激光加工技术——激光熔覆

 激光熔覆技术是指以不同的填料方式在被涂覆基体表面上放置选择的涂层材料经激光辐照使之和基体表面一薄层同时熔化,并快速凝固后形成稀释度极低、与基体材料成冶金结合的表面涂层,从而显著改善基体材料表面的耐磨、耐蚀、耐热、抗氧化及电器特性等的工艺方法。它始于1974年,而兴起于80年代,可以在低成本钢板上制成高性能表面,代替大量的高级合金,以节约贵重、稀有的金属材料,提高材料的金属性能,降低能源消耗,适用于局部易磨损、冲击、剥蚀、氧化及腐蚀等零部件,具有广阔的发展前景。正因为其发展潜力很大,经济效益可观,所以引起了国内外的普遍重视,纷纷投入人力,物力,财力等进行研究。     

激光无铅钎焊速度的影响因素

为了提高激光无铅钎焊的速度,对影响激光无铅钎焊速度的因素(如激光的参数、所用钎料和基体的特性、钎焊的系统结构等)进行了分析研究。研究认为,在激光器、钎料及基体等已定的情况下,相对于那些受到机械惯性制约的移动激光加工头或移动工作台的激光钎焊系统,一种配备了振镜扫描系统和f-theta聚焦透镜的激光钎焊系统具有更高的钎焊速度。另外,对激光钎焊过程中激光束的扫描路径进行了优化,这种优化能在不增加硬件成本的基础上大大缩短总扫描路程,较大程度地提高激光钎焊速度。最后通过实例对激光钎焊的快速性进行了验证。     

脉冲Nd:YAG激光熔覆修复塑料模具工艺参数的优化

激光器的电压、电流、脉冲宽度、脉冲频率与激光的扫描速度、光斑直径等工艺参数直接影响着脉冲Nd:YAG激光熔覆质量。为了简化工艺调整过程,提出了重叠率的概念,并进行了理论推导,建立了重叠率与脉冲频率、激光扫描速度、激光光斑直径相互关系的方程式。利用预置法在低碳钢基体上熔覆Ni基合金粉末,获得了2组最佳工艺参数,即单脉冲能量、重叠率分别为6.7 J,97.4%和21 J,69.4%。研究表明：在单脉冲能量和重叠率一定的条件下,改变电流、脉宽、脉冲频率及熔覆速度不会影响熔覆质量。     

脉冲Nd:YAG激光熔覆修复塑料模具工艺参数的优化

 激光器的电压、电流、脉冲宽度、脉冲频率与激光的扫描速度、光斑直径等工艺参数直接影响着脉冲Nd:YAG激光熔覆质量。为了简化工艺调整过程，提出了重叠率的概念，并进行了理论推导，建立了重叠率与脉冲频率、激光扫描速度、激光光斑直径相互关系的方程式。利用预置法在低碳钢基体上熔覆Ni基合金粉末,获得了2组最佳工艺参数，即单脉冲能量、重叠率分别为6.7 J,97.4%和21 J,69.4%。研究表明：在单脉冲能量和重叠率一定的条件下，改变电流、脉宽、脉冲频率及熔覆速度不会影响熔覆质量。     

激光无铅钎焊速度的影响因素(英文)

为了提高激光无铅钎焊的速度,对影响激光无铅钎焊速度的因素(如激光的参数、所用钎料和基体的特性、钎焊的系统结构等)进行了分析研究。研究认为,在激光器、钎料及基体等已定的情况下,相对于那些受到机械惯性制约的移动激光加工头或移动工作台的激光钎焊系统,一种配备了振镜扫描系统和f-theta聚焦透镜的激光钎焊系统具有更高的钎焊速度。另外,对激光钎焊过程中激光束的扫描路径进行了优化,这种优化能在不增加硬件成本的基础上大大缩短总扫描路程,较大程度地提高激光钎焊速度。最后通过实例对激光钎焊的快速性进行了验证。     

