激光熔凝參數(shù)BP神經(jīng)網(wǎng)絡(luò)的反求

劉立君+姜亞青+王曉鵬+姚紀(jì)榮

摘 要：針對激光熔凝參數(shù)與熔凝單元體橫截面尺寸之間呈現(xiàn)高度非線性映射關(guān)系，提出運(yùn)用BP神經(jīng)網(wǎng)絡(luò)反求激光熔凝參數(shù)算法。利用BP網(wǎng)絡(luò)算法建立激光熔凝參數(shù)反求模型，經(jīng)過多次訓(xùn)練，模型預(yù)測誤差縮小到3%以內(nèi)。通過反求參數(shù)對DIEVAR模具鋼做熔凝處理，結(jié)果表明，熔凝單元體橫截面尺寸與期望值吻合誤差為1.33%，能夠滿足期望精度。通過對比研究經(jīng)反求參數(shù)做熔凝處理和未經(jīng)處理DIEVAR材料的抗熱疲勞性能，觀察分析熱疲勞裂紋在材料表面萌生及擴(kuò)展形態(tài)，結(jié)果顯示，經(jīng)反求參數(shù)熔凝處理過的DIEVAR模具鋼其抗熱疲勞性能大幅度提高，熔凝單元體對裂紋阻斷有很好的效果。

關(guān)鍵詞：激光熔凝；參數(shù)反求；BP神經(jīng)網(wǎng)絡(luò)；熱疲勞

DOI：10.15938/j.jhust.2017.03.020

中圖分類號： TP274

文獻(xiàn)標(biāo)志碼： A

文章編號： 1007-2683（2017）03-0112-05

Abstract：Aim at highly nonlinear mapping relationship between the laser processing parameters and the melting cell bodys transverse size， a method of reverse engineering laser melting parameters by back-propagation（BP）neural network was put forward. The model was constructed by BP neural network， and the prediction error was reduced to less than 3% after training for many times. The DIEVAR die steel was melted by reverse engineering laser parameters， and the results show that the error was 1.33% between the transverse dimensions of the melting cell body and the expected， the expected precision can be met well. Thermal fatigue property of the melted and non-melted DIEVAR die steel has been studied. The analysis about cracks growth presents that thermal fatigue property of DIEVAR die steel melted by the reverse engineering parameters has been greatly improved. The melting cell body could block crack effectively.

Keywords：laser melting； inverse solution of parameters； BP neural network； thermal fatigue

圖6為循環(huán)1000次、1600次和2200次時(shí)兩個(gè)試件的熱疲勞裂紋擴(kuò)展記錄。由a）b）c）三圖可知，當(dāng)熱疲勞循環(huán)次數(shù)R<1600次時(shí)，試件一上裂紋向兩邊伸展，雖然經(jīng)過600次的熱疲勞循環(huán)之后，縱向裂紋仍然處于萌生階段；當(dāng)R=2200次時(shí)，裂紋1擴(kuò)展到熔凝區(qū)邊緣時(shí)改變了生長方向；另外由于能量的消耗，縱向裂紋2頂端的錐狀已明顯鈍化，但是頂端已靠近熔凝單元體，要突破熔凝層并向前伸展則需要消耗更多的能量。從圖c）中可以看到，縱向裂紋首先在熔凝區(qū)中組織結(jié)構(gòu)較薄弱的地方萌生新的裂紋3，裂紋2和裂紋3處同時(shí)發(fā)生熱應(yīng)力集中，導(dǎo)致加速裂紋2的生長并與裂紋3銜接，這種現(xiàn)象被稱為“橋接”[19-20]，故而出現(xiàn)圖5中裂紋長度突然加大的現(xiàn)象。由圖d）、e）、f）三圖可知，試件二上裂紋萌生以及生長沒有規(guī)律，并且隨著熱疲勞循環(huán)次數(shù)的增加，裂紋生長趨勢也隨之增加。由此可見，試件一上熔凝單元體起到了阻斷裂紋生長的作用，即通過反求參數(shù)熔凝處理過的試件的抗熱疲勞性能明顯提高，起到了強(qiáng)化材料的作用。

4 結(jié) 論

1）針對目前激光強(qiáng)化參數(shù)制定方面仍然采用經(jīng)驗(yàn)加試驗(yàn)的方法，本文將基于Matlab下的BP神經(jīng)網(wǎng)絡(luò)用于反求激光熔凝參數(shù)，為激光熔凝強(qiáng)化工藝制定提供了一個(gè)有力參考，可以節(jié)省大量的實(shí)驗(yàn)時(shí)間，降低實(shí)驗(yàn)成本，縮短激光熔凝強(qiáng)化的周期。

