基于神经网络和遗传算法的激光多层熔覆厚纳米陶瓷涂层工艺优化

发布时间：2020-12-09 22:03

　　将反馈型（BP）神经网络和遗传算法（GA）相结合用于激光多层熔覆厚纳米Al2O3-13%TiO2（质量分数）陶瓷涂层的工艺参数优化,根据3因素3水平正交试验结果对神经网络模型结构进行训练,建立了熔覆工艺参数（熔池闭环控制温度、超声振动频率及保温箱预热温度）与涂层性能（结合强度和显微硬度）之间的遗传神经网络预测模型。在此基础上,采用遗传算法对纳米陶瓷涂层结合强度和显微硬度进行了单目标和多目标参数优化。结果表明,遗传神经网络模型预测值与试验值误差较小,相对误差不超过2.5%。遗传算法优化的涂层最大结合强度和显微硬度分别为70.7MPa和2025.5HV;在结合强度和显微硬度两者权重相同的情况下,当熔池闭环控制温度为2472.0℃、超声振动频率为31.9kHz和保温箱预热温度为400℃时涂层综合性能最优,对应的结合强度和显微硬度分别为69.1MPa和1835.5HV。 

【文章来源】：中国激光. 2013年09期 第62-70页 北大核心

【文章页数】：9 页

【文章目录】：
1 引言
2 试验
    2.1 试验材料
    2.2 涂层制备工艺和设备
3 激光多层熔覆工艺参数优化方法
4 遗传神经网络模型的建立
    4.1 BP神经网络的结构设计
    4.2 BP神经网络训练
    4.3 BP神经网络遗传优化
    4.4 模型的验证
5 基于遗传算法的工艺参数优化
    5.1 涂层性能单目标工艺优化
    5.2 涂层综合性能多目标工艺优化
6 结论


【参考文献】：
期刊论文
[1]基于遗传算法-响应曲面方法的激光透射焊接聚碳酸酯工艺的多目标优化[J]. 王霄,张成,王凯,李品,高阳阳,胡杨,刘会霞.  中国激光. 2012(06)
[2]激光多层熔覆制备厚陶瓷涂层[J]. 王东生,田宗军,王泾文,段宗银,沈理达,黄因慧.  焊接学报. 2012(05)
[3]脉冲激光焊接钛合金薄板的熔池深度预测[J]. 张健,杨锐.  中国激光. 2012(03)
[4]激光多层熔覆纳米陶瓷层工艺参数优化[J]. 王东生,田宗军,张少伍,屈光,沈理达,黄因慧.  材料保护. 2012(02)
[5]压片预置式激光多层熔覆厚纳米陶瓷涂层结合性能[J]. 王东生,田宗军,段宗银,王泾文,沈理达,黄因慧.  中国激光. 2012(02)
[6]钛合金激光熔覆硬质颗粒增强金属间化合物复合涂层耐磨性[J]. 冯淑容,张述泉,王华明.  中国激光. 2012(02)
[7]基于响应曲面和遗传算法-人工神经元网络的热塑性塑料激光透射连接强度的优化[J]. 张成,王霄,王凯,张虎,刘江,蒋涛,刘会霞.  中国激光. 2011(11)
[8]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]. 杨东辉,马良,黄卫东.  中国激光. 2011(08)
[9]基于神经网络和粒子群算法的激光熔覆工艺优化[J]. 倪立斌,刘继常,伍耀庭,鄢锉.  中国激光. 2011(02)
[10]激光多层熔覆技术的研究现状及发展[J]. 吴培桂,张光钧.  上海工程技术大学学报. 2009(04)



本文编号：2907548