高级检索

ISSN1001-3806CN51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

激光修锐砂轮工艺参量的预测和优化算法

周聪 张玲 陈根余 邓辉 蔡颂

引用本文:
Citation:

激光修锐砂轮工艺参量的预测和优化算法

    作者简介: 周聪(1979-),男,助理研究员,现主要从事激光烧蚀加工、激光焊接焊缝跟踪技术、激光加工制造过程中的信号检测与控制技术及其应用方面的研究。E-mail:hdgychen@163.com.
  • 基金项目:

    国家科技重大专项课题资助项目(2012ZX04003-101)

  • 中图分类号: TN249

Prediction and optimization algorithm of process parameters for laser dressing grinding wheels

  • CLC number: TN249

计量
  • 文章访问数:  3360
  • HTML全文浏览量:  759
  • PDF下载量:  477
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-21
  • 录用日期:  2014-05-04
  • 刊出日期:  2015-05-25

激光修锐砂轮工艺参量的预测和优化算法

    作者简介: 周聪(1979-),男,助理研究员,现主要从事激光烧蚀加工、激光焊接焊缝跟踪技术、激光加工制造过程中的信号检测与控制技术及其应用方面的研究。E-mail:hdgychen@163.com
  • 1. 湖南大学 激光研究所, 长沙 410082;
  • 2. 湖南大学 汽车车身先进设计制造国家重点实验室, 长沙 410082
基金项目:  国家科技重大专项课题资助项目(2012ZX04003-101)

摘要: 为了找到一种适用于激光修锐砂轮工艺参量预测和优化的方法,采用神经网络和粒子群算法,建立了激光修锐砂轮工艺参量优化模型。首先构建了工艺参量与工件表面粗糙度之间映射关系的神经网络模型,然后基于预测模型采用粒子群算法实现工艺参量优化,最后采用粒子群算法优化获取的5组工艺参量进行了激光修锐试验。结果表明,样本值与神经网络仿真输出值的相对误差小于3%,试验值与期望值的相对误差控制在6%以内。综合说明该优化模型具备良好的优化能力。

English Abstract

参考文献 (11)

目录

    /

    返回文章
    返回