收藏本站
《华中科技大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于神经网络和遗传算法的激光选区熔化成形工艺优化研究

邵建军  
【摘要】:激光选区熔化成形过程中,选择合适的工艺参数匹配是保证成形质量的首要条件,但激光选区熔化成形工艺参数众多而且不同的工艺参数之间互相耦合和制约,通过反复试验优化的方式不仅周期长还会造成材料的损耗。基于以上问题本文选取成形件致密度为成形质量的表征,以不同的工艺参数组合为优化对象,以神经网络和遗传算法为方法,为激光选区熔化成形工艺参数的调控和优化提供新的途径。针对激光选区熔化成形工艺参数之间高度非线性的特点,首先建立IN718合金低功率条件下的BP神经网络致密度预测模型,并提出利用“逐级预测”的方法来预测不同层厚工艺条件下的成形件致密度。结果表明不同层厚样本逐级预测的平均相对误差分别为5.19%、5.08%、7.04%,低于直接预测时的平均相对误差5.19%、6.85%、9.43%和正交设计法的平均相对误差7.76%、10.05%、11.71%,表明神经网络结合逐级预测方法出色的预测能力,适用于激光选区熔化成形工艺参数的研究。针对神经网络对初始连接权值过于敏感的问题,利用遗传算法全局寻优的特点对神经网络进行优化,优化后的网络不同切片层厚样本预测的平均相对误差分别降至4.16%、4.40%、5.97%,模型的预测精度和稳定性都得到提高。优化后的神经网络又可以作为遗传算法中的适应度函数,从而实现激光选区熔化成形工艺参数的优化。选取优化后的工艺参数进行验证,发现成形块体均可接近全致密,并且在扫描电镜下未观察到明显缺陷,表明算法得到的最优参数是合理的,神经网络和遗传算法适用于激光选区熔化成形工艺参数的优化。在完成整个算法的基础上设计激光选区熔化成形工艺参数优化系统,可以快速地实现神经网络的建模、预测和遗传算法的寻优,选取300M高强钢在高功率工艺条件下对系统进行了实例验证,优化后的参数组合同样可以使300M成形块体接近全致密,表明所建工艺参数优化系统可以适用于不同材料工艺参数的优化,不仅方便了操作者的使用,同时扩展了算法的实际应用范围。
【学位授予单位】:华中科技大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TN249;TP18

【参考文献】
中国期刊全文数据库 前7条
1 陈勃生;;增材制造(3D打印)应用领域发展现状及趋势[J];建设机械技术与管理;2015年12期
2 梁晓康;董鹏;陈济轮;淡婷;王明;何京文;;激光选区熔化成形Ti-6Al-4V钛合金的显微组织及性能[J];应用激光;2014年02期
3 李怀学;巩水利;孙帆;黄柏颖;;金属零件激光增材制造技术的发展及应用[J];航空制造技术;2012年20期
4 杨永强;王迪;杨斌;罗子艺;卢建斌;;激光快速成型技术在精密金属零件快速制造中的应用[J];航空制造技术;2010年16期
5 张冬云;;粉末材料性能对SLM模型制造过程影响的研究[J];应用激光;2007年01期
6 周正武;丁同梅;田毅红;王晓峰;;Matlab遗传算法优化工具箱(GAOT)的研究与应用[J];机械研究与应用;2006年06期
7 李强;于景媛;穆柏春;孙旭东;;BP模型在预测多孔NiTi合金孔隙度和屈服强度上的应用[J];功能材料;2006年06期
中国重要会议论文全文数据库 前1条
1 朱文志;胡德安;陈益平;程东海;;基于遗传算法与神经网络的电阻点焊工艺参数优化的研究[A];第十五次全国焊接学术会议论文集[C];2010年
中国博士学位论文全文数据库 前7条
1 李阔湖;钢铁激光探针定量分析方法研究及应用[D];华中科技大学;2017年
2 马明明;两种典型金属零部件激光增材制造技术基础比较研究[D];华中科技大学;2016年
3 赵晓;激光选区熔化成形模具钢材料的组织与性能演变基础研究[D];华中科技大学;2016年
4 孙健峰;激光选区熔化Ti6Al4V可控多孔结构制备及机理研究[D];华南理工大学;2013年
5 王黎;选择性激光熔化成形金属零件性能研究[D];华中科技大学;2012年
6 王建宏;Ti6Al4V选区激光熔化及其与Ti-C-Al体系燃烧合成焊接基础研究[D];中北大学;2012年
7 李瑞迪;金属粉末选择性激光熔化成形的关键基础问题研究[D];华中科技大学;2010年
中国硕士学位论文全文数据库 前9条
1 李珠玲;选区激光熔化IN718合金的成分变化规律[D];哈尔滨工业大学;2016年
2 苟建军;基于改进GA-BP算法的SMAW工艺参数的优化[D];内蒙古科技大学;2015年
3 林惠乐;基于遗传神经网络的CO_2弧焊机器人工艺参数优化研究[D];广西大学;2015年
4 张文奇;AlSi10Mg合金粉末的选区激光熔化成形工艺及性能研究[D];华中科技大学;2015年
5 蒋军杰;选区激光熔化成型医用Ti-6Al-4V合金的组织和性能研究[D];重庆大学;2015年
6 任谢楠;基于遗传算法的BP神经网络的优化研究及MATLAB仿真[D];天津师范大学;2014年
7 谢浩;基于BP神经网络及其优化算法的汽车车速预测[D];重庆大学;2014年
