基于遗传算法优化反向传播神经网络的激光铣削层质量预测

  本文关键词：基于遗传算法优化反向传播神经网络的激光铣削层质量预测，由笔耕文化传播整理发布。

摘要

为了有效地控制激光铣削层质量，建立了激光铣削层质量（铣削层深度、铣削层宽度）与铣削层参数（激光功率、扫描速度和离焦量）之间的反向传播(BP)神经网络预测模型。利用遗传算法(GA)优化了BP神经网络的权值和阈值，，构建了基于遗传算法神经网络的质量预测模型。用GA-BP算法对激光铣削层质量进行了仿真预测，并将仿真结果与BP神经网络模型仿真结果进行了对比。仿真结果表明，两种网络模型的平均误差较小，网络训练后检验精度较高，说明两种网络模型用于激光铣削层质量预测是可行的，并且遗传算法优化BP神经网络能够有效地提高网络的收敛性和预测精度。

关键词

Abstract

In order to control the quality of laser milling layer, back propagation (BP) neural network model of the milling laser quality including milling depth and width, and milling layer parameters including laser power, laser velocity and defocus amount is set up. The weight and threshold of the BP neural network is optimized by genetic algorithm (GA), and a quality prediciton model is constructed based on BP neural network. The quality of the laser milling layer is forecasted by the model of GA-BP neural network. The results from BP neural network are compared with that of GA-BP neural network. The results of simulation show that the errors of the two network models are smaller, and the test accuracy are higher. Therefore, the two network models can be used to predict the quality of the laser milling. It is also shown that both the astringent and prediction accuracies of the GA optimized BP neural network are improved.

补充资料

中图分类号：TN249

DOI：10.3788/cjl201340.0603004

所属栏目：激光制造

责任编辑：宋梅梅  信息反馈

基金项目：国家自然科学家（51075173）、江苏省自然科学基金（BK2010288）、江苏省高校自然科学重大基础理论研究（10KJA460004）和江苏高校优势学科建设工程资助课题。

收稿日期：2013-01-20

修改稿日期：2013-03-01

网络出版日期：--

作者单位    点击查看

许兆美：江苏大学机械工程学院, 江苏 镇江 221013淮阴工学院机械工程学院, 江苏 淮安 223003
周建忠：江苏大学机械工程学院, 江苏 镇江 221013
黄舒：江苏大学机械工程学院, 江苏 镇江 221013
孟宪凯：江苏大学机械工程学院, 江苏 镇江 221013
韩煜航：江苏大学机械工程学院, 江苏 镇江 221013
田清：江苏大学机械工程学院, 江苏 镇江 221013

联系人作者：许兆美(fuyun588@163.com)

备注：许兆美（1976—），女，博士研究生，讲师，主要从事激光加工脆性材料方面的研究。

【1】S. L. Campanelli, A. D. Ludovico, C. Bonserion. Experimental analysis of the laser milling process parameters［J］. J. Materials Processing Technology, 2007, 191(1-3): 220～223

【2】Zhu Yinbo, Zhou Jianzhong, Huang Shu et al.. Laser application in processing brittle materials [J]. Chinese J. Lasers, 2009, 36(s1): 143～146
朱银波, 周建忠, 黄舒 等. 激光在脆性材料加工中的应用［J］. 中国激光, 2009, 36(s1): 143～146

【3】Zhu Yinbo, Zhou Jianzhong, Huang Shu et al.. The application of 3D laser milling for ceramic materials [J]. Laser Journal, 2009, 30(6): 59～61
朱银波, 周建忠, 黄舒 等. 激光三维铣削在陶瓷成形加工中的应用研究 [J]. 激光杂志, 2009, 30(6): 59～61

【4】C. H. Tsai, H. W. Chen. Laser milling of cavity in ceramic substrate by fracturemachining element technique [J]. J. Mater. Processing Technology, 2003, 136(1-3): 158～165

【5】N. Dahotre, S. Harimkar. Laser Fabrication and Machining of Materials [M]. USA: Springer, 2008. 34～37

【6】Huang Shu, Zhou Jianzhong, Sheng Jie et al.. Numerical simulation and experiment on laser milling of Al2O3 ceramic［J］. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(7): 259～265
黄舒, 周建忠, 盛杰 等. Al2O3陶瓷激光铣削数值模拟与试验［J］. 农业机械学报, 2011, 42(7): 259～265

