基于响应面法和遗传神经网络模型的高沉积率激光熔覆参数优化

• 作者: 庞祎帆 傅戈雁 王明雨 龚燕琪 余司琪 徐加超 刘凡
• 来源期刊: 中国激光
• 关键词: 激光加工 激光熔覆 沉积率优化 响应面 遗传算法 神经网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 激光材料加工|Laser Material Processing
• 页码范围: 146-156
• 页数: 11页
• 分类号: TN249
• 语种: 中文
• DOI: 10.3788/CJL202148.0602112

摘要

在大功率激光熔覆成形中,熔覆层的沉积率是决定成形效率及质量等的重要因素.采用Box-Behnken(BBD)及正交法进行了激光熔覆单道沉积实验设计,研究了激光功率、送粉速率、扫描速度和离焦量对沉积率的关系.分别建立了响应面法(RSM)模型和经遗传算法优化的神经网络(GA-BP)模型,同时预测并优化了沉积工艺参数.经遗传神经网络模型优化后的工艺参数得到的最大沉积率为61.74 g/min,高于响应面法优化得到的53.55 g/min.结果 表明:遗传神经网络模型的预测、泛化及优化能力要优于响应面法模型,使用遗传算法优化后的神经网络模型可为实现高沉积率激光熔覆成形提供更有效的预估方法.