激光冲击区表面质量的人工神经网络研究

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

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

激光冲击区表面质量的人工神经网络研究

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

文章导航 > 激光技术 > 2001 > 25(1): 1-6

引用本文:

Citation:

激光冲击区表面质量的人工神经网络研究

1.
山西运城高等专科学校物理系, 运城, 044000;
2.
西安电子科技大学技术物理系,西安, 710071
3.
江苏理工大学机械工程学院, 镇江, 212013

作者简介: 王金来,男,1957年4月出生.副教授.现从事光折变非线性光学的研究工作.;於自岚,男,1968年9月出生.硕士.主要从事金属材料激光冲击强化技术研究..

基金项目:
江苏省应用基金;国家教委博士点基金资助

Study of the surface qualities of laser shock-processing zones using an artificial neural network

1.
Department of Physics, Yunceng Advanced Training College, Yuncheng, 044000;
2.
Department of Applied Physics, Xidian University, Xi'an, 710071
3.
College of Mechanical Engineering, Jiangsu University of Science and Technolohy, Zhenjiang, 212013

摘要: 大量的实验表明,经激光冲击处理后,材料受冲击区的表面质量与材料的疲劳寿命有着明显的关系。因此,表面质量是判断激光冲击强化效果的重要手段。将人工神经网络技术用于激光冲击处理后试件的表面质量分析,建立了激光参数与激光冲击处理后试件的表面质量之间的联系,并用其实现了对冲击处理后的试件表面质量的预测。研究及实验表明,该方法不仅具有准确及稳定性好等特点,而且这种预测能力在实际应用中还具有不断提高的智能特性。
- 激光冲击处理 /
- 表面质量 /
- 神经网络
Abstract: A lot of experiments have shown that there is an obvious relation between surface qualities of specimen after laser shock-processing(LSP) and its fatigue life.Consequently,the LSP effects can be evaluated by surface qualities in LSP areas.In this paper,an artificial neural network(ANN) is utilized to study the surface qualities of specimen after LSP.Based on the data obtained in the experiment,an ANN is established.The trained ANN could acquire the relations between surface qualities and laser parmeters.From the verification of aluminium alloy 2024-T62,it is proved that the neural network can successfully predict the surface quality grades of specimen after LSP,and easily determine the laser parameters under different production conditions.The research and experimental results show that the ANN has not only the accuracy and good stability,but also the intelligent improving control ability during process.
- laser shock-processing(LSP) /
- surface qualities /
- neural network

[1]	Fairand B P,Wilcox B A,Gallagher W J et al.JAP,1972; 43(9)
[2]	张永康,张淑仪,吴鸿兴et al.中国科学(E辑),1997;27(1):28～34
[3]	张永康.激光冲击强化提高航空材料疲劳寿命的研究.南京航空航天大学博士学位论文,1995
[4]	张永康.中国激光,1997;A24:467～471
[5]	张宏.抗疲劳断裂激光冲击处理技术的研究.南京航空航天大学博士学位论文,1997
[6]	Fairand B P,Clauer A H.SPIE,1976;86
[7]	Zhang Y K,Zhang Sh Y,Yang J Ch et al.Surface and Coatings Technology,1997;92:104～109
[8]	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

