人工神经网络在激光表面强化控制上的应用

王大承

高级检索

ISSN 1001-3806CN 51-1125/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

人工神经网络在激光表面强化控制上的应用

王大承

文章导航 > 激光技术 > 2003 > 27(4): 317-320

引用本文:

Citation:

人工神经网络在激光表面强化控制上的应用

王大承

1.
五邑大学, 江门, 529020

作者简介: 王大承,男,1949年3月出生.副教授,硕士.从事激光加工方面的研究..

基金项目:
广东省高教厅基金资助项目
中图分类号: TN249;TN132.47

Controlling laser surface strengthening process based on artificial neural network

Wang Da-cheng

1.
Wuyi University, Jiangmen, 529020
CLC number: TN249;TN132.47

摘要: 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。
- 人工神经网络 /
- 激光处理 /
- 表面强化分类 /
- 控制
Abstract: Experiments show that metal surface properties may produce four results through laser strengthening treatment,i.e.non-transformation hardening,transformation hardening,shallow melt and melt.After analysis,the relationships between the four classifications and laser processing parameters,such as laser power,laser processing beam diameter,laser scanning velocity,have been established based on artificial neural network.HT300 experiments show that laser processing parameters can be chosen conveniently and material surface quality can be controlled effectively.
- artificial neural network(ANN) /
- laser strengthening treatment /
- surface strengthening classification /
- control

[1]	关振中.激光加工工艺手册.北京:中国计量出版社,1998:211～231.
[2]	王大承,史晓强,张永康 et al.电加工与模具,2001(2):9～13.
[3]	李俊昌.激光热处理优化控制研究.北京:冶金工业出版社,1995:13～45.
[4]	Mazumder J,Steen W M.Appl Phys,1980,51(2):941～947.
[5]	Basu B,Date A W.Heat Mass Transfer,1990,33(6):1149～1163.
[6]	徐佐仁,许国桢.上海交通大学学报,1991(2):57～64.
[7]	李俊昌,谢瓦利埃 R,兰热 J M.中国激光,1997(7):665～672.
[8]	虞钢,安永强,胡幼娟.中国激光,2000(10):934～936.
[9]	吴钢,石娟,戴忠森.应用激光,1999(3):112～114.
[10]	Chan C H.Metallurgical Transactions A,1984,15:719～728.
[11]	Mazumder J.Journal of Metals,1983,35(5):18～26.
[12]	陈君才,曹建春.昆明理工大学学报,1997(4):27～32.
[13]	刘江龙,邹至荣,苏宝女容.高能束热处理.北京:机械工业出版社,1997:88～215.
[14]	王大承.金属热处理,2001(11):23～25.
[15]	张际先,宓霞.神经网络及其在工程中的应用.北京:机械工业出版社,1996:68～120.
[16]	闻新,周霞,王丹力 et al.MATLAB神经网络应用设计.北京:科学出版社,2000:88～266.
[17]	王大承.应用激光,2001(6):403～406.
[18]	王大承.激光技术,2002(6):474～477.

[1]	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.
[2]	唐霞辉 , 秦应雄 , 钟如涛 , 周金鑫 , 李正佳 . 基于神经网络的粉末冶金材料激光焊接工艺优化. 激光技术, 2006, 30(5): 471-475.
[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]	岳云 , 张占领 , 张柯柯 , 马宁 , 石红信 . 激光表面处理1.6%C超高碳钢的组织与性能. 激光技术, 2010, 34(4): 514-516. doi: 10.3969/j.issn.1001-3806.2010.04.022
[5]	陈根余 , 陈建明 , 梅丽芳 , 王祖建 . 汽车白车身激光焊接生产线单元设计及分析. 激光技术, 2011, 35(1): 7-10. doi: 10.3969/j.issn.1001-3806.2011.01.003
[6]	陶华锋 , 杨忠孝 , 宁永功 , 屠晶景 , 徐洪艳 . 激光处理GaN薄膜的研究. 激光技术, 2005, 29(6): 652-653,656.
[7]	黄勇 . 低碳钢表层镀铬激光处理后组织及抗磨特性. 激光技术, 1994, 18(2): 114-118.
[8]	胡金锁 , 李治源 , 万华 , 王莹 . 一种激光复合处理工艺的可行性分析. 激光技术, 2002, 26(6): 446-449.
[9]	杨怀江 , 沈柯 , 翁兆恒 , 周立伟 . 光学混沌之周期窗口控制技术. 激光技术, 1996, 20(5): 281-284.
[10]	张文博 , 张群莉 , 姚建华 . 基于人工神经网络脉冲激光强化镀层形貌预测. 激光技术, 2010, 34(2): 173-177. doi: 10.3969/j.issn.1001-3806.2010.02.009
[11]	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.
[12]	李忠科 , 秦永元 . PSD器件自动化标定与非线性修正技术研究. 激光技术, 2004, 28(4): 370-372,416.
[13]	张从鹏 , 马岩 , 毛潭 , 熊国顺 . 面向计算机显微视觉系统的白细胞识别. 激光技术, 2020, 44(1): 125-129. doi: 10.7510/jgjs.issn.1001-3806.2020.01.022
[14]	刘世涛 , 曹阳 , 彭小峰 , 张勋 . 机载激光通信的模糊神经网络PID视轴稳定控制. 激光技术, 2017, 41(4): 606-610. doi: 10.7510/jgjs.issn.1001-3806.2017.04.030
[15]	关世豪 , 杨桄 , 李豪 , 付严宇 . 3维卷积递归神经网络的高光谱图像分类方法. 激光技术, 2020, 44(4): 485-491. doi: 10.7510/jgjs.issn.1001-3806.2020.04.015
[16]	刘翠连 , 陶于祥 , 罗小波 , 李青妍 . 混合卷积神经网络的高光谱图像分类方法. 激光技术, 2022, 46(3): 355-361. doi: 10.7510/jgjs.issn.1001-3806.2022.03.009
[17]	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.
[18]	于有生 , 李文杰 , 陈俐 . 神经网络在脉冲激光焊焊缝建模中的应用. 激光技术, 2004, 28(6): 585-587,590.
[19]	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
[20]	葛一凡 , 陆旭 , 刘玉柱 . 基于激光诱导击穿光谱和神经网络的蛋壳研究. 激光技术, 2022, 46(4): 532-537. doi: 10.7510/jgjs.issn.1001-3806.2022.04.015

点击查看大图

计量

文章访问数: 2667
HTML全文浏览量: 633
PDF下载量: 301
被引次数: 0

人工神经网络在激光表面强化控制上的应用

王大承

作者简介: 王大承,男,1949年3月出生.副教授,硕士.从事激光加工方面的研究.

1. 五邑大学, 江门, 529020

收稿日期: 2002-11-17
录用日期: 2003-03-18
网络出版日期: 2003-07-25

基金项目: 广东省高教厅基金资助项目

关键词:

摘要: 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。