位置:成果数据库 > 期刊 > 期刊详情页
BP神经网络在激光熔凝K465合金裂纹预测中的应用
  • ISSN号:1000-372X
  • 期刊名称:应用激光
  • 时间:2014
  • 页码:9-14
  • 分类:TP183[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程] TN249[电子电信—物理电子学]
  • 作者机构:[1]西北工业大学凝固技术国家重点实验室,陕西西安710072
  • 相关基金:国家高技术研究发展计划(863计划)课题资助项目(项目编号:2013AA031103);国家重点基础研究发展计划(973)资助项目(项目编号:2011CB610402);高等学校博士学科点专项科研基金资助项目(项目编号:20116102110016);国家科学自然基金资助项目(项目编号:51005181;51105311)
  • 相关项目:激光立体成形过程中沉积层生长的稳定性研究
中文摘要:

采用不同工艺参数研究了激光熔凝K465高温合金的开裂行为,并采用BP神经网络模型描述了裂纹指数与工艺参数的关系。研究发现,激光熔凝K465合金的裂纹主要分布在熔池顶部和底部的界面处,并呈现典型的液化开裂特征。通过建立激光熔凝区裂纹指数的数学描述方法,以激光功率、扫描速度、光斑直径和预热温度作为输入参数,以裂纹指数为输出参数,发展了一个均方误差小于10^-8的BP神经网络模型,并可对实验结果进行较好的预测。

英文摘要:

The crack behaviors were investigated in K465 superalloy by laser remelting using different processing parameters. The relationship between the crack index and processing parameter was described by BP neural network. The cracks were mainly distributed near the top and bottom boundary of the molten pool, and presented an intergranular liquation cracking pat- tern. The new crack index was defined to describe the character of the cracks in laser remelting K465 superalloy. Using the la- ser power, scanning velocity, beam spot diameter and preheating temperature as the inputs of model, and the crack index as the output of this model, the BP neural network is established with the mean square error less than 10 8. The predictions of BP neural network show a good agreement with the experimental results.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《应用激光》
  • 北大核心期刊(2011版)
  • 主管单位:
  • 主办单位:上海市激光技术研究所
  • 主编:王之江
  • 地址:上海市宜山路770号
  • 邮编:200233
  • 邮箱:yyjg@laser.net.cn
  • 电话:021-64700560-2107 64516313
  • 国际标准刊号:ISSN:1000-372X
  • 国内统一刊号:ISSN:31-1375/T
  • 邮发代号:4-376
  • 获奖情况:
  • 1996年上海市第二届优秀期刊评比二等奖
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:5768