基于BP神经网络的激光弯曲成形工艺参数优化
发布时间：2021-08-20 01:03
利用MATLAB软件构建了用于预测激光弯曲成形过程中激光扫描速度和激光功率的3层BP神经网络,其中,输入层、隐含层和输出层节点数分别为2、12和1。将实验获得的15组样本数据进行归一化处理后对所构建的BP神经网络进行训练和验证,并将扫描速度的预测误差控制在8%以下,激光功率的预测误差控制在6%以下。利用训练后的BP神经网络对获得0.1°～0.5°板材弯曲角所需的激光扫描速度和激光功率进行预测,得到30组工况下的预测数据。计算每种工况下的线能量大小并进行比较,以最小线能量原则筛选出获得每种板材弯曲角所需的最佳工艺参数组合。
【文章来源】：塑性工程学报. 2020,27(08)北大核心CSCD
【文章页数】：6 页
【部分图文】：
激光弯曲成形实验示意图
为了获得用于训练BP神经网络的样本数据，分别采用3种不同的激光功率(160、220和280 W)和5种扫描速度(10、15、20、25和30 mm·s-1)自由组合进行激光弯曲成形实验，并将实验后的板材室温自然冷却，之后测量板材沿激光扫描线方向的弯曲角，共得到15组数据，如表1所示。实验中，为了得到较准确的实验数据，针对每组实验参数进行5次重复实验，将板材的平均弯曲角作为最终弯曲角数据。激光弯曲成形实验试件如图2所示。1.2 实验数据的处理
BP神经网络构建的基本思想是利用梯度下降法使网络的实际输出值和期望输出值的误差均方差达到最小。它包括信号的前向传播和误差的反向传播两个过程，即计算误差输出时按从输入到输出的方向进行，而权值和阈值的调整则按从输出到输入的方向进行。BP神经网络模型的基本结构通常包括3层:输入层、隐含层和输出层。层与层之间的神经元利用权相互连接，而同一层的各神经元之间无连接[12]，如图3所示。其中，xi和yi分别为输入变量和输出变量。由于板材的激光弯曲角主要受激光功率和激光扫描速度的影响，因此，本文将在给定板材弯曲角和激光功率下，对扫描速度进行预测，或在给定板材弯曲角和扫描速度下，对激光功率进行预测。因此，所构建BP神经网络的输入层节点数确定为2，输出层节点数确定为1。网络隐含层节点数M可根据经验公式(式(3))估算得到[8]:
【参考文献】：
期刊论文
[1]基于BP神经网络的奥贝球铁的热处理工艺优化[J]. 邹伟,王荣吉,张立强,俞杰,童希. 热加工工艺. 2020(06)
[2]板材几何尺寸对激光弯曲成形角的影响[J]. 董文彬,张雅晶,张华,陈丰. 塑性工程学报. 2019(06)
[3]双相高强钢板的激光弯曲成形数值模拟[J]. 张雅晶,董文彬,张华,夏显明,陈丰. 塑性工程学报. 2019(03)
[4]新能源车悬架U形纵臂成形缺陷分析与工艺参数优化[J]. 刘斌,曾艳. 锻压技术. 2019(02)
[5]大型厚壁管热挤压成形工艺参数优化[J]. 李琚陈. 锻压技术. 2018(01)
[6]BP神经网络在铝合金板材激光弯曲成形中的应用[J]. 李金华,苏智超,姚芳萍,张建李. 热加工工艺. 2017(01)
[7]激光弯曲工艺参数对铝合金板材弯曲角度的影响[J]. 李金华,苏智超,姚芳萍,张建李. 热加工工艺. 2016(21)
[8]Heat-treated microstructure and mechanical properties of laser solid forming Ti-6Al-4V alloy[J]. ZHANG Shuangyin, LIN Xin, CHEN Jing, and HUANG Weidong School of Materials Science and Engineering, State Key Laboratory of Solidification Processing, Northwestern Polytechnical University, Xi’an 710072, China. Rare Metals. 2009(06)
[9]人工神经网络技术在板料激光弯曲中的应用[J]. 王秀凤,吕晓东,陈光南,胡世光. 激光技术. 2005(03)
