基于BP 神经网络的20CrMo 钢

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。     

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。     

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。     

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。     

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。     

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。     

基于神经网络的宽带激光熔覆熔池特征参数预测

为了实现宽带激光熔覆熔池特征的准确预测,从 而对激光熔覆工艺过程进行实时监测、评价及反馈 控制。通过宽带激光熔覆全因素工艺试验采集熔池特征参数样本数据,采用遗传算法优化BP 神经网络的 初始权值和初始阈值,建立激光熔覆工艺参数(激光功率、粉末厚度、扫描速度)与熔池特 征参数之间的 BP神经网络预测模型。利用训练集数据对所建立的神经网络进行训练,形成输入与输出之间 的映射关系, 并利用测试集数据对网络进行测试。试验结果表明,宽带激光熔覆熔池特征参数神经网络预 测模型具有很 高的精度。该神经网络预测模型对激光熔覆过程监测及熔覆层质量控制具有重要意义。     

改进混沌搜索的AMPSO-BP激光铣削质量预测

为了更好地控制激光铣削的质量,建立了激光铣削质量和铣削层参数的神经网络模型。针对神经网络易陷入局部极小值的缺点,提出混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立了AMPSO-BP激光铣削质量预测模型。最后以某种材料的激光铣削质量预测为例,将文中所提算法与PSO-BP、BP神经网络预测结果相比,结果表明所提方法有很高预测精度且预测误差明显减小,在实际中有一定应用价值。     

飞秒激光环切加工不锈钢微孔工艺及其质量控制神经网络模型

利用飞秒激光微纳加工系统开展环切加工喷油器微孔的理论和实验研究。以06Cr19Ni10不锈钢为靶材,选取影响飞秒激光环切制孔过程的主要参数,基于L₂₅(55)的正交表设计了5因素5水平的正交实验,分析激光功率、重复频率、离焦量、扫描速度和扫描次数对微孔加工影响的显著性水平,探究微孔的成形演化规律以及各参数对微孔几何精度和形貌的影响,最终得到相对最优的参数水平组合为:激光功率 1.0 W,重复频率 9.0 kHz,离焦量200 μm,扫描速度1.0 mm/s,扫描次数40次;基于BP神经网络建立关于上述5个参数为输入,微孔出入口孔径为输出的映射模型,通过对正交实验数据的迭代训练以及验证,最终建立出相对误差保持在7.6%以内的神经网络预测模型。     

粒子群优化BP神经网络的激光铣削质量预测模型

为了有效地控制激光铣削层质量,建立了激光铣削层质量（铣削层宽度、铣削层深度）与铣削层参数（激光功率、扫描速度和离焦量）的BP神经网络预测模型。采用粒子群算法优化了BP神经网络的权值和阈值,构建了基于粒子群神经网络的质量预测模型。所提出的PSO-BP算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以Al2O3陶瓷激光铣削质量预测为例,进行算法实现。仿真结果表明:提出的PSO-BP算法迭代次数大大减少,且预测误差明显减少。所构建的质量预测模型具有较高的预测精度和实用价值。     

基于神经网络的粉末冶金材料激光焊接工艺优化

针对薄壁金刚石钻头的激光焊接应用,采用德国LSM240全自动激光焊接系统进行单面焊接试验,建立了粉末冶金材料激光焊接工艺优化的误差反向传播人工神经网络模型,应用该模型研究了激光焊接工艺参数对气孔率和焊缝强度等焊接质量因素的影响,并对薄壁金刚石钻头激光焊接进行了工艺参数优化处理,获得了无气孔缺陷的优质焊接接头。结果表明,气孔率同激光功率、焊接速度之间具有幂函数关系;焊缝强度同激光功率、焊接速度之间具有高斯函数关系。     

基于双激光视觉成像与BP算法的微小位移测量

针对现有单激光视觉微位移测量方法中利用的图像特征信息不丰富,导致测量结果不精确的问题,本文提出了一种直射与斜射结合的双激光微小位移测量方法,配合BP(Back Propagation)神经网络实现位移的高精度测量。论文采用透镜成像和小孔成像的原理对双激光模型进行理论分析,使用ZEMAX对测距模型进行数值模拟,以验证所提方法的理论可行性与优越性;其次,根据数值模拟结果设计并搭建实验平台进行图像采集实验,提取一系列图像特征作为BP网络的输入,以位移参数为输出,构建位移预测模型。实验结果表明,相比单激光模型,本文提出的双激光位移模型有更高的测量精度,引入BP神经网络后,测量准确度达到99以上。本文为微小位移高精度测量提供了新方法与新思路。