面向涂层裂纹的激光熔覆预测模型研究.docxVIP

2024年第53卷第14期Vol.53No.142024[]

[]

热加工工艺

HotWorkingTechnology

ISSN1001-3814CN61-1133/TG

DOI:10.14158/j.cnki.1001-3814.rjggy@

面向涂层裂纹的激光熔覆预测模型研究周浩南,孙文磊,王伟,张志虎

(新疆大学机械工程学院,新疆乌鲁木齐830047)

摘要院针对激光熔覆关键工艺参数与制备涂层之间因存在复杂非线性映射关系而产生的裂纹缺陷问题袁通过将遗传算法与BP神经网络结合起来构建工艺参数与涂层裂纹密度之间的网络模型袁利用MATLAB软件对建立的网络模型进行训练尧拟合预测遥结果表明袁遗传算法对BP神经网络优化后的模型中预测误差最小为3.06%袁平均误差控制在11.57%以内袁均方误差为0.0008袁模型预测精度高袁性能稳定遥验证了理论模型与实际试验相结合的可行性袁减少了涂层裂纹工艺研究所需的大量重复性试验袁为制备无裂纹镍基熔覆层具有重要意义遥

关键词院激光熔覆曰裂纹密度曰神经网络曰遗传算法曰模型预测

中图分类号院TG178 文献标识码院A 文章编号院1001-3814(2024)14-0027-06

StudyonPredictionModelofLaserCladdingforCoatingCrackZHOUHaonan,SUNWenlei,WANGWei,ZHANGZhihu

(CollegeofMechanicalEngineering,XinjiangUniversity,Urumqi830047,China)

Abstract院Aimingatthecrackdefectscausedbythecomplexnonlinearmappingrelationshipbetweenthekeyprocessparametersandthepreparedcoatingintheprocessoflasercladding,thenetworkmodelbetweentheprocessparametersandthecoatingcrackdensitywasconstructedbycombininggeneticalgorithmandBPneuralnetwork,andthenetworkmodelwastrained,fittedandpredictedbyMATLABsoftware.TheresultsshowthattheminimumpredictionerroroftheBPneuralnetworkoptimizedmodelbygeneticalgorithmis3.06%,theaverageerroriscontrolledwithin11.57%,andthemeansquareerroris0.0008.Thepredictionaccuracyofthemodelishighandtheperformanceisstable.Itverifiesthefeasibilityofcombiningthetheoreticalmodelwiththeactualtest,andreducesalargenumberofrepetitivetestsrequiredforthestudyofcoatingcrackprocess.Itisofgreatsignificancetopreparecrackfreenickelbasecladdingcoating.

Keywords院lasercladding;crackdensity;neuralnetwork;geneticalgorithm;modelprediction

激光熔覆作为一种再制造技术袁是指在高能量激光束辐射熔化合金粉末的同时袁位于合金粉末下部的基材表层也被加热熔化袁熔融物在基材上汇聚形成熔池袁在自然环境下冷却凝固形成组织致密的熔覆层袁从而在达到基材原有使用性能的前提下进一步增强其耐磨尧耐蚀等性能[1-2]遥在应用激光熔覆技术时袁由于熔池快速加热熔化和快速散热凝固的特性袁沿熔池底部固液界面向上推移形成熔覆层时不同高度方向上存在较大的温