娟.天津大学 2011

硕士论文
[1]轻卡变速箱壳体静动态特性分析及多目标拓扑优化[D]. 孟凡龙.中北大学 2017
[2]基于BESO法的结构拓扑优化研究及应用[D]. 任高晖.哈尔滨工程大学 2016
[3]钛合金激光熔覆工艺与形貌预测研究[D]. 谢红梅.大连理工大学 2014
[4]智能计算在电动汽车行动力管理中的应用研究[D]. 冯智泉.上海交通大学 2013
[5]运动产品管理系统的设计与实现[D]. 陈榕.华东师范大学 2009
[6]高精度塑料齿轮项目中的工艺参数优化研究[D]. 郑亮.上海交通大学 2008
[7]基于人工神经网络的洪水预报与灾度评价研究[D]. 蔡清谊.合肥工业大学 2008



本文编号：3465431