8 刘立鹏;基于遗传神经网络的焊接接头力学性能预测系统研究[D];南京航空航天大学;2010年
9 段侯峰;基于遗传算法优化BP神经网络的变压器故障诊断[D];北京交通大学;2008年
【共引文献】
中国期刊全文数据库 前10条
1 王维;李新宇;杨光;钦兰云;任宇航;;超声场下激光沉积TA15钛合金的组织和力学性能[J];红外与激光工程;2015年12期
2 郑伟;李护林;陈新红;;激光快速成形技术在液体动力领域的应用前景[J];火箭推进;2015年06期
3 陈梦洋;白朴存;张安峰;张海洋;侯小虎;刘飞;;激光增材制造FGH96镍基高温合金柱状晶微观组织研究[J];材料导报;2015年20期
4 赵栋煜;薛陶然;;3D打印技术在铁路阔大货物运输领域的应用前景[J];才智;2015年24期
5 杨帆;巩水利;锁红波;黄志涛;杨光;;热等静压对电子束成形AerMet100钢性能的影响[J];航空制造技术;2015年15期
6 田宗军;顾冬冬;沈理达;谢德巧;王东生;;激光增材制造技术在航空航天领域的应用与发展[J];航空制造技术;2015年11期
7 李佳;张纪可;冯明志;;3D打印技术在船用柴油机领域的应用前景分析[J];柴油机;2015年02期
8 柳建;雷争军;顾海清;李林岐;;3D打印行业国内发展现状[J];制造技术与机床;2015年03期
9 陈甲华;吴建时;刘兵;;基于遗传算法的复杂产品系统项目多目标优化——以核电站建设项目为例[J];南华大学学报(社会科学版);2014年05期
10 王维;李新宇;杨光;钦兰云;任宇航;;超声声流作用在激光沉积修复中的应用[J];应用激光;2014年05期
中国博士学位论文全文数据库 前10条
1 叶冬森;选择性激光熔化过程的状态监测方法研究[D];中国科学技术大学;2018年
2 谢琰军;选择性激光熔化制备纯钨材料的成形机理研究[D];钢铁研究总院;2018年
3 白玉超;马氏体时效钢激光选区熔化成型机理及其控性研究[D];华南理工大学;2018年
4 韩昌骏;激光选区熔化成形多孔金属及其复合材料骨植入体研究[D];华中科技大学;2018年
5 李帅;激光选区熔化成形镍基高温合金的组织与性能演变基础研究[D];华中科技大学;2017年
6 王宏;应用个性化钛合金修复体和同种异体下颌骨修复比格犬下颌骨缺损的比较研究[D];中国人民解放军医学院;2017年
7 关凯;激光选区熔化成形NiTi形状记忆合金技术基础研究[D];华中科技大学;2017年
8 杨晶晶;激光选区熔化成形Ti-6Al-4V合金的组织演变及调控[D];华中科技大学;2017年
9 冯琪翔;基于选择性激光熔化的金属多孔结构力学特性及其变密度设计方法研究[D];重庆大学;2017年
10 张国庆;激光选区熔化成型植入体优化设计及应用基础研究[D];华南理工大学;2016年
中国硕士学位论文全文数据库 前10条
1 王晓;简单立方负泊松比材料SLM工艺及性能评价[D];北华航天工业学院;2019年
2 郄岩;雾天能见度检测与预测方法研究[D];河北科技大学;2019年
3 王晨;北京市空气质量与气象条件的关系及其预测研究[D];兰州大学;2018年
4 王凯;TC4激光选区熔化成形工艺与性能研究[D];北京石油化工学院;2018年
5 王惠;盐碱沙尘区域的接触网绝缘子动态积污与预测研究[D];兰州交通大学;2018年
6 胡丽丽;遗传和BP算法优化与混合的驱动控制研究[D];南昌大学;2018年
7 郝晓杰;选区激光熔化316L温度场研究[D];北京化工大学;2018年
8 尹进;基于ADS-B技术的多点定位方法研究[D];河北科技大学;2018年
9 赵敏;基于遗传算法优化神经网络的再生保温混凝土强度预测[D];太原理工大学;2018年
10 田晶晶;基于遗传算法-BP神经网络的旋回式破碎机故障诊断系统研究[D];西安建筑科技大学;2018年
【二级参考文献】
中国期刊全文数据库 前8条
1 李涤尘;贺健康;田小永;刘亚雄;张安峰;连芩;靳忠民;卢秉恒;;增材制造:实现宏微结构一体化制造[J];机械工程学报;2013年06期
2 温如军;谭华;张凤英;陈静;黄卫东;;TC4激光立体成形中基材热影响区组织性能优化研究[J];应用激光;2012年02期
3 王迪;杨永强;苏旭彬;罗子艺;王红卫;;基于CT反求选区激光熔化制造个性化零件研究[J];材料科学与工艺;2011年01期
4 颜永年;张人佶;林峰;;激光快速成形技术的新进展[J];新技术新工艺;2006年09期
5 刘万林,张新燕,晁勤;MATLAB环境下遗传算法优化工具箱的应用[J];新疆大学学报(自然科学版);2005年03期
6 于玲,贾春强;Matlab遗传算法工具箱函数及应用实例[J];机械工程师;2004年11期
7 颜永年 ,齐海波;快速制造的内涵与应用[J];航空制造技术;2004年05期
8 谢勤岚,陈红,陶秋生;MATLAB遗传算法工具箱的设计[J];计算机与数字工程;2003年03期
中国博士学位论文全文数据库 前10条
1 周德强;新型含铝奥氏体耐热钢相形成规律及高温变形行为研究[D];北京科技大学;2015年
2 殷杰;激光微烧结金属粉末的温度场和应力场的数值模拟研究[D];华中科技大学;2014年
