基于BP神經(jīng)網(wǎng)絡的激光彎曲成形工藝參數(shù)優(yōu)化
發(fā)布時間:2021-08-20 01:03
利用MATLAB軟件構建了用于預測激光彎曲成形過程中激光掃描速度和激光功率的3層BP神經(jīng)網(wǎng)絡,其中,輸入層、隱含層和輸出層節(jié)點數(shù)分別為2、12和1。將實驗獲得的15組樣本數(shù)據(jù)進行歸一化處理后對所構建的BP神經(jīng)網(wǎng)絡進行訓練和驗證,并將掃描速度的預測誤差控制在8%以下,激光功率的預測誤差控制在6%以下。利用訓練后的BP神經(jīng)網(wǎng)絡對獲得0.1°~0.5°板材彎曲角所需的激光掃描速度和激光功率進行預測,得到30組工況下的預測數(shù)據(jù)。計算每種工況下的線能量大小并進行比較,以最小線能量原則篩選出獲得每種板材彎曲角所需的最佳工藝參數(shù)組合。
【文章來源】:塑性工程學報. 2020,27(08)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
激光彎曲成形實驗示意圖
為了獲得用于訓練BP神經(jīng)網(wǎng)絡的樣本數(shù)據(jù),分別采用3種不同的激光功率(160、220和280 W)和5種掃描速度(10、15、20、25和30 mm·s-1)自由組合進行激光彎曲成形實驗,并將實驗后的板材室溫自然冷卻,之后測量板材沿激光掃描線方向的彎曲角,共得到15組數(shù)據(jù),如表1所示。實驗中,為了得到較準確的實驗數(shù)據(jù),針對每組實驗參數(shù)進行5次重復實驗,將板材的平均彎曲角作為最終彎曲角數(shù)據(jù)。激光彎曲成形實驗試件如圖2所示。1.2 實驗數(shù)據(jù)的處理
BP神經(jīng)網(wǎng)絡構建的基本思想是利用梯度下降法使網(wǎng)絡的實際輸出值和期望輸出值的誤差均方差達到最小。它包括信號的前向傳播和誤差的反向傳播兩個過程,即計算誤差輸出時按從輸入到輸出的方向進行,而權值和閾值的調(diào)整則按從輸出到輸入的方向進行。BP神經(jīng)網(wǎng)絡模型的基本結構通常包括3層:輸入層、隱含層和輸出層。層與層之間的神經(jīng)元利用權相互連接,而同一層的各神經(jīng)元之間無連接[12],如圖3所示。其中,xi和yi分別為輸入變量和輸出變量。由于板材的激光彎曲角主要受激光功率和激光掃描速度的影響,因此,本文將在給定板材彎曲角和激光功率下,對掃描速度進行預測,或在給定板材彎曲角和掃描速度下,對激光功率進行預測。因此,所構建BP神經(jīng)網(wǎng)絡的輸入層節(jié)點數(shù)確定為2,輸出層節(jié)點數(shù)確定為1。網(wǎng)絡隱含層節(jié)點數(shù)M可根據(jù)經(jīng)驗公式(式(3))估算得到[8]:
【參考文獻】:
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡的奧貝球鐵的熱處理工藝優(yōu)化[J]. 鄒偉,王榮吉,張立強,俞杰,童希. 熱加工工藝. 2020(06)
[2]板材幾何尺寸對激光彎曲成形角的影響[J]. 董文彬,張雅晶,張華,陳豐. 塑性工程學報. 2019(06)
[3]雙相高強鋼板的激光彎曲成形數(shù)值模擬[J]. 張雅晶,董文彬,張華,夏顯明,陳豐. 塑性工程學報. 2019(03)
[4]新能源車懸架U形縱臂成形缺陷分析與工藝參數(shù)優(yōu)化[J]. 劉斌,曾艷. 鍛壓技術. 2019(02)
[5]大型厚壁管熱擠壓成形工藝參數(shù)優(yōu)化[J]. 李琚陳. 鍛壓技術. 2018(01)
[6]BP神經(jīng)網(wǎng)絡在鋁合金板材激光彎曲成形中的應用[J]. 李金華,蘇智超,姚芳萍,張建李. 熱加工工藝. 2017(01)
[7]激光彎曲工藝參數(shù)對鋁合金板材彎曲角度的影響[J]. 李金華,蘇智超,姚芳萍,張建李. 熱加工工藝. 2016(21)
[8]Heat-treated microstructure and mechanical properties of laser solid forming Ti-6Al-4V alloy[J]. ZHANG Shuangyin, LIN Xin, CHEN Jing, and HUANG Weidong School of Materials Science and Engineering, State Key Laboratory of Solidification Processing, Northwestern Polytechnical University, Xi’an 710072, China. Rare Metals. 2009(06)
[9]人工神經(jīng)網(wǎng)絡技術在板料激光彎曲中的應用[J]. 王秀鳳,呂曉東,陳光南,胡世光. 激光技術. 2005(03)
