[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

本發明公開的神經網絡激光切割質量預測方法，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。本發明利用較少的切割實驗獲取實驗數據來對三層反向傳輸神經網絡訓練建模，利用所述三層反向傳輸神經網絡預測全部激光切割參數，選取符合客戶質量要求的目標預測結果；具有周期短、成本低，效率高，能夠更快的獲取最優的激光切割參數等優點。

技術領域

本發明涉及激光切割技術領域，尤其涉及一種神經網絡激光切割質量預測方法。

背景技術

激光切割是利用高功率密度激光束照射被切割材料，使材料很快被加熱至汽化溫度，蒸發形成孔洞，隨著光束與材料間的相對移動完成對材料的切割。

在工業激光切割過程中，有的材料的切割過程對激光切割的質量有較高的要求，如果要一臺切割設備能夠加工有特定切割質量要求的材料，需要工藝人員通過激光切割實驗獲取達到該質量要求的激光切割參數，根據激光切割參數來調機并驗證實際的效果，而且一旦客戶改進要求，需要重新實驗獲取滿足新要求的切割參數，現有通過實驗方式獲取優化的激光切割參數的周期長，實驗過程往往成本高，而且受實驗的限制優化進步空間往往較小，很難達到最優或者接近最優激光切割參數，導致生產過程實際造成了隱性的效率浪費；而且當客戶更改要求時，需要一切都要從重新實驗再開始，造成加工成本高。

發明內容

本發明提供一種神經網絡激光切割質量預測方法，旨在解決現有技術中根據實驗獲取激光切割參數來滿足有一定切割要求的加工業務的手段在實際生產中成本高、周期長、效率浪費的問題。

為實現上述目的，本發明提供一種神經網絡激光切割質量預測方法，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。

優選地，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。

優選地，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。

優選地，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。

優選地，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。

優選地，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。