[發明專利]一種考慮尖角燒蝕的板材激光切割工藝參數優化方法

有效

• 申請號: 202110525071.3
• 申請日: 2021-05-14
• 公開（公告）號: CN113182709B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 黃彬;朱圣杰
• 申請（專利權）人: 福州大學
• 主分類號: B23K26/38
• 分類號: B23K26/38;G06N3/04;G06N3/084
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種考慮尖角燒蝕的板材激光切割工藝參數優化方法，通過直線切割和尖角切割正交試驗，并測量各組試驗對應的工件質量指標，根據所得的試驗數據訓練激光切割質量BP神經網絡模型。以所得的神經網絡模型作為遺傳算法的適應度函數，進行工藝參數優化，得到最優的工藝參數。本發明同時將直線切割質量和尖角切割質量納入考慮因素，優化所得的工藝參數加工所得工藝能具備較好的切縫寬度、切面粗糙度、熱影響區寬度、掛渣長度并且不發生尖角燒蝕。

技術領域

本發明涉及生產制造領域，特別是一種考慮尖角燒蝕的板材激光切割工藝參數優化方法。

背景技術

相比于傳統切削，激光切割具有無切削力，且加工效率高的優點，因此被廣泛應用于板材加工，在板材加工工藝中占據重要地位。但板材激光切割涉及的工藝參數較多包括：激光功率、輔助氣體壓力、切割速度、離焦量、占空比和脈沖頻率。從諸多工藝參數的組合中選出最優的一組工藝參數對取得更好的板材激光切割質量有重要意義。

目前，有關激光切割工藝參數優化的方法為三大類，一是利用傳統物理建模的方法建立工藝參數與切割質量間的模型，之后進行工藝參數優化，該類方法的準確率很大程度依賴于事先設定好的一系列力學、材料學、光學和熱學參數，而在實際激光切割過程中，這些參數往往具有耦合性和時變性，因此基于物理建模的判斷方法不準確。二是基于實驗的方法，該方法以激光切割工藝參數作為實驗因素，進行大量的激光切割試驗，根據試驗數據得出激光切割質量隨各個工藝參數的變化情況，給出工藝參數優化的建議，但各個工藝參數與切割質量之間有著復雜的耦合關系，如增加激光功率會降低切面粗糙度，但也會使切縫質量變差，基于試驗的方法難以對這類耦合關系復雜的情形給出合理的工藝參數優化建議。三是基于機器學習的激光切割工藝參數優化方法，這類方法能通過機器學習模型學習激光切割工藝參數與切割質量間的耦合關系，優化效果比前二者更好。

目前基于機器學習的激光切割工藝參數優化方法占比越來越大，但存在如下不足：

大部分激光切割工藝參數優化方法只適用于直線切割，而在實際加工中，經基于直線切割優化得到的工藝參數所加工的工件在尖角處可能會發生尖角燒蝕，降低工件質量。

大多數方法采用將激光切割質量評價指標(切縫寬度、切面粗糙度、熱影響區寬度和掛渣長度)加權求和統一為一個評價指標再進行工藝參數優化，但這種方法無法對各指標值分布極端的情況做出合理評價。

發明內容

有鑒于此，本發明的目的是提供一種考慮尖角燒蝕的板材激光切割工藝參數優化方法，同時將直線切割質量和尖角切割質量納入考慮因素，優化所得的工藝參數加工所得工藝能具備較好的切縫寬度、切面粗糙度、熱影響區寬度、掛渣長度并且不發生尖角燒蝕。

本發明采用以下方案實現：一種考慮尖角燒蝕的板材激光切割工藝參數優化方法，包括以下步驟：

步驟S1：對不同厚度的板材進行直線切割和尖角切割正交試驗，測量各組試驗對應的工件質量指標，直線切割質量指標為切縫寬度、切面粗糙度、熱影響區寬度和掛渣長度，尖角切割質量指標為尖角燒蝕量，然后根據所測指標計算綜合質量指標；

步驟S2：以板材激光切割工藝參數和工件形狀特征作為輸入數據，以激光切割質量綜合評價指標作為輸出，構建薄板激光切割質量BP神經網絡模型；所述板材激光切割工藝參數包括激光功率、氣體壓力、切割速度、離焦量、占空比和脈沖頻率；所述工件形狀特征包括板厚、尖角角度和尖角圓弧；

步驟S3：將經由步驟S2所訓練的神經網絡模型作為遺傳算法的適應度函數，應用遺傳算法對激光切割質量綜合評價指標值進行優化，得到達到最優激光切割質量綜合評價指標值時，模型所對應的激光切割工藝參數，從而實現對激光切割工藝參數的優化。

進一步地，所述步驟S1具體包括以下步驟：