基于人工神经网络脉冲激光强化镀层形貌预测

张文博; 张群莉; 姚建华

doi:10.3969/j.issn.1001-3806.2010.02.009

基于人工神经网络脉冲激光强化镀层形貌预测

1.
浙江工业大学机械制造及自动化教育部重点实验室, 杭州, 310014;
2.
浙江工业大学激光加工技术工程研究中心, 杭州, 310014

作者简介: 张文博(1983- ),男,硕士研究生,主要从事激光表面改性方面的研究..

通讯作者: 姚建华, laser@zjut.edu.cn

基金项目:
浙江省自然科学基金资助项目(Y107489);浙江省教育厅科研资助项目(20070305);浙江省重中之重开放基金资助项目(AMT200506-002)
中图分类号: TG156.99;TP183

Prediction of the pattern of electroless deposit after pulse laser heating via artificial neural network

1.
MOE Key Laboratory of Mechanical Manufacture and Automation, Zhejiang University of Technology, Hangzhou 310014, China;
2.
Research Center of Laser Processing Technology and Engineering, Zhejiang University of Technology, Hangzhou 310014, China

Corresponding author: YAO Jian-hua, laser@zjut.edu.cn

CLC number: TG156.99;TP183

摘要: 为了探索脉冲激光强化镀层的规律,采用误差反向传播神经网络对脉冲激光参量与镀层形貌(强化层深度、宽度及熔化状态)之间的关系进行建模,并选取带动量的自适应学习率算法对网络进行改进,以增加网络稳定性,提高训练速度与精度。结果表明,该网络模型对激光处理后镀层形貌的预测值与实际值接近,其相对误差在±8.33%以内,可以有效地对激光强化镀层形貌进行预测。该方法为探索脉冲激光强化镀层的规律提供了一条新的途径。
- 激光技术 /
- 人工神经网络模型 /
- 脉冲激光强化 /
- 化学复合镀
Abstract: A model of the relationship between pulse-laser parameters and the pattern of electroless deposit composite coatings(taking into account hardened width,depth and melting state) with a back propagation neural network was constructed in order to explore the theoretical principles underlying pulse-laser reinforcement of plating coatings.The momentum-adaptive learning rate algorithm was selected to increase network stability,training speed and accuracy.The appearance of composite coating was effectively predicted with ±8.33% relative error.This method is a new way of exploring the theoretical principles of pulse-laser coating-reinforcement.
- laser technique /
- artificial neural network model /
- pulse laser hardening /
- electroless deposit

[1]	YAO J H,YE L W,LUO F,et al.Laser strengthening nano-composite plating Al2O3 coating[J].Chinese Journal of Lasers,2007,34(7):998-1003(in Chinese).
[2]	LI M X,HE Y Zh,SUN G X.Al2O3nano-crystalline/Ni-based alloy composite coatings produced by laser cladding[J].Chinese Journal of Lasers,2004,31(9):1149-1155(in Chinese).
[3]	SHAO H H,ZHOU M,CHEN G.Study on the laser treatment of electroless composite coatings[J].Applied Laser,2003,23(4):194-197(in Chinese).
[4]	LUO H.Application of artificial neural network in laser welding defect diagnosis[J].Journal of Materials Processing Technology,2005,170(1/2):403-411(in Chinese).
[5]	BARLETTA M,GISARIO A.An application of neural network solutions to laser assisted paint stripping process of hybrid epoxy-polyester coatings on aluminum substrates[J].Surface Coatings Technology,2006,200(24):6678-6689.
[6]	GODAVARTY A,AGARWAL A.Neural networks in studies on oxidation behavior of laser surface engineered composite boride coatings[J].Applied Surface Science,2000,161(1/2):131-138.
[7]	WANG X F,LÜ X D,CHEN G N,et al.Application of artificial neural network in laser sheet metal bending[J].Laser Technology,2005,29(3):244(in Chinese).
[8]	TANG J H,QIN Y X,ZHONG R T,et al.Optimizing laser welding parameters of powder metallurgical material based on artificial neural network[J].Laser Technology,2006,30(5):471-467(in Chinese).
[9]	ZHONG M,FU G Y.Study on the prediction model of the fatigue properties of the laser cladding coating under the repeat impact load with the use artificial neural network[J].Machinery Design Manufacture,2006(12):36-38(in Chinese).
[10]	LI Sh,ZENG X Y,HU Q W.Influence of processing parameter s on physical dimension and performance of Nd:YAG laser cladding layers[J].Thermal Processing Technology,2007,36(7):57-58(in Chinese).
[11]	HUANG Sh W,DONG M L.Application of adaptive variable step size BP network to evaluate water quality[J].Journal of Hydraulic Engineering,2002(10):119-123(in Chinese).
[12]	DONG Ch H.Application of neural network with Matlab[M].2nd ed.Beijing:National Defense Industry Press,2007:72-75(in Chinese).
[13]	XUE Y M,LIU H Zh.Inverse kinematics for robot based on BP network and orthogonal design experimentation[J].Journal of Applied Sciences-Electronics and Information Engineering,2008,26(2):216-220(in Chinese).
[14]	SHI Zh D,LIU G Q.Experimental data processing and curve fitting techniques[M].Harbin:Harbin Institute of Marine Engineering Press,1991:64(in Chinese).

