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

doi:10.7510/jgjs.issn.1001-3806.2015.03.008

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

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

文章导航 > 激光技术 > 2015 > 39(3): 320-324

引用本文:

Citation:

激光修锐砂轮工艺参量的预测和优化算法

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

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

1.
Laser Research Institute, Hunan University, Changsha 410082, China;
2.
State Key Laboratory of Advanced Design and Manufacturer for Vehicle Body, Hunan University, Changsha 410082, China
CLC number: TN249

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。
- 激光技术 /
- 激光修锐 /
- 神经网络 /
- 粒子群算法 /
- 工艺参量优化
Abstract: In order to find a method of prediction and optimization of laser dressing grinding wheel, an optimization model of process parameters for laser dressing grinding wheels was established based on the neural network and particle swarm optimization. Firstly, the neural network model mapping the relationship between the process parameters and the specimen surface roughness was constructed . Then, the process parameters were optimized by means of the particle swarm optimization algorithm based on the predication model. Finally, laser dressing experiments were carried out based on 5 groups of parameters optimized by the particle swarm algorithm. Experimental results show that the relative error between the sample value and output value from neural network is less than 3% and the relative error between the test value and the expected value is lower than 6%. In conclusion, the model has good ability of optimization.
- laser technique /
- laser dressing /
- neural network /
- particle swarm algorithm /
- process parameters optimization

[1]	BABU N R, RADHAKRISHNAN V, MURTI Y V G S. Investigation on laser dressing of grinding wheelsPart Ⅰ: preliminary study [J]. Journal of Engineering for Industry, 1989,111(3): 244-252.
[2]	CHEN G Y, LI Z G, BU C, et al. The experiment studies of dressing of bronze-bonded diamond grinding wheels using a pulsed fiber laser [J]. Laser Technology, 2013, 37(4): 705-711(in Chinese).
[3]	MA H L, CHEN G Y, LIU L, et al. Truing and dressing super-abrasive wheels by acoustic-optic Q-switched YAG pulsed laser [J]. Journal of Hunan University (Natural Science Edition), 2004, 31(2): 56-59(in Chinese).
[4]	DOLDA C, TRANSCHEL R, RABIEYA B M, et al. A study on laser touch dressing of electroplated diamond wheels using pulsed picosecond laser sources [J]. Manufacturing Technology, 2011, 60(1): 363-366.
[5]	CHRISTIAN W, MOHAMMAD R, MAXIMILIAN W, et al. Dressing and truing of hybrid bonded CBN grinding tools using a short-pulsed fiber laser [J]. Manufacturing Technology, 2011, 60(1): 279-282.
[6]	CHEN G Y. The research on mechanism and technology for laser truing and dressing of bronze-bonded diamond grinding wheels by acoustic-optic Q-switched Nd:YAG pulsed laser [D]. Changsha: Hunan University, 2006: 28-34(in Chinese).
[7]	CHEN G Y, CHEN C, BU C, et al. Numerical simulation and experiment for online truing and dressing of bronze-bonded diamond grinding wheels with laser [J]. Laser Technology, 2012, 36(4): 433-437(in Chinese).
[8]	YIN C Q. Methods and applications of artificial intelligence [M]. Wuhan: Huazhong University of Science and Technology Press, 2007: 224-237(in Chinese).
[9]	HORNIK K, STINCHCOME M, WHITE H. Multilayer feed-forward networks are universal approximators[J]. Neural Networks, 1989, 2(5):359-366.
[10]	LEI D M, YAN X P. Intelligent multi-objective optimization algorithm and its application [M]. Beijing: Science Press, 2009: 78-80(in Chinese).
[11]	PAN F. Particle swarm optimizer and multi-object optimization[M]. Beijing: Beijing University of Technology Press, 2013: 9-14(in Chinese).

