基于遗传神经网络的镍基高温合金激光熔覆层形貌质量预测
采用反向传播(back propagation,BP)人工神经网络(artificial aeural network,ANN)和遗传算法建立了激光熔覆层形貌质量(熔覆层高度、宽度及稀释率)与激光功率、送粉速率和扫描速率之间的遗传神经网络预测模型.设计正交试验得到预测模型训练样本数据,并在正交试验的基础上,用极差分析法分析了各加工参数对熔覆层形貌质量各个指标的影响规律.经过试验验证,遗传神经网络模型预测值与试验实测值误差不大于4.6％.结果表明,运用该模型可以为准确的选择镍基高温合金激光熔覆参数提供一定参考,从而有利于提高镍基高温合金激光熔覆层形貌质量.
激光熔覆、形貌质量、人工神经网络、遗传算法、极差分析
34
TG156.99(金属学与热处理)
国家自然科学基金资助项目51205198;中国博士后科学基金面上资助项目2012M511266;江苏省博士后科研计划资助项目1102052C
2014-01-15（万方平台首次上网日期，不代表论文的发表时间）
共5页
78-82
