10.14128/j.cnki.al.20173701.072
基于改进BP神经网络算法的激光相变硬化层深度的研究
采用实验与神经网络预测相结合的方法,对基于温度控制的激光相变硬化工艺参数进行了研究.首先,使用基于温度可控的大功率半导体直接输出激光加工系统对45 #钢进行设定温度下的激光相变硬化实验.然后,通过改进的BP神经网络算法构建神经网络模型,并采用所获得的实验样本数据训练该人工神经网络模型.模型中所采用的改进BP神经网络算法是遗传算法和基于新型误差函数的批量训练神经网络算法相结合的混合算法.为验证改进算法的性能,在Lab Windows/CVI软件上应用C编程语言实现了该算法.通过运行程序发现,采用此算法的收敛速度比传统算法提高了约80%,预测输出的指标与实际值之间的偏差小于4%.
相变硬化、工艺参数、人工神经网络、遗传算法
37
TN249(光电子技术、激光技术)
浙江省自然科学基金LY16E050014
2017-04-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
72-78