[發(fā)明專利]一種鋼線刀刀身激光熱處理工藝參數(shù)優(yōu)化方法在審
| 申請?zhí)枺?/td> | 201810180680.8 | 申請日: | 2018-03-05 |
| 公開(公告)號: | CN108330255A | 公開(公告)日: | 2018-07-27 |
| 發(fā)明(設(shè)計)人: | 楊森;趙偉;馮文;張道;周逸波 | 申請(專利權(quán))人: | 南京理工大學(xué) |
| 主分類號: | C21D1/09 | 分類號: | C21D1/09;C21D9/22;C21D11/00 |
| 代理公司: | 南京理工大學(xué)專利中心 32203 | 代理人: | 鄒偉紅 |
| 地址: | 210094 *** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 激光熱處理工藝 鋼線刀 刀身 人工神經(jīng)元網(wǎng)絡(luò) 參數(shù)優(yōu)化 非線性映射關(guān)系 基礎(chǔ)建立 激光功率 試驗數(shù)據(jù) 顯微硬度 遺傳算法 映射關(guān)系 預(yù)測數(shù)據(jù) 離焦量 擬合 運算 掃描 挖掘 預(yù)測 優(yōu)化 學(xué)習(xí) | ||
本發(fā)明公開了一種鋼線刀刀身激光熱處理工藝參數(shù)優(yōu)化方法,本發(fā)明首先利用人工神經(jīng)元網(wǎng)絡(luò)對多元非線性映射關(guān)系出色的擬合能力,從試驗數(shù)據(jù)中挖掘?qū)W習(xí),并最終建立激光熱處理工藝參數(shù)激光功率、掃描速度和離焦量與相應(yīng)的顯微硬度的映射關(guān)系,并以此為基礎(chǔ)建立起鋼線刀刀身激光熱處理工藝參數(shù)的預(yù)測方法。隨后采用遺傳算法對人工神經(jīng)元網(wǎng)絡(luò)預(yù)測數(shù)據(jù)進行運算,得到最優(yōu)激光熱處理工藝參數(shù),達到優(yōu)化目的。
技術(shù)領(lǐng)域
本發(fā)明涉及人工神經(jīng)元網(wǎng)絡(luò)和遺傳算法的應(yīng)用領(lǐng)域,特別是一種高強度鋼線刀刀身激光熱處理工藝參數(shù)優(yōu)化方法。
背景技術(shù)
鋼線刀是由鋼制成,頂端有刃的排制模切版的片狀材料,是一種印刷包裝行業(yè)的專用成型模切刀具。鋼線刀可以用來切割各式各樣的材料,其傳統(tǒng)上主要應(yīng)用在印刷業(yè)和包裝業(yè)。
激光熱處理是表面強化技術(shù)之一,它以激光作為熱源,對被掃描工件表面進行加熱,使表面溫度迅速升至奧氏體化溫度區(qū)間,隨后通過基體的迅速冷卻使表面發(fā)生相變,從而實現(xiàn)熱處理強化。
將激光熱處理應(yīng)用于高強度鋼線刀的制備,可以大幅度提高生產(chǎn)率,減少環(huán)境污染,降低能耗。但由于激光工藝參數(shù)對被加工件的影響是一種多變量的非線性系統(tǒng),準確建立一種解析形式的加工過程模型十分困難。人工神經(jīng)元網(wǎng)絡(luò)和遺傳算法的提出為研究這種非線性系統(tǒng)尋優(yōu)提供了一種有力的工具。
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是人工智能技術(shù)的一種,它是由大量的神經(jīng)元相互聯(lián)接而成的自適應(yīng)非線性動態(tài)系統(tǒng),是一種模仿大腦處理問題的數(shù)學(xué)模型。與其他傳統(tǒng)數(shù)學(xué)模型相比,人工神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)、自學(xué)習(xí)的能力、聯(lián)想記憶能力、高度容錯并行處理能力等特點。人工神經(jīng)網(wǎng)絡(luò)類似于一個黑匣子,在處理數(shù)據(jù)信息時不需要預(yù)先給出具體數(shù)學(xué)公式或模型,僅利用獲得的實驗數(shù)據(jù),經(jīng)反復(fù)循環(huán)迭代處理,就能獲得數(shù)據(jù)的內(nèi)在規(guī)律,因此人工神經(jīng)網(wǎng)絡(luò)常被用于處理材料科學(xué)領(lǐng)域中沒有具體數(shù)學(xué)模型或經(jīng)驗公式的復(fù)雜問題。