[1]	鄢锉 , 李力钧 , 李娟 , 谢小柱 , 张屹 . 激光切割板材表面质量研究综述. 激光技术, 2005, 29(3): 270-274.
[2]	谢小柱 , 魏昕 , 胡伟 . CO2激光切割模切板的表面质量. 激光技术, 2009, 33(1): 71-73.
[3]	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.
[4]	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.
[5]	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
[6]	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
[7]	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
[8]	薄纪康 , 张海英 . 液压碳石墨密封环激光辅助车削的加工性能研究. 激光技术, 2012, 36(1): 33-36. doi: 10.3969/j.issn.1001-3806.2012.01.010
[9]	邹世坤 , 王健 , 王华明 , 韩海军 , 王春生 . 激光冲击处理金属板材后的裂纹扩展速率. 激光技术, 2002, 26(3): 189-191.
[10]	杨兴华 , 汤小东 , 薛茂权 . 激光冲击处理对柴油机曲轴圆角残余应力影响. 激光技术, 2010, 34(5): 596-599. doi: 10.3969/j.issn.1001-3806.2010.O5.006
[11]	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.
[12]	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
[13]	任乃飞 , 高传玉 . 碳钢的激光冲击强化研究. 激光技术, 2000, 24(2): 65-68.
[14]	任乃飞 , 杨继昌 , 蔡兰 , 张永康 . 激光冲击对金属材料机械性能的影响. 激光技术, 1998, 22(4): 235-238.
[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]	周聪 , 张玲 , 陈根余 , 邓辉 , 蔡颂 . 激光修锐砂轮工艺参量的预测和优化算法. 激光技术, 2015, 39(3): 320-324. doi: 10.7510/jgjs.issn.1001-3806.2015.03.008
[17]	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
[18]	黄佳成 , 陈根余 , 周伟 , 朱毅 , 王昊 . 激光修整青铜金刚石砂轮预测模型与优化研究. 激光技术, 2024, 48(3): 405-410. doi: 10.7510/jgjs.issn.1001-3806.2024.03.016
[19]	麻金继 , 李健 , 宋姚 . 利用MoDIS图像同时反演水色三要素的方法研究. 激光技术, 2011, 35(5): 639-643. doi: 10.3969/j.issn.1001-3806.2011.05.018
[20]	张连顺 , 张晓晖 , 王章祯 . 由漫射图像测量生物组织的光学特性. 激光技术, 2011, 35(5): 675-677. doi: 10.3969/j.issn.1001-3806.2011.05.027

点击查看大图

计量

文章访问数: 2774
HTML全文浏览量: 583
PDF下载量: 430
被引次数: 0

激光冲击区表面质量的人工神经网络研究

作者简介: 王金来,男,1957年4月出生.副教授.现从事光折变非线性光学的研究工作.;於自岚,男,1968年9月出生.硕士.主要从事金属材料激光冲击强化技术研究.

1. 山西运城高等专科学校物理系, 运城, 044000;
2. 西安电子科技大学技术物理系,西安, 710071
3. 江苏理工大学机械工程学院, 镇江, 212013

收稿日期: 1999-11-01
录用日期: 2000-05-06
网络出版日期: 2001-01-25

基金项目: 江苏省应用基金;国家教委博士点基金资助

关键词:

摘要: 大量的实验表明,经激光冲击处理后,材料受冲击区的表面质量与材料的疲劳寿命有着明显的关系。因此,表面质量是判断激光冲击强化效果的重要手段。将人工神经网络技术用于激光冲击处理后试件的表面质量分析,建立了激光参数与激光冲击处理后试件的表面质量之间的联系,并用其实现了对冲击处理后的试件表面质量的预测。研究及实验表明,该方法不仅具有准确及稳定性好等特点,而且这种预测能力在实际应用中还具有不断提高的智能特性。

English Abstract

全文HTML

参考文献 (8)

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

激光冲击区表面质量的人工神经网络研究

作者简介: 王金来,男,1957年4月出生.副教授.现从事光折变非线性光学的研究工作.;於自岚,男,1968年9月出生.硕士.主要从事金属材料激光冲击强化技术研究..

Study of the surface qualities of laser shock-processing zones using an artificial neural network

计量

出版历程

激光冲击区表面质量的人工神经网络研究

作者简介: 王金来,男,1957年4月出生.副教授.现从事光折变非线性光学的研究工作.;於自岚,男,1968年9月出生.硕士.主要从事金属材料激光冲击强化技术研究.

English Abstract

Study of the surface qualities of laser shock-processing zones using an artificial neural network

全文HTML

目录