激光熔凝参数BP神经网络的反求.docxVIP

??

?

??

激光熔凝参数BP神经网络的反求

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

刘立君+姜亚青+王晓鹏+姚纪荣

摘要：针对激光熔凝参数与熔凝单元体横截面尺寸之间呈现高度非线性映射关系，提出运用BP神经网络反求激光熔凝参数算法。利用BP网络算法建立激光熔凝参数反求模型，经过多次训练，模型预测误差缩小到3%以内。通过反求参数对DIEVAR模具钢做熔凝处理，结果表明，熔凝单元体横截面尺寸与期望值吻合误差为1.33%，能够满足期望精度。通过对比研究经反求参数做熔凝处理和未经处理DIEVAR材料的抗热疲劳性能，观察分析热疲劳裂纹在材料表面萌生及扩展形态，结果显示，经反求参数熔凝处理过的DIEVAR模具钢其抗热疲劳性能大幅度提高，熔凝单元体对裂纹阻断有很好的效果。

关键词：激光熔凝；参数反求；BP神经网络；热疲劳

DOI：10.15938/j.jhust.2017.03.020

TP274

文献标志码：A

：1007-2683（2017）03-0112-05

Abstract：Aimathighlynonlinearmappingrelationshipbetweenthelaserprocessingparametersandthemeltingcellbodystransversesize，amethodofreverseengineeringlasermeltingparametersbyback-propagation（BP）neuralnetworkwasputforward.ThemodelwasconstructedbyBPneuralnetwork，andthepredictionerrorwasreducedtolessthan3%aftertrainingformanytimes.TheDIEVARdiesteelwasmeltedbyreverseengineeringlaserparameters，andtheresultsshowthattheerrorwas1.33%betweenthetransversedimensionsofthemeltingcellbodyandtheexpected，theexpectedprecisioncanbemetwell.Thermalfatiguepropertyofthemeltedandnon-meltedDIEVARdiesteelhasbeenstudied.TheanalysisaboutcracksgrowthpresentsthatthermalfatiguepropertyofDIEVARdiesteelmeltedbythereverseengineeringparametershasbeengreatlyimproved.Themeltingcellbodycouldblockcrackeffectively.

Keywords：lasermelting；inversesolutionofparameters；BPneuralnetwork；thermalfatigue

图6为循环1000次、1600次和2200次时两个试件的热疲劳裂纹扩展记录。由a）b）c）三图可知，当热疲劳循环次数R1600次时，试件一上裂纹向两边伸展，虽然经过600次的热疲劳循环之后，纵向裂纹仍然处于萌生阶段；当R=2200次时，裂纹1扩展到熔凝区边缘时改變了生长方向；另外由于能量的消耗，纵向裂纹2顶端的锥状已明显钝化，但是顶端已靠近熔凝单元体，要突破熔凝层并向前伸展则需要消耗更多的能量。从图c）中可以看到，纵向裂纹首先在熔凝区中组织结构较薄弱的地方萌生新的裂纹3，裂纹2和裂纹3处同时发生热应力集中，导致加速裂纹2的生长并与裂纹3衔接，这种现象被称为“桥接”[19-20]，故而出现图5中裂纹长度突然加大的现象。由图d）、e）、f）三图可知，试件二上裂纹萌生以及生长没有规律，并且随着热疲劳循环次数的增加，裂纹生长趋势也随之增加。由此可见，试件一上熔凝单元体起到了阻断裂纹生长的作用，即通过反求参数熔凝处理过的试件的抗热疲劳性能明显提高，起到了强化材料的作用。

4结论

1）针对目前激光强化参数制定方面仍然采用经验加试验的方法，本文将基于Matlab下的BP神经网络用于反求激光熔凝参数，为激光熔凝强化工艺制定提供了一个有力参考，可以节省大量的