[10]材料性能參數(shù)與板料激光彎曲成形角度的相關性研究[J]. 管延錦,孫勝,趙國群,欒貽國. 中國激光. 2004(04)
碩士論文
[1]基于BP神經(jīng)網(wǎng)絡的點焊接頭疲勞壽命預測研究[D]. 楊軼寧.昆明理工大學 2016
本文編號:3352495
【文章來源】:塑性工程學報. 2020,27(08)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
激光彎曲成形實驗示意圖
為了獲得用于訓練BP神經(jīng)網(wǎng)絡的樣本數(shù)據(jù),分別采用3種不同的激光功率(160、220和280 W)和5種掃描速度(10、15、20、25和30 mm·s-1)自由組合進行激光彎曲成形實驗,并將實驗后的板材室溫自然冷卻,之后測量板材沿激光掃描線方向的彎曲角,共得到15組數(shù)據(jù),如表1所示。實驗中,為了得到較準確的實驗數(shù)據(jù),針對每組實驗參數(shù)進行5次重復實驗,將板材的平均彎曲角作為最終彎曲角數(shù)據(jù)。激光彎曲成形實驗試件如圖2所示。1.2 實驗數(shù)據(jù)的處理
BP神經(jīng)網(wǎng)絡構建的基本思想是利用梯度下降法使網(wǎng)絡的實際輸出值和期望輸出值的誤差均方差達到最小。它包括信號的前向傳播和誤差的反向傳播兩個過程,即計算誤差輸出時按從輸入到輸出的方向進行,而權值和閾值的調(diào)整則按從輸出到輸入的方向進行。BP神經(jīng)網(wǎng)絡模型的基本結構通常包括3層:輸入層、隱含層和輸出層。層與層之間的神經(jīng)元利用權相互連接,而同一層的各神經(jīng)元之間無連接[12],如圖3所示。其中,xi和yi分別為輸入變量和輸出變量。由于板材的激光彎曲角主要受激光功率和激光掃描速度的影響,因此,本文將在給定板材彎曲角和激光功率下,對掃描速度進行預測,或在給定板材彎曲角和掃描速度下,對激光功率進行預測。因此,所構建BP神經(jīng)網(wǎng)絡的輸入層節(jié)點數(shù)確定為2,輸出層節(jié)點數(shù)確定為1。網(wǎng)絡隱含層節(jié)點數(shù)M可根據(jù)經(jīng)驗公式(式(3))估算得到[8]:
【參考文獻】:
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡的奧貝球鐵的熱處理工藝優(yōu)化[J]. 鄒偉,王榮吉,張立強,俞杰,童希. 熱加工工藝. 2020(06)
[2]板材幾何尺寸對激光彎曲成形角的影響[J]. 董文彬,張雅晶,張華,陳豐. 塑性工程學報. 2019(06)
[3]雙相高強鋼板的激光彎曲成形數(shù)值模擬[J]. 張雅晶,董文彬,張華,夏顯明,陳豐. 塑性工程學報. 2019(03)
[4]新能源車懸架U形縱臂成形缺陷分析與工藝參數(shù)優(yōu)化[J]. 劉斌,曾艷. 鍛壓技術. 2019(02)
[5]大型厚壁管熱擠壓成形工藝參數(shù)優(yōu)化[J]. 李琚陳. 鍛壓技術. 2018(01)
[6]BP神經(jīng)網(wǎng)絡在鋁合金板材激光彎曲成形中的應用[J]. 李金華,蘇智超,姚芳萍,張建李. 熱加工工藝. 2017(01)
[7]激光彎曲工藝參數(shù)對鋁合金板材彎曲角度的影響[J]. 李金華,蘇智超,姚芳萍,張建李. 熱加工工藝. 2016(21)
[8]Heat-treated microstructure and mechanical properties of laser solid forming Ti-6Al-4V alloy[J]. ZHANG Shuangyin, LIN Xin, CHEN Jing, and HUANG Weidong School of Materials Science and Engineering, State Key Laboratory of Solidification Processing, Northwestern Polytechnical University, Xi’an 710072, China. Rare Metals. 2009(06)
[9]人工神經(jīng)網(wǎng)絡技術在板料激光彎曲中的應用[J]. 王秀鳳,呂曉東,陳光南,胡世光. 激光技術. 2005(03)
[10]材料性能參數(shù)與板料激光彎曲成形角度的相關性研究[J]. 管延錦,孫勝,趙國群,欒貽國. 中國激光. 2004(04)
碩士論文
[1]基于BP神經(jīng)網(wǎng)絡的點焊接頭疲勞壽命預測研究[D]. 楊軼寧.昆明理工大學 2016
本文編號:3352495
本文鏈接:http://sikaile.net/kejilunwen/jinshugongy/3352495.html
最近更新
教材專著