[發明專利]一種神經網絡激光切割質量預測方法

在審

• 申請號: 202011126360.8
• 申請日: 2020-10-20
• 公開（公告）號: CN112257342A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 李杰;李磊
• 申請（專利權）人: 李杰
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/02;G06N3/08
• 代理公司: 山東宏康知識產權代理有限公司 37322
• 代理人: 宮秀秀

1.一種神經網絡激光切割質量預測方法，其特征在于，包括：

取待加工的原件作為樣本按不同的激光切割參數集進行切割實驗；

獲取所述切割實驗的實驗數據；

構建神經網絡，設置神經網絡的傳輸函數、學習率、訓練次數、訓練目標、動量因子和訓練參數；

對所述實驗數據進行預處理，利用所述實驗數據對所述神經網絡進行訓練和驗證；

利用所述神經網絡模型進行切割工藝的模擬尋找滿足所述質量要求的最優的目標激光切割參數集。

2.根據權利要求1所述的神經網絡激光切割質量預測方法，其特征在于，隨機選取一定數量的所述原件，設定激光切割參數集，在所述原件的待加工面上進行N次重復的切割形成N個切口，調整激光切割參數集重復進行N次切割形成N個切口，并重復獲取足夠訓練所述神經網絡的所述實驗數據。

3.根據權利要求2所述的神經網絡激光切割質量預測方法，其特征在于，按照所述質量要求確定需要測量的所述切口的數據；

取相同激光切割參數集下切口N個切口數據的平均值作為結果數據。

4.根據權利要求3所述的神經網絡激光切割質量預測方法，其特征在于，對所述實驗數據進行預處理包括：對所述實驗數據進行歸一化處理，將所述實驗數據分為訓練數據和驗證數據，隨機取所述實驗數據的80％作為所述訓練數據，隨機取所述實驗數據的20％作為所述驗證數據。

5.根據權利要求4所述的神經網絡激光切割質量預測方法，其特征在于，所述構建神經網絡包括：構建三層反向傳播神經網絡，所述三層反向傳播神經網絡包括輸入層、隱藏層和輸出層；其中，

根據客戶的所述質量要求的數量確定神經網絡輸出層的輸出節點數量；

根據所述激光切割參數集確定神經網絡的輸入層的輸入節點數量；

取所述實驗數據中部分數據測試隱藏層最優的節點數量；確定隱藏層傳輸函數、輸出層傳輸函數和反向傳播訓練函數。

6.根據權利要求5所述的神經網絡激光切割質量預測方法，其特征在于，利用所述訓練數據訓練所述三層反向傳播神經網絡，利用所述驗證數據驗證所述三層反向傳播神經網絡。

7.根據權利要求6所述的神經網絡激光切割質量預測方法，其特征在于，

設定所述激光切割參數集中的參數X_i(i＝1，2，……i)的范圍，

設定所述激光切割參數集中參數的步進值，任一參數在范圍內按所述步進值間隔取值獲得參數集M_i＝[X_i1,X_i2,……X_ij]；

從不同所述參數集中任取一個元素組合獲取不同的激光切割參數組合，將所述激光切割參數組合輸入所述三層反向傳播神經網絡獲取預測結果。

8.根據權利要求7所述的神經網絡激光切割質量預測方法，其特征在于，從所述預測結果中選取與所述質量要求相符的目標預測結果，獲取所述目標預測結果對應的激光切割參數組合，對所述激光切割參數組合進行成本評估，選取成本最低的所述激光切割參數組合作為所述目標激光切割參數集。