[1]	夏桂芬 , 赵保军 , 韩月秋 . 基于神经网络的远程激光测距机混沌弱信号检测. 激光技术, 2006, 30(5): 449-451.
[2]	黄威威 , 游德勇 , 高向东 , 张艳喜 , 黄宇辉 . 基于相关分析和神经网络的激光焊接稳态识别. 激光技术, 2022, 46(3): 312-319. doi: 10.7510/jgjs.issn.1001-3806.2022.03.004
[3]	徐大鹏 , 周建忠 , 郭华锋 , 季霞 . 基于进化神经网络的激光熔覆层质量预测. 激光技术, 2007, 31(5): 511-514.
[4]	颜鑫 , 应恺宁 , 戴鹭楠 , 谭钧夫 , 沈中华 , 倪辰荫 . 基于物理信息神经网络的激光超声波场研究. 激光技术, 2024, 48(1): 105-113. doi: 10.7510/jgjs.issn.1001-3806.2024.01.017
[5]	王大承 . 人工神经网络在激光表面强化控制上的应用. 激光技术, 2003, 27(4): 317-320.
[6]	王秀凤 , 吕晓东 , 陈光南 , 胡世光 . 人工神经网络技术在板料激光弯曲中的应用. 激光技术, 2005, 29(3): 244-247.
[7]	刘福兴 , 倪翠妍 , 廖运炫 . 利用激光固化技术制作硬骨骼支架模型. 激光技术, 2010, 34(6): 761-765. doi: 10.3969/j.issn.1001-3806.2010.06.012
[8]	郭华锋 , 李菊丽 , 孙涛 . 基于BP神经网络的光纤激光切割切口粗糙度预测. 激光技术, 2014, 38(6): 798-803. doi: 10.7510/jgjs.issn.1001-3806.2014.06.016
[9]	姜雨佳 , 张朝阳 , 黄磊 , 聂昕 , 刘皋 . 激光热力强化电化学沉积试验研究. 激光技术, 2016, 40(5): 660-664. doi: 10.7510/jgjs.issn.1001-3806.2016.05.009
[10]	崔开放 , 钟良 , 龚伟 , 代竟雄 . 陶瓷表面激光无钯活化及其化学镀镍. 激光技术, 2018, 42(5): 622-626. doi: 10.7510/jgjs.issn.1001-3806.2018.05.008
[11]	童卫红 , 江东 , 周鼎富 , 杨泽后 , 陈涌 , 孙鹏 , 陈云亮 , 陈亦庆 . 化学气体CO2差分吸收激光雷达告警技术的研究. 激光技术, 2007, 31(5): 479-482.
[12]	黄河 , 朱晓 , 朱长虹 , 朱广志 , 李跃松 , 张沛 , 万承华 . 激光化学气相沉积技术在掩模版修复中的应用. 激光技术, 2007, 31(3): 330-332.
[13]	罗振坤 , 王秋华 , 高光煌 , 孙嵘 , 陈宗礼 , 张桂素 . 激光辐射多功能集成防护镜光学特性与复合技术. 激光技术, 2011, 35(4): 486-491. doi: 10.3969/j.issn.1001-3806.2011.04.012
[14]	王金来 , 於自岚 , 高传玉 , 吉选芒 , 安毓英 , 曾丹勇 , 刘劲松 , 杨继昌 , 张永康 . 激光冲击区表面质量的人工神经网络研究. 激光技术, 2001, 25(1): 1-6.
[15]	毛卫平 , 丁伟 , 张朝阳 , 曾永彬 , 秦昌亮 . 激光电化学复合加工的冲击空化检测及试验. 激光技术, 2014, 38(6): 753-758. doi: 10.7510/jgjs.issn.1001-3806.2014.06.007
[16]	丁瑞堂 , 孙树峰 , 刘庆玉 , 邵晶 . 激光化学复合抛光工艺参量对304不锈钢性能的影响. 激光技术, 2019, 43(3): 295-300. doi: 10.7510/jgjs.issn.1001-3806.2019.03.002
[17]	郭亮 , 王方 , 张庆茂 , 邓时累 , 张健 . 激光-MIG复合焊接304不锈钢工艺研究. 激光技术, 2013, 37(6): 781-785. doi: 10.7510/jgjs.issn.1001-3806.2013.06.017
[18]	赵兴海 , 高杨 , 程永生 . 激光点火技术综述. 激光技术, 2007, 31(3): 306-310,313.
[19]	胡增荣 , 童国权 , 陈长军 , 郭华锋 , 周亮 , 徐家乐 . 激光纳米表面工程技术. 激光技术, 2014, 38(6): 764-770. doi: 10.7510/jgjs.issn.1001-3806.2014.06.009
[20]	李洪敏 , 左军卫 , 徐健 , 徐一汀 , 彭钦军 , 许祖彦 . 脉冲激光的非相干合成技术研究. 激光技术, 2015, 39(2): 237-241. doi: 10.7510/jgjs.issn.1001-3806.2015.02.020

