进化神经网络在激光铣削质量预测中的应用研究.pdfVIP

第三届激光先进制造技术应用研讨会（FALM2013） 了CO 连续激光控制断裂剥离技术，实现了对氧化铝陶瓷表面材料的无损剥离。通过采用 2 20-25 W 的CO 连续激光二次扫描陶瓷表面，可以实现厚 50 μm 的陶瓷碎屑剥离。由于该 2 过程基于断裂分离，故所形成的加工亚表面无热损伤和重凝层，显微结构与基体材料相同； 亚表面粗糙度(R ≈2 μm)与机械断裂陶瓷形成的表面粗糙度近似(R ≈1.84 μm) ；材料去除率可 a a 3 达 7.5 mm /min 。通过实验和有限元模拟发现，发现形成控制断裂剥离的机理是基于：(1)重 凝层以下裂纹的控制扩展，(2)重凝层内残余拉应力作用。该技术可用于对激光切割陶瓷厚 板的切割面重凝层去除，以进一步提高激光切割陶瓷材料质量和精度，实现厚板陶瓷的无热 损伤激光切割面。 小功率长脉冲绿激光切割厚玻璃研究 黄超、袁建文，陈继民 北京工业大学 激光工程研究院 100124 摘要：玻璃在工业生产和日常生活中应用极为广泛。利用激光对玻璃进行切割，较原始的机 械切割方法有诸多优点。目前，用来进行玻璃切割的激光主要是波长为 1.06μm 的 YAG 激 光，和波长为 10.6μm 的CO 激光，原理都是诱导控制玻璃断裂或者高能量熔融切割，其加 2 工功率由玻璃的厚度决定。玻璃越厚，所需功率越大，一般多数在 100W 以上，并且在进行 异型玻璃切割时易产生不可控裂纹，导致次品率高。此外由于玻璃对激光的高透过率，大部 分能量没有被玻璃吸收，导致能源被大量浪费。人们急需一种节能、高效并能完成各种切割 要求的切割方法。本文提出了一种低功率、高可靠、可进行异型切割的玻璃切割方法，可以 用来对切割任意形状的玻璃，也可以在玻璃上切割出斜面。采用平均功率为 1w 的长脉冲普 通绿激光，实现厚度 20mm 以内玻璃的直线切割、异形切割。大大的降低了激光切割厚玻璃 的功率，具有很好的裂纹可控性。切割适用范围广，如普通玻璃、掺杂离子玻璃、超白玻璃、 液晶玻璃等各种玻璃。 进化神经网络在激光铣削质量预测中的应用研究 1,2 2 2 3 许兆美 周建忠 黄舒 孙全平 （1，淮阴工学院机械工程学院，淮安，223003，2, 江苏大学机械工程学院，镇江，221013 3淮阴工学院机械工程学院数字化重点实验室 223003） 摘要：为了有效地控制激光铣削层质量，设计了基于进化神经网络的学习算法，建立了激 光铣削层质量 （铣削层宽度、铣削层深度）随铣削层参数（激光功率、扫描速度和离焦量） 变化的预测模型。针对 BP 算法中存在收敛速度慢、容易陷入局部极小值及全局搜索能力差 等缺陷，建立了基因遗传算法优化神经网络的进化神经网络模型。并用进化神经网络对激光 铣削层质量进行了预测。仿真结果表明，基于进化神经网络不仅可以克服 BP 神经网络易陷 入局部极小值等问题，而且其预测精度较高，具有一定的实用价值。 关键词：激光铣削 遗传算法 BP 神经网络 优化算法 中图分类号：TN249 文献标识码 A 1 引言 激光铣削是利用聚焦的高能激光束作用在材料表面，使作用区域的材料瞬间直接气化、 - 77 - 第三届激光先进制造技术应用研讨会（FALM2013） [1] 或者熔化，同时利用辅助装置去除、或者剥离开基体，完成三维成形的加工方法 。影响激 光铣削层质量的因素较多[2]，且在铣削过程中还存在许多不确定或难以确定的因素，包括激 光光斑的聚焦性，激光功率、扫描速度、离焦量等，因此