專利名稱：模具表面激光強化工藝優(yōu)化的制作方法
技術領域：
本發(fā)明屬于激光熱處理技術領域，具體地說，是用于優(yōu)化激光強化工藝參數(shù)，以改善模具表面性能的系統(tǒng)。
背景技術：
目前，激光強化技術的工藝方案基本上是以材料學研究人員和激光加工工藝研究人員經過大量的工藝試驗研究得出的工藝數(shù)據為依據，憑借經驗進行性能預報和工藝參數(shù)設計。但是激光表面強化過程包含了一系列復雜而又相互影響的物理化學過程。研究人員往往忽略了許多因素，普遍將作用光束假設為理想的基模高斯光束、將被處理材料視為熱物性參數(shù)與溫度無關的半無限大均勻介質，利用熱傳導方程的結果估算熱作用。由于激光強化過程瞬時性和復雜性，僅圍繞溫度、相變等進行簡單計算，對相變后的組織分布、溫度場和材料性能之間的關系未加考慮，不能準確的對實際的強化工藝的制定起很好的指導作用。同時激光加工技術的不斷發(fā)展和加工對象的日益復雜，這種不確定的工藝方案的局限性越來越突出。合理規(guī)劃激光強化工藝，如選擇合適的激光功率、保護氣、光斑直徑、掃描速度及路徑等因素都對模具表面強化有著重要的意義。BP神經網絡具有高度的非線性函數(shù)逼近能力、自適應學習能力、容錯能力和并行信息處理能力，為解決不確定非線性系統(tǒng)的建模提供了一條新的途徑。因此，基于神經網絡的激光強化工藝優(yōu)化可以解決激光強化實踐中的一系列工藝問題，從而提高模具表面的性能，降低模具生產和修復成本，增加經濟效益。

發(fā)明內容
在模具的生產和修復時，為了免除選擇模具表面強化工藝的費時費力且精確性不高的重復試驗過程，本發(fā)明將提供一種選擇強化工藝的智能化軟件，該軟件建立了各個工藝參數(shù)與強化結果之間的預測模型。用戶只需要輸入強化表面的基本情況，便可以根據這些輸入數(shù)據自動分析、計算、模擬，最終得到最合適的工藝參數(shù)。本專利解決其技術問題所采用的技術方案是采用BP神經網絡和優(yōu)化算法相結合的方法對激光強化工藝參數(shù)進行優(yōu)化。神經網絡建立了強化工藝參數(shù)和強化表面的硬度、硬化深度之間的3層或3層以上網絡預測模型。輸入層有四個神經元激光功率、掃描速度、光斑直徑、保護氣大小，輸出層為兩個神經元硬度、硬化深度。隱含層有多個神經元， 其個數(shù)可由經驗公式確定。利用訓練樣本對所建立的網絡進行訓練，形成輸入輸出之間的高度映射關系，再根據神經網絡輸入輸出的映射關系，使用一種優(yōu)化算法對工藝參數(shù)進行智能擇優(yōu)。本專利的有益效果是，能夠以省時省力而且最經濟的方式選擇出最優(yōu)激光強化工藝參數(shù)，提高模具表面性能改進的效果。


圖1為三層神經網絡模型結構圖。圖1中1為激光功率值；2為掃描速度值；3為光斑直徑值；4為送粉量值；5為神經網絡隱含層；6為硬化深度值；7為硬度值。
具體實施例方式根據模具表面狀況，輸入材料的性質、強化后要達到的硬度和硬化深度以及所選擇的算法，計算機將自動完成模型建立和計算并選擇出最優(yōu)工藝參數(shù)激光功率、掃描速度、光斑直徑、保護氣大小。其實施過程為首先，收集整理試驗數(shù)據，建立工藝參數(shù)與模具表面強化質量之間的BP神經網絡模型，并用所收集的數(shù)據對BP網絡模型進行訓練。然后， 結合優(yōu)化算法，調用神經網絡對工藝參數(shù)進行優(yōu)化，系統(tǒng)將獲得的輸出值與用保存的優(yōu)化工藝參數(shù)值得到的輸出值進行比較。若用新的參數(shù)值得到的神經網絡輸出值比原來的好， 則代替原來的參數(shù)值成為新的最優(yōu)工藝參數(shù)值。否則仍然保留原來的最優(yōu)工藝參數(shù)值。系統(tǒng)持續(xù)的進行篩選計算，直到到達設定的精度要求。此時的工藝參數(shù)值就是模具表面強化最優(yōu)工藝參數(shù)值。
權利要求
1.一個模具表面激光強化工藝優(yōu)化系統(tǒng)，能自動地設計出最優(yōu)強化工藝，其特征是 采用神經網絡和優(yōu)化算法相結合的方法對激光強化工藝參數(shù)進行優(yōu)化設計。
2.根據權利要求1所述的模具表面激光強化工藝優(yōu)化系統(tǒng)，其特征還有神經網絡建立3層或3層以上網絡預測模型，利用訓練樣本對所建立的網絡進行訓練，形成輸入輸出之間的高度映射關系。
3.根據權利要求1所述的模具表面激光強化工藝優(yōu)化系統(tǒng)，其特征還有使用一種優(yōu)化算法，根據神經網絡輸入輸出的映射關系對工藝參數(shù)進行智能擇優(yōu)。
全文摘要
一個模具表面激光強化工藝優(yōu)化系統(tǒng)，采用神經網絡和各種算法相結合的方法對激光強化工藝參數(shù)進行優(yōu)化設計，能自動地設計出最優(yōu)強化工藝。神經網絡建立3層或3層以上網絡預測模型，利用訓練樣本對所建立的網絡進行訓練，形成輸入輸出之間的高度映射關系。使用一種優(yōu)化算法，根據神經網絡輸入輸出的映射關系對工藝參數(shù)進行智能擇優(yōu)。本發(fā)明免除了大量的重復性的工藝選擇試驗、節(jié)約了時間、降低了模具的生產和修復成本，在程序的控制下自動完成激光功率、掃描速度、光斑直徑、保護氣大小等因素的自動匹配。本發(fā)明通過最優(yōu)工藝可以提高對模具表面強化的質量。
文檔編號G06F17/50GK102479259SQ20101055442
公開日2012年5月30日 申請日期2010年11月23日 優(yōu)先權日2010年11月23日
發(fā)明者伍耀庭, 劉繼常, 王雙喜, 王國權, 顏丙功 申請人:佛山市華南精密制造技術研究開發(fā)院, 廣東科信達科技有限公司, 湖南大學