RBF神经网络在激光熔覆钴基合金涂层稀释率预测中的应用
Applied Laser（2021）
摘要
应用光纤激光器在GCr15轴承钢表面激光熔覆制备钴基合金涂层,运用正交试验研究激光功率、扫描速度与送粉率等工艺参数对熔覆层稀释率的影响,通过极差分析确定影响稀释率的关键因素,基于正交试验结果采用RBF神经网络建立激光工艺参数与熔覆层稀释率之间的预测模型,并用测试样本对网络进行检验.结果表明:对稀释率影响最显著的因素为送粉率,由于粉末熔化存在所需能量阈值和"热屏蔽"效应,稀释率并非随着激光功率和送粉率的增大而一直增大或减小,而是存在波动现象;随着扫描速度的增大,稀释率不断变小,稀释率的变化由各熔覆工艺参数交互作用决定.经过试验数据训练后的RBF神经网络模型可以实现对不同激光工艺参数下制备的钴基涂层稀释率进行预测,预测值和试验测得值之间的相对误差都在6％以内,具有较高的预测能力.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要