【7】I. E. Saklakoglu, S. Kasman. Investigation of micro-milling process parameters for surface roughness and milling depth [J]. Int. J. Adv. Manuf. Technol., 2011, 54(5-8): 567～578

【8】Wang Xuyue, Xu Wenji, Lei Mingkai et al.. An experimental study of laser milling based on deteriorative layer on Al2O3 ceramic [J]. J. Dalian University of Technolgy, 2009, 49(2): 211～215
王续跃, 徐文骥, 雷明凯 等. 基于变质层的Al2O3陶瓷激光铣削实验研究［J］. 大连理工大学学报, 2009, 49(2): 211～215

【9】J. P. Davim, C. Oliveira, N. Barricas et al.. Some experimental studies on CO2 laser cutting quality of polymeric materials [J]. J. Mater Process Technol., 2007, 198(1-3): 99～104

【10】Zhang Jixian, Mi Xia. BP Neural Networks and Its Use in the Engineering［M］. Beijing: China Machine Press, 1996. 68～71
张际先, 宓霞. 神经网络及其在工程中的应用［M］. 北京: 机械工业出版社, 1996. 68～71

【11】Yang Donghui, Ma Liang, Huang Weidong. Component′s surface quality predictions by laser rapid forming based on artificial neural networks［J］. Chinese J. Lasers, 2011, 38(8): 0803004
杨东辉, 马良, 黄卫东. 基于人工神经网络的激光立体成形件成形表面质量预测［J］. 中国激光, 2011, 38(8): 0803004

【12】S. L. Campanelli, G. Casalino, A. D. Ludovico et al.. An artificial neural network approach for the control of the laser milling process [J]. Int. J. Adv. Manuf. Technol., 2012, Doi 10.1007/s00170-012-4457-9

【13】C. K. Desai, A. Shaikh. Prediction of depth of cut for single-pass laser micro-milling process using semi-analytical, ANN and GP approaches [J]. Int. J. Adv. Manuf. Technol., 2012, 60(9-12): 865～882

【14】Xia Kewen, Li Changbiao, Shen Junyi. An optimization algorithm on the number of hidden layer modes in feed-forward neural network ［J］. Computer Science, 2005, 32(10): 143～145
夏克文, 李昌彪, 沈钧毅. 前向神经网络隐含层节点数的一种优化算法［J］. 计算机科学, 2005, 32(10): 143～145

【15】Xu Dapeng, Zhou Jianzhong, Guo Huafeng. Application for laser cladding forming using evolutionary neural networks［J］. Applied Laser, 2006, 26(5): 303～306
徐大鹏, 周建忠, 郭华锋. 进化神经网络在激光熔覆成形中的应用研究［J］. 应用激光, 2006, 36(5): 303～306

【16】Yan Pingfan, Zhang Changshui. Atrificial Neural Networks and Evolutionary Computing [M]. Beijing: Tsinghua University Press, 2005. 161～166
阎平凡, 张长水. 人工神经网络与模拟进化计算［M］. 北京: 清华大学出版社, 2005. 161～166

引用该论文

Xu Zhaomei,Zhou Jianzhong,Huang Shu,Meng Xiankai,Han Yuhang,Tian Qing. Quality Prediction of Laser Milling Based on Optimized Back Propagation Networks by Genetic Algorithms[J]. Chinese Journal of Lasers, 2013, 40(6): 0603004

许兆美,周建忠,黄舒,孟宪凯,韩煜航,田清. 基于遗传算法优化反向传播神经网络的激光铣削层质量预测[J]. 中国激光, 2013, 40(6): 0603004

被引情况

【1】王书涛,王兴龙,陈东营,魏蒙,王志芳. GA-BP神经网络在检测微量磷酸盐中的应用. 中国激光, 2015, 42(5): 515001--1

【2】王书涛,陈东营,魏蒙,王兴龙,王志芳,王佳亮. 荧光光谱法和PSO-BP神经网络在山梨酸钾浓度检测中的应用. 中国激光, 2015, 42(5): 515004--1

【3】王书涛,陈东营,王兴龙,韩欢欢,王佳亮. 荧光分析法和ABC-BP 神经网络相结合的多环芳烃的检测. 中国激光, 2015, 42(11): 1115001--1

【4】李欢欢,卢伟,杜昌文,马菲,罗慧. 基于光声光谱结合LS-SVR 的稻种活力快速无损检测方法研究. 中国激光, 2015, 42(11): 1115003--1

  本文关键词：基于遗传算法优化反向传播神经网络的激光铣削层质量预测，由笔耕文化传播整理发布。