激光冲击区表面质量的人工神经网络研究

大量的实验表明,经激光冲击处理后,材料受冲击区的表面质量与材料的疲劳寿命有着明显的关系。因此,表面质量是判断激光冲击强化效果的重要手段。将人工神经网络技术用于激光冲击处理后试件的表面质量分析,建立了激光参数与激光冲击处理后试件的表面质量之间的联系,并用其实现了对冲击处理后的试件表面质量的预测。研究及实验表明,该方法不仅具有准确及稳定性好等特点,而且这种预测能力在实际应用中还具有不断提高的智能特性。     

用激光技术定量测量涂层/基体的结合强度

研究用激光层裂技术定量测量涂层/基体结合强度的机理与实验方法.利用特征线法得出界面处应力的计算公式.实验结果表明,采用相关函数与频谱分析,可以从测量波形中直接判断出界面的脱粘情况,确定界面脱粘的临界状态.     

基于人工神经网络的激光冲击区表面质量预报

应用人工神经网络系统理论,采用机器学习方法,建立了激光冲击区表面质量与激光能量(E)、脉宽(P)、和光斑直径(D)之间的非线性映射关系.对于新的激光参数,网络采用并行推理的方法预报出试件经冲击后的表面质量等级.实践表明,神经网络方法,具有较强的非线性动态处理的能力.