基于神经网络和遗传算法的激光多层熔覆厚纳米陶瓷涂层工艺优化

将反馈型(BP)神经网络和遗传算法(GA)相结合用于激光多层熔覆厚纳米Al2O3-13%TiO2(质量分数)陶瓷涂层的工艺参数优化,根据3因素3水平正交试验结果对神经网络模型结构进行训练,建立了熔覆工艺参数(熔池闭环控制温度、超声振动频率及保温箱预热温度)与涂层性能(结合强度和显微硬度)之间的遗传神经网络预测模型。在此基础上,采用遗传算法对纳米陶瓷涂层结合强度和显微硬度进行了单目标和多目标参数优化。结果表明,遗传神经网络模型预测值与试验值误差较小,相对误差不超过2.5%。遗传算法优化的涂层最大结合强度和显微硬度分别为70.7 MPa和2025.5 HV;在结合强度和显微硬度两者权重相同的情况下