遺傳算法(Genetic Algorithm)是一種通過模擬自然進化過程搜索最優(yōu)解的方法,根據(jù)達爾文進化論“物競天擇,適者生存”來進行模擬計算[59]。遺傳算法是從要解決問題的一個可能的解集出發(fā),將該解集中的一定數(shù)量的個體經(jīng)過基因編碼。這樣每個個體就成了染色體帶有特征的實體,每個個體的外部表現(xiàn)由染色體中某一控制這一特征的基因組合決定的。因此,在進行遺傳算法運算前,要進行表現(xiàn)型到基因型的編碼工作,又因為仿照基因編碼的工作極其復(fù)雜,故進行二進制編碼,初代種群產(chǎn)生后,按照適者生存、優(yōu)勝劣汰的原則,逐代演化出越來越好的近似解,在每一代中,根據(jù)個體對具體問題的適應(yīng)度,進行篩選,并通過遺傳學(xué)中的遺傳算子進行交叉組合和變異產(chǎn)生出代表新的解集的種群,這樣經(jīng)過多代遺傳運算,末代種群中的最優(yōu)個體可被認為要解決問題的最優(yōu)解。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種激光熱處理制備高強度鋼線刀的工藝參數(shù)優(yōu)化方法,以更少的試驗次數(shù)尋找更優(yōu)異的鋼線刀激光熱處理工藝參數(shù)。
實現(xiàn)本發(fā)明目的的技術(shù)解決方案如下:一種基于人工神經(jīng)元網(wǎng)絡(luò)和遺傳算法的鋼線刀刀身激光熱處理工藝參數(shù)優(yōu)化方法,具體步驟如下:
1.通過試驗獲得激光工藝參數(shù)(激光功率、掃描速度和離焦量)對應(yīng)下的鋼線刀刀身顯微硬度,試驗選用激光工藝參數(shù)范圍如下:激光功率600-1000W,掃描速度30-50mm/s,離焦量70-90mm。
2.將激光功率、掃描速度、離焦量作為人工神經(jīng)元網(wǎng)絡(luò)的輸入單元,鋼線刀刀身顯微硬度作為輸出單元,建立三層BPNN結(jié)構(gòu);
3.采用matlab對建立的人工神經(jīng)元網(wǎng)絡(luò)進行訓(xùn)練,將人工神經(jīng)元網(wǎng)絡(luò)擬合獲得的刀身顯微硬度與試驗測得結(jié)果進行對比,通過計算均方誤差(MSE)對適應(yīng)度進行檢查,當均方誤差(MSE)小于10-4時符合適應(yīng)度要求;
4.當適應(yīng)度達不到要求時,重復(fù)步驟2、3,直至獲得符合精度要求的人工神經(jīng)元網(wǎng)絡(luò);
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京理工大學(xué),未經(jīng)南京理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810180680.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 借助功能性磁共振層析成像所獲得的腦圖像的分析處理
- 用神經(jīng)元網(wǎng)絡(luò)調(diào)節(jié)參數(shù)的PID控制溫度儀表及其控制方法
- 利用神經(jīng)元網(wǎng)絡(luò)分類建模法提高模型預(yù)報精度的方法
- 基于卷積神經(jīng)元網(wǎng)絡(luò)的中醫(yī)舌診模型的確定方法及系統(tǒng)
- 一種基于人工神經(jīng)元網(wǎng)絡(luò)的SQL漏洞檢測方法
- 電荷注入式神經(jīng)元網(wǎng)絡(luò)陣列
- 用于操控執(zhí)行器和確定異常的方法、設(shè)備和計算機程序
- 一種兼容性可編程微神經(jīng)元網(wǎng)絡(luò)提速陣列
- 人臉識別模型的訓(xùn)練方法、裝置、設(shè)備及可讀存儲介質(zhì)
- 一種單塔低壓酸性水汽提裝置操作性能的建模方法及裝置





