基于 BP神经网络的光纤激光切割切口粗糙度预测

• 作者: 孙涛 李菊丽 郭华锋
• 来源期刊: 激光技术
• 学科: 工学
• 关键词: 激光技术 切口质量 反向传播人工神经网络 粗糙度 预测
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 激光与光电子技术应用
• 页码范围: 798-803
• 页数: 6页
• 分类号: TG485
• 字数: 3716字
• 语种: 中文
• DOI: 10.7510/jgjs.issn.1001-3806.2014.06.016

摘要

为了研究工艺参量对光纤激光切割切口质量的影响，进行了切割T4003不锈钢试验，分析了工艺参量与切口质量之间的关系。采用基于误差反向传播算法的人工神经网络，建立了激光功率、切割速率、辅助气体压力等工艺参量与切口粗糙度之间的预测模型。对切割试验采集的训练样本进行了网络训练，并利用测试样本对训练模型进行验证。结果表明，随着激光功率增加，切口粗糙度增大；随着切割速率和辅助气体压力增加，切口粗糙度减小。神经网络预测模型精度较高，网络训练效果良好，预测值与试验样本值间的最大相对误差为2．4％。训练后检验精度较高，检验样本最大相对误差仅为6．23％。该模型可有效预测激光切割切口表面粗糙度，同时为合理选择及优化工艺参量，提高激光切割质量提供试验依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭华锋	徐州工程学院机电工程学院	46	285	11.0	15.0
2	孙涛	徐州工程学院机电工程学院	47	235	9.0	13.0
3	李菊丽	徐州工程学院机电工程学院	27	245	9.0	15.0