模具表面激光强化工艺优化制造技术

一个模具表面激光强化工艺优化系统，采用神经网络和各种算法相结合的方法对激光强化工艺参数进行优化设计，能自动地设计出最优强化工艺。神经网络建立3层或3层以上网络预测模型，利用训练样本对所建立的网络进行训练，形成输入输出之间的高度映射关系。使用一种优化算法，根据神经网络输入输出的映射关系对工艺参数进行智能择优。本发明专利技术免除了大量的重复性的工艺选择试验、节约了时间、降低了模具的生产和修复成本，在程序的控制下自动完成激光功率、扫描速度、光斑直径、保护气大小等因素的自动匹配。本发明专利技术通过最优工艺可以提高对模具表面强化的质量。

【技术实现步骤摘要】

本专利技术属于激光热处理
，具体地说，是用于优化激光强化工艺参数，以改善模具表面性能的系统。
技术介绍
目前，激光强化技术的工艺方案基本上是以材料学研究人员和激光加工工艺研究人员经过大量的工艺试验研究得出的工艺数据为依据，凭借经验进行性能预报和工艺参数设计。但是激光表面强化过程包含了一系列复杂而又相互影响的物理化学过程。研究人员往往忽略了许多因素，普遍将作用光束假设为理想的基模高斯光束、将被处理材料视为热物性参数与温度无关的半无限大均勻介质，利用热传导方程的结果估算热作用。由于激光强化过程瞬时性和复杂性，仅围绕温度、相变等进行简单计算，对相变后的组织分布、温度场和材料性能之间的关系未加考虑，不能准确的对实际的强化工艺的制定起很好的指导作用。同时激光加工技术的不断发展和加工对象的日益复杂，这种不确定的工艺方案的局限性越来越突出。合理规划激光强化工艺，如选择合适的激光功率、保护气、光斑直径、扫描速度及路径等因素都对模具表面强化有着重要的意义。BP神经网络具有高度的非线性函数逼近能力、自适应学习能力、容错能力和并行信息处理能力，为解决不确定非线性系统的建模提供了一条新的途径。因此，本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：刘继常，颜丙功，伍耀庭，王双喜，王国权，
申请(专利权)人：湖南大学，佛山市华南精密制造技术研究开发院，广东科信达科技有限公司，
类型：发明
国别省市：