2）通過激光熔凝參數(shù)反求模型獲得的參數(shù)加工所得熔凝單元體橫截面尺寸與期望值的吻合誤差在1.33%以內(nèi)，吻合度很高，而且熔凝后材料的表面粗糙度比較好。

3）采用激光熔凝參數(shù)反求模型獲得的參數(shù)強(qiáng)化DIEVAR模具鋼能大幅度提高其抗熱疲勞性能，對裂紋阻斷有很好的效果。

參 考 文 獻(xiàn)：

[1] 李美艷， 王勇， 韓彬，等. 熱處理中高鉻鋼激光熔凝層的組織轉(zhuǎn)變[J]. 材料熱處理學(xué)報(bào)， 2011， 32（1）：103-108.

[2] 姜偉， 朱璽寶， 韓莉. 不銹鋼激光熔凝工藝研究[J]. 現(xiàn)代制造工程， 2010， 38（7）：72-74.

[3] JIA Z X， LI J Q， LIU L J， et al. Performance Enhancements of Highpressure Diecasting die Processed by Biomimetic Laserremelting Process[J]. The International Journal of Advanced Manufacturing Technology， 2012， 58（5）：421-429.

[4] 李繼強(qiáng)， 胡樹兵， 史華亮，等. 激光熔凝處理對壓鑄模具鋼熱疲勞性能的影響[J]. 華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015， 43（12）：56-59.

[5] 湯素麗， 羅宇鋒. 人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展與應(yīng)用[J]. 電腦開發(fā)與應(yīng)用， 2009， 22（10）：59-61.

[6] 毛凱， 時(shí)寶. 具有混合時(shí)滯的BAM神經(jīng)網(wǎng)絡(luò)全局指數(shù)穩(wěn)定性分析[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2012， 17（6）：6-13.

[7] ZHANG Junhong， Anguo. MultiObjective Optimization and Analysis Model of Sintering Process Based on BP Neural Network[J].鋼鐵研究學(xué)報(bào)（英文版）， 2007， 14（2）：1-5.

[8] 李延民， 潘清躍. 應(yīng)用人工神經(jīng)網(wǎng)絡(luò)于激光加工工藝優(yōu)化[J]. 材料熱處理學(xué)報(bào)， 1998（4）：14-18.

[9] 潘清躍， 張奇志. 基于人工神經(jīng)網(wǎng)絡(luò)-遺傳算法的1Cr18Ni9Ti鋼激光表面熔凝工藝優(yōu)化[J]. 材料研究學(xué)報(bào)， 1998， 12（3）：251-256.

[10]莫旭輝， 韓旭， 鐘志華. 基于漸近神經(jīng)網(wǎng)絡(luò)的汽車前輪定位參數(shù)反求[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2008， 35（6）：18-22.

[11]張志輝， 任露泉， 周宏，等. 抗熱疲勞仿生耦合制動轂的激光加工參數(shù)[J]. 吉林大學(xué)學(xué)報(bào)， 2009， 39（4）：953-958.

[12]史華亮， 李繼強(qiáng)， 賈志欣，等. Cr12鋼激光表面熔凝后的性能研究[J]. 激光與光電子學(xué)進(jìn)展， 2014（9）：156-161.

[13]趙宇， 王充， 任露泉，等. AM60B鎂合金激光熔凝工藝研究[J]. 熱加工工藝， 2012， 41（9）：9-11.

[14]周開利， 康耀紅. 神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京：清華大學(xué)出版社，2005： 5-6.

[15]劉國東， 丁晶. BP 網(wǎng)絡(luò)用于水文預(yù)測的幾個(gè)問題探討[J]. 水利學(xué)報(bào)， 1999（1）：65-70.

[16]張文鴿， 吳澤寧， 逯洪波. BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其應(yīng)用[J]. 河南科學(xué)， 2003， 21（2）：202-206.

[17]劉天舒. BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用[D]. 哈爾濱： 東北農(nóng)業(yè)大學(xué)， 2011.

[18]劉春艷， 凌建春， 寇林元，等. GABP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)性能比較[J]. 中國衛(wèi)生統(tǒng)計(jì)， 2013， 30（2）：173-176.

[19]周宏， 張志輝， 任露泉，等. 仿生非光滑表面45#鋼模具的熱疲勞性能[J]. 材料科學(xué)與工藝， 2004， 12（6）：561-564.

[20]尤顯卿. GJW35鋼結(jié)硬質(zhì)合金熱疲勞裂紋擴(kuò)展的觀察[J]. 硬質(zhì)合金， 2000， 7（2）：92-95.

（編輯：溫澤宇）