[10]材料性能参数与板料激光弯曲成形角度的相关性研究[J]. 管延锦,孙胜,赵国群,栾贻国. 中国激光. 2004(04)
硕士论文
[1]基于BP神经网络的点焊接头疲劳寿命预测研究[D]. 杨轶宁.昆明理工大学 2016
本文编号：3352495
【文章来源】：塑性工程学报. 2020,27(08)北大核心CSCD
【文章页数】：6 页
【部分图文】：
激光弯曲成形实验示意图
为了获得用于训练BP神经网络的样本数据，分别采用3种不同的激光功率(160、220和280 W)和5种扫描速度(10、15、20、25和30 mm·s-1)自由组合进行激光弯曲成形实验，并将实验后的板材室温自然冷却，之后测量板材沿激光扫描线方向的弯曲角，共得到15组数据，如表1所示。实验中，为了得到较准确的实验数据，针对每组实验参数进行5次重复实验，将板材的平均弯曲角作为最终弯曲角数据。激光弯曲成形实验试件如图2所示。1.2 实验数据的处理
BP神经网络构建的基本思想是利用梯度下降法使网络的实际输出值和期望输出值的误差均方差达到最小。它包括信号的前向传播和误差的反向传播两个过程，即计算误差输出时按从输入到输出的方向进行，而权值和阈值的调整则按从输出到输入的方向进行。BP神经网络模型的基本结构通常包括3层:输入层、隐含层和输出层。层与层之间的神经元利用权相互连接，而同一层的各神经元之间无连接[12]，如图3所示。其中，xi和yi分别为输入变量和输出变量。由于板材的激光弯曲角主要受激光功率和激光扫描速度的影响，因此，本文将在给定板材弯曲角和激光功率下，对扫描速度进行预测，或在给定板材弯曲角和扫描速度下，对激光功率进行预测。因此，所构建BP神经网络的输入层节点数确定为2，输出层节点数确定为1。网络隐含层节点数M可根据经验公式(式(3))估算得到[8]:
【参考文献】：
期刊论文
[1]基于BP神经网络的奥贝球铁的热处理工艺优化[J]. 邹伟,王荣吉,张立强,俞杰,童希. 热加工工艺. 2020(06)
[2]板材几何尺寸对激光弯曲成形角的影响[J]. 董文彬,张雅晶,张华,陈丰. 塑性工程学报. 2019(06)
[3]双相高强钢板的激光弯曲成形数值模拟[J]. 张雅晶,董文彬,张华,夏显明,陈丰. 塑性工程学报. 2019(03)
[4]新能源车悬架U形纵臂成形缺陷分析与工艺参数优化[J]. 刘斌,曾艳. 锻压技术. 2019(02)
[5]大型厚壁管热挤压成形工艺参数优化[J]. 李琚陈. 锻压技术. 2018(01)
[6]BP神经网络在铝合金板材激光弯曲成形中的应用[J]. 李金华,苏智超,姚芳萍,张建李. 热加工工艺. 2017(01)
[7]激光弯曲工艺参数对铝合金板材弯曲角度的影响[J]. 李金华,苏智超,姚芳萍,张建李. 热加工工艺. 2016(21)
[8]Heat-treated microstructure and mechanical properties of laser solid forming Ti-6Al-4V alloy[J]. ZHANG Shuangyin, LIN Xin, CHEN Jing, and HUANG Weidong School of Materials Science and Engineering, State Key Laboratory of Solidification Processing, Northwestern Polytechnical University, Xi’an 710072, China. Rare Metals. 2009(06)
[9]人工神经网络技术在板料激光弯曲中的应用[J]. 王秀凤,吕晓东,陈光南,胡世光. 激光技术. 2005(03)
[10]材料性能参数与板料激光弯曲成形角度的相关性研究[J]. 管延锦,孙胜,赵国群,栾贻国. 中国激光. 2004(04)
硕士论文
[1]基于BP神经网络的点焊接头疲劳寿命预测研究[D]. 杨轶宁.昆明理工大学 2016
本文编号：3352495
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/3352495.html
教材专著