基于遗传算法优化BP神经网络的高炉喷煤优化

高炉炼铁是一个复杂的多变量系统,而现行的操作制度是基于炉长经验的参数设置模式,导致能源尤其是煤粉的消耗常常处于“盲目”状态。本文综合炼铁工艺理论和高炉专家经验,针对白云鄂博矿石冶炼的特殊性,采用筛选出的优化数据,利用遗传算法所固有的全局搜索性能优化BP神经网络模型的权值和阈值,分别建立了基于遗传算法优化BP神经网络的高炉喷煤量优化预测模型以及工艺指标(铁水[Si]含量及入炉焦比)预测模型。优化数据的利用使得上述模型可以根据高炉当前炉况输出喷煤量的最佳优化设定值,并预测出相对应的工艺指标变化趋势。实际应用表明,本方法能够给现场操作人员提供操作指导,实现高炉稳定顺行、提高经济效益的目的。     

基于改进的遗传算法优化BP神经网络并用于红酒质量等级分类

针对以往的红酒生产过程中,红酒质量分类过程复杂且低效,因此研究一种高效可靠的智能分类识别方法很有必要。这里在红酒的多种物理化学成份测定的基础上,使用人工智能理论中的神经网络构建分类模型,实现对红酒质量的高效分类。并用改进的遗传算法对BP神经网络中的缺陷做了一定的优化。对比传统BP网络分类效果,结果表明,改进后的神经网络收敛速度更快,提高了分类的正确率。对红酒加工企业具有积极的实际参考价值。     

遗传算法在离心压缩机参数优化中的应用

遗传算法是当今世界上应用比较广泛的优化算法之一,特别是在处理有界多极值复杂函数方面有着明显的优势．在流体机械行业中,设计参数的优化问题往往涉及求解一些复杂隐函数在约束区间内的极值问题．因此将遗传算法应用到流体机械的设计参数优化当中有明显的现实意义．本文介绍了遗传算法在离心压缩机参数优化中的应用,并与传统的复合型法所获得的优化结果进行了比较,对比的结果显示出了遗传算法的优越性．     

基于能量法的激光熔覆构件疲劳寿命评估研究

激光熔覆零件疲劳寿命评估一直是制约激光熔覆技术在工程中推广应用的一个重要因素,现有研究多为试验研究,缺乏理论分析。为量化评估激光熔覆试件的疲劳寿命,并确定熔覆过程的最优速度参数,采用能量法,综合考虑相变及熔覆过程能量变化规律,建立了激光熔覆构件疲劳寿命评估模型,模型计算结果和试验结果基本吻合。评估模型计算结果表明采用同步送粉法,激光功率、光斑直径及送粉速率一定的情况下,V是180mm/min时为最优参数。     

基于自适应遗传算法的改进PID参数优化

PID控制的控制性能取决于PID参数的设置,针对传统PID参数整定和优化过程中存在的问题进行了PID控制改进,提出了自适应遗传算法整定和优化PID参数的方法。改进PID控制将系统的综合性能控制区分为不同目标的局部性能控制,采用自适应遗传算法针对不同控制目标进行PID参数寻优,选择、交叉和变异概率的自适应改变在保持种群多样性的同时加快算法收敛。改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性。最后通过发动机怠速转速控制应用表明本算法的可行性和有效性。     

基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究

提出了采用改进的遗传算法优化比例-积分-微分(PID)神经网络解耦控制器的连接权值，从而实现PID控制器参数的优化及非线性多变量系统的解耦控制. 改进的遗传算法优于基本遗传算法，它使寻优过程中的计算量减少，计算效率提高，收敛速度加快. 将优化后的PID神经网络解耦控制器应用于统一混沌系统的控制中，仿真实验收到良好的控制效果，证明了PID控制器应用于统一混沌系统控制的有效性. 关键词： 混沌系统 遗传算法 比例-积分-微分 神经网络     

基于BP算法神经网络的物理实验曲线拟合

介绍了人工神经元网络的基本原理和BP算法神经网络。将BP算法神经网络应用于物理实验中的幅频特性曲线拟合，在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性。     

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法（OTSU）、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

BP neural network recognition algorithm for scour monitoring of subsea pipelines based on active thermometry

