基于GA-BP神經網絡的鎳基合金熔覆涂層形貌預測
摘要：針對鎳基合金在熔覆過程中成形質量難以控制的問題,通過建立3因素、4水平的正交試驗參數表,在完成22組實驗樣本數據的基礎上,建立經遺傳算法優(yōu)化的誤差反向傳播的神經網絡模型,通過激光加工工藝參數預測熔覆層宏觀形貌,形成兩者之間的高度映射關系。采用極差分析法找出工藝參數對熔覆層宏觀質量影響的大小關系并確定最佳工藝參數,為了適用于大面積熔覆的需要,引入熔覆層搭接率作為新的工藝參數來優(yōu)化模型算法,并通過宏觀質量分析確定適宜的掃描間距,利用5組不同搭接率的樣本對模型的精度進行檢驗。實驗結果表明,經過優(yōu)化后GA-BP模型具有很高的預測精度,預測結果與測試樣本之間的平均相對誤差為3.951%,驗證了該模型在理論與實際中的可行性,對提高鎳基合金熔覆涂層的產品質量具有重要義。
注: 保護知識產權,如需閱讀全文請聯(lián)系應用激光雜志社
相關推薦
更多