3 张升;医用合金粉末激光选区熔化成形工艺与性能研究[D];华中科技大学;2014年
4 王黎;选择性激光熔化成形金属零件性能研究[D];华中科技大学;2012年
5 罗开玉;激光冲击不锈钢抗腐蚀性能及微观强化机理研究[D];江苏大学;2012年
6 王建宏;Ti6Al4V选区激光熔化及其与Ti-C-Al体系燃烧合成焊接基础研究[D];中北大学;2012年
7 黄凤晓;激光熔覆和熔覆成形镍基合金的组织与性能研究[D];吉林大学;2011年
8 林巧力;金属熔体在碳化物陶瓷上的润湿性及铺展动力学[D];吉林大学;2011年
9 张丹青;钨及钨合金的选择性激光熔化过程中微观组织演化研究[D];华中科技大学;2011年
10 王志坚;装备零件激光再制造成形零件几何特征及成形精度控制研究[D];华南理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 孙骁;选区激光成形用IN718合金粉末特性及成形件组织结构的研究[D];重庆大学;2014年
2 王轩;高能束熔化TC4合金微熔池内元素挥发的研究[D];哈尔滨工业大学;2014年
3 胡国文;选区激光熔化成形ZK61镁合金的工艺与机理研究[D];华中科技大学;2013年
4 潘爱琼;选区激光熔化成形SRR99镍基单晶的基础研究[D];华中科技大学;2013年
5 王耀东;基于改进粒子群算法的BP神经网络优化及应用[D];西安科技大学;2012年
6 吴昊;改进的遗传算法和BP神经网络在大气质量评价及预测中的应用研究[D];南京信息工程大学;2012年
7 孙志明;中厚板焊接有限元数值模拟及其参数优化[D];北京交通大学;2011年
8 吕琼帅;BP神经网络的优化与研究[D];郑州大学;2011年
9 袁凯;基于道路线形的高速公路运行车速预测模型研究[D];长沙理工大学;2011年
10 杨国良;GH4169G合金元素偏析与均匀化研究[D];沈阳大学;2011年
【相似文献】
中国期刊全文数据库 前10条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
7 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
8 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
9 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
10 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
中国博士学位论文全文数据库 前10条
1 徐鹏;基于深度学习的结构健康监测[D];暨南大学;2017年
2 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
3 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
4 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
5 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
6 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
7 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
8 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
9 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
10 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年
中国硕士学位论文全文数据库 前10条
1 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
2 齐照辉;基于TensorFlow的卷积神经网络应用[D];武汉大学;2018年
3 陈健;基于深度学习的汉字笔迹自动比较检验与鉴别研究[D];浙江理工大学;2019年
4 张玮;基于深度学习的织物面料成分分类算法研究[D];浙江理工大学;2019年
5 罗梦研;基于卷积神经网络的女装图像分类算法研究[D];浙江理工大学;2019年
6 陈霄凌;基于卷积神经网络的图像识别及在Spark平台的实现技术研究[D];云南大学;2017年
7 刘芳;合体女西装样板的自动生成[D];浙江理工大学;2019年
8 别海楠;铝合金6061微铣削加工有限元仿真研究[D];东北大学;2017年
9 郑江龙;基于卷积神经网络的隐式篇章关系识别模型[D];厦门大学;2017年
10 邵建军;基于神经网络和遗传算法的激光选区熔化成形工艺优化研究[D];华中科技大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026


丁香五月 啪综合