Scour monitoring is an important concern for subsea pipeline systems. The active-thermometry-based scour monitoring is based on the difference of heat transfer properties between sediment and sand, recognizes the surrounding media though temperature changing patterns during heating and cooling processes, and hence detects the free spans. Based on the scour monitoring system, a two-layer BP neural network was employed to process the monitoring data and achieved media recognition. The network's inputs were normalized temperature time histories. The network's outputs denoted different media: sediment and water. To validate the method, three experiments were conducted; one was used for training the network and the other two for testing. Also, the effect of noise on the network's performance was studied through simulation. The results demonstrated the feasibility and robustness of the neural network.     

神经网络技术在激光脉冲解码领域的应用研究

为提高激光脉冲解码过程的准确性和识别效率,采用神经网络技术对激光脉冲编码解码进行了仿真研究.应用线性神经网络对有规律的编码,如周期型编码和等差型编码,进行了识别.仿真结果表明,对于PCM码,需要约2个周期的脉冲就可准确预测下一个脉冲到达的时间;对于等差型码,需要4个脉冲就可以达到精度要求.然后,应用概率神经网络对伪随机型编码的最小周期进行了识别.仿真结果表明,可以在信息量较少的情况下准确识别此类型编码的最小周期.     

基于BP神经网络的小样本星图识别方法

为解决星敏感器的星图识别算法高实时性和鲁棒性,采用了BP神经网络;根据飞行轨迹精简了导航星及对应的模式,即一个视场中的一幅星图对应一个惟一的导航模式。采用二维Voronoi图计算向平面上最大空圆,构造了完备的圆视场集合;经过反复比较,选择以恒星为顶点能构造包含视场中所有星的凸多边形的导航模式,以其角距和顶角作为识别向量,具有平移和旋转不变性,并以该模式为BP神经网络的训练样本。仿真试验表明：该方法的识别成功率达100%,识别时间小于20ms。     

基于遗传模拟退火算法的室内照明节能控制方法研究北大核心CSCD

目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。     

基于遗传算法的重复囚徒困境博弈策略在复杂网络中的演化

利用遗传算法研究重复囚徒困境博弈策略在复杂网络中的演化.研究结果表明：处于复杂网络中有记忆的个体通过基因的复制、重组、变异和选择能够进化出一种自组织的合作机制.这种合作机制既能够在群体中激发合作行为的产生，加强和维护持续的合作行为，同时又能对背叛的个体进行惩罚和报复，因此能够促使复杂网络中进化出具有很高合作率的群体. 关键词： 复杂网络 遗传算法 进化博弈 合作     

Numeral eddy current sensor modelling based on genetic neural network

This paper presents a method used to the numeral eddy current sensor modelling based on the genetic neural network to settle its nonlinear problem. The principle and algorithms of genetic neural network are introduced. In this method, the nonlinear model parameters of the numeral eddy current sensor are optimized by genetic neural network （GNN） according to measurement data. So the method remains both the global searching ability of genetic algorithm and the good local searching ability of neural network. The nonlinear model has the advantages of strong robustness, on-line modelling and high precision. The maximum nonlinearity error can be reduced to 0.037% by using GNN. However, the maximum nonlinearity error is 0.075% using the least square method.     

基于GA-WPA优化的BP神经网络目标威胁估计

在防空作战中,目标威胁估计是指挥控制过程的重要一环,是决策和指挥的重要依据。BP神经网络能够解决目标威胁估计问题,但存在收敛速度慢、易陷入局部最优等缺点。提出将遗传算法(Genetic Algorithm,GA)的选择、交叉和变异操作融入到狼群算法(Wolf Pack Algorithm,WPA)中,提出了GA-WPA算法,以提高狼群算法的收敛速度。在此基础上,利用所提出的GA-WPA算法对BP神经网络进行优化,确定最优初始权值和阈值。最后,将优化后的BP神经网络解决地面防空系统目标威胁估计问题。仿真实验表明,所提算法能够有效克服BP神经网络收敛速度慢、易陷入局部最优等缺点,能够提高目标威胁估计的准确性和适应性。