进化神经网络模型在激光淬火预报中的应用.PDF

第29卷第3期 北京工业大学学报 V01．29No．3 2003年9月 JoURNALOF BEIJnqGlⅡVERS兀Y0FTECH口崎OLoGY 2003 Sept 进化神经网络模型在激光淬火预报中的应用 张连宝，左演声，范青武 (北京工业大学材料科学与工程学院，北京100022) 要：以GCrl 摘 5激光淬火为例，将基于遗传进化的神经网络(GANN)技术应用于激光淬火技术领域，建立了 激光淬火性能预报GANN模型；确定了激光淬火(多)工艺参数与(多)性能指标的函数映射关系，实现了激光淬 火性能预报．试验结果表明，在试验的工艺参数范围内各项性能预报值与实测值相比，偏差在7％以内，从而验 证了该性能预报GANN模型的可靠性． 关键词：神经网络；遗传算法；激光淬火 中图分类号：1’G174．444；TP18 文献标识码：A 激光淬火近年来已成为材料表面改性技术的重要分支…．在激光淬火技术及其应用中，不断寻求激 光淬火工艺(参数)和性能(指标)之间的关系，以实现激光淬火性能预报与工艺设计进而保证和提高激光 淬火质量，始终是人们致力的目标．目前，一般的途径是以材料科学研究人员和激光加工工艺研究人员经 过大量的工艺试验研究得出的具有指导意义的工艺数据为依据，凭借经验进行性能预报和工艺参数的设 计．但是，由于激光淬火技术本身的复杂性，同时也由于激光淬火技术的不断发展和加工对象的日益复 杂，这种途径越来越呈现出局限性旧1． neuml 神经网络(arti厅cialne研or|rs，简称Ⅻ哪、遗传算法(genedc 处理模式以获得智能信息处理功能的理论．近年来，这两种技术发展十分迅速．其中，人工神经网络具有 自学习、自组织的能力，特别适用于处理复杂问题与开放问题，但还存在许多缺陷，例如训练速度慢、易陷 入局域极小和全局搜索能力弱等．遗传算法则是模拟生物进化现象，并采用自然进化机制来表现复杂现 象的一种全局随机优化算法，具有极强的“鲁棒性”．因此，将它们相互结合，不仅会使神经网络同时具备 学习和进化的性能，而且可以解决神经网络设计和实现中存在的一些问题．针对以上问题，作者尝试将神 经网络和遗传算法相结合的技术应用于激光淬火领域中，并以GCrl5激光淬火为例，探讨了激光淬火性 能预报的新途径． 1 性能预报GANN模型的建立 1．1基本思想 神经网络学习的目的不是对训练样本的简单记忆，而是要揭示产生样本的规律(或机制)¨1．所以，以 激光淬火工艺参数和性能指标数据为学习样本，运用神经网络对其进行训练学习，可以建立激光淬火工艺 参数和性能指标之间的函数映射关系，从而实现激光淬火的性能预报． 神经网络连接权的整体分布包含着神经网络系统的全部知识．传统的网络权重一般采用基于梯度下 降的算法．但是易于陷入误差函数的局部极小点，尤其当误差函数为多态或非可微时．这种训练往往难以 达到满意的训练效果，甚至难以进行¨1．作者提出采用一种基于遗传进化的神经网络(GANN)，即采用遗 传算法来代替传统的梯度下降法，实现对网络连接权重的进化．在GANN中，神经网络算法负责学习建 收稿日期：2002．12．30． 基金项目：北京市自然科学基金资助项目(2032003) 作者简介：张连宝(1946一)，男，教授． 万方数据 378 北京工业大学学报 2003年 模，而遗传算法构成进化建模，是神经网络学习能力的进化模拟．遗传算法的一个个体代表某种学习能力 的一个神经网络，两者通过基因型和表达型表达，并用编码方法转换． 1．2试验材料和方法 mm×60mm