[1]	王晓蒙 , 王会峰 , 姚乃夫 . 基于粒子群算法的激光位移传感器参量优化. 激光技术, 2018, 42(2): 181-186. doi: 10.7510/jgjs.issn.1001-3806.2018.02.008
[2]	李静 , 刘会霞 , 谭文胜 , 孙跃东 , 申祥 , 王霄 . 聚苯乙烯与钛激光透射连接工艺研究. 激光技术, 2018, 42(6): 827-834. doi: 10.7510/jgjs.issn.1001-3806.2018.06.019
[3]	张隽漪 , 刘祖国 , 蒋志伟 , 金湘中 , 李俊豪 . LNG船用薄板Invar36激光搭接焊工艺参量优化. 激光技术, 2022, 46(2): 267-273. doi: 10.7510/jgjs.issn.1001-3806.2022.02.019
[4]	周昕宇 , 张隽漪 , 刘祖国 , 李俊豪 , 金湘中 , 郝中甲 , 陈挥扬 , 于晓飞 . 地铁车顶用SUS301L不锈钢激光焊接工艺参量优化. 激光技术, 2021, 45(5): 590-595. doi: 10.7510/jgjs.issn.1001-3806.2021.05.009
[5]	齐艺超 , 陈伟 , 穆春元 , 祝宁华 . 基于粒子群自整定PID算法的激光器温度控制系统. 激光技术, 2019, 43(5): 650-654. doi: 10.7510/jgjs.issn.1001-3806.2019.05.012
[6]	戴璨 , 王元庆 , 徐帆 . 基于粒子群算法的3维激光雷达回波分解. 激光技术, 2016, 40(2): 284-287. doi: 10.7510/jgjs.issn.1001-3806.2016.02.028
[7]	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.
[8]	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
[9]	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
[10]	陈根余 , 李宗根 , 邓辉 , 袁勃 , 陈俊 . 脉冲光纤激光修锐青铜金刚石砂轮试验研究. 激光技术, 2013, 37(6): 705-711. doi: 10.7510/jgjs.issn.1001-3806.2013.06.001
[11]	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.
[12]	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
[13]	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.
[14]	陈斯祺 , 张海洋 , 赵长明 , 张子龙 , 王文鑫 , 张明 . 基于天牛须改进粒子群算法的点云配准方法. 激光技术, 2020, 44(6): 678-683. doi: 10.7510/jgjs.issn.1001-3806.2020.06.005
[15]	杜立彬 , 高晓辉 , 夏进军 , 刘宏 . 一种新型激光三维扫描测量仪的研制. 激光技术, 2005, 29(4): 366-369.
[16]	郝晓剑 , 任龙 , 杨彦伟 , 孙永凯 . 煤中激光诱导击穿光谱的碳元素定量分析. 激光技术, 2020, 44(2): 232-236. doi: 10.7510/jgjs.issn.1001-3806.2020.02.017
[17]	莫长涛 , 陈长征 , 张黎丽 , 孙凤久 . 神经网络在光电位置坐标传感器中的应用. 激光技术, 2003, 27(6): 594-596.
[18]	王成亮 , 杨庆胜 , 李军 , 钟巍峰 , 陈志明 . 基于神经网络的光纤温度和应变快速解调方法. 激光技术, 2022, 46(2): 254-259. doi: 10.7510/jgjs.issn.1001-3806.2022.02.017
[19]	杨睿 , 杨瑞峰 , 郭晨霞 , 吴耀 . 双圈同轴型光纤传感器结构的优化与试验验证. 激光技术, 2019, 43(3): 324-328. doi: 10.7510/jgjs.issn.1001-3806.2019.03.007
[20]	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

点击查看大图

计量

文章访问数: 3001
HTML全文浏览量: 681
PDF下载量: 475
被引次数: 0

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

收稿日期: 2014-04-21
录用日期: 2014-05-04
网络出版日期: 2015-05-25

基金项目: 国家科技重大专项课题资助项目(2012ZX04003-101)

关键词:

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

全文HTML

参考文献 (11)

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

地址：成都市武侯区人民南路四段7号（成都238信箱）邮政编码：610041 电话：028-68011091/68011046 Email： jgjs@vip.163.com, jgjs@sina.com

本系统由北京仁和汇智信息技术有限公司开发技术支持： info@rhhz.net

留言板

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.

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

计量

出版历程

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

English Abstract

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

全文HTML

目录