点击查看大图

计量

文章访问数: 4144
HTML全文浏览量: 711
PDF下载量: 286
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

基于人工神经网络脉冲激光强化镀层形貌预测

作者简介: 张文博(1983- ),男,硕士研究生,主要从事激光表面改性方面的研究..

通讯作者: 姚建华, laser@zjut.edu.cn

Prediction of the pattern of electroless deposit after pulse laser heating via artificial neural network

Corresponding author: YAO Jian-hua, laser@zjut.edu.cn

计量

基于人工神经网络脉冲激光强化镀层形貌预测

通讯作者: 姚建华, laser@zjut.edu.cn

作者简介: 张文博(1983- ),男,硕士研究生,主要从事激光表面改性方面的研究.

English Abstract

Prediction of the pattern of electroless deposit after pulse laser heating via artificial neural network

Corresponding author: YAO Jian-hua, laser@zjut.edu.cn

全文HTML

目录

留言板

基于人工神经网络脉冲激光强化镀层形貌预测

作者简介: 张文博(1983- ),男,硕士研究生,主要从事激光表面改性方面的研究..

通讯作者: 姚建华, laser@zjut.edu.cn

Prediction of the pattern of electroless deposit after pulse laser heating via artificial neural network

Corresponding author: YAO Jian-hua, laser@zjut.edu.cn

计量

出版历程

基于人工神经网络脉冲激光强化镀层形貌预测

通讯作者: 姚建华, laser@zjut.edu.cn

作者简介: 张文博(1983- ),男,硕士研究生,主要从事激光表面改性方面的研究.

English Abstract

Prediction of the pattern of electroless deposit after pulse laser heating via artificial neural network

Corresponding author: YAO Jian-hua, laser@zjut.edu.cn

全文HTML

目录