面向再制造的激光熔覆工艺参数多目标优化

摘要

再制造是中国制造业向生态文明和高端智能转型的重要载体。激光熔覆作为一种典型的再制造技术，工艺参数的选择直接影响熔覆层的宏观形貌和成形质量进而影响再制造工件的可靠性和服役寿命。在此背景下，为使再制造工件熔覆层综合性能达到最佳，本文对激光熔覆过程工艺参数进行影响分析研究和多目标优化。 在304不锈钢表面熔覆Ni60合金粉末，设计工艺参数单因素试验，研究工艺参数对于熔覆层宏观形貌和显微硬度影响；基于响应面法和试验设计法，设计中心复合试验，运用Design-expert软件分别建立激光功率、送粉量和扫描速度三个工艺参数对于熔覆层宽高比、稀释率和粉末收集率的回归预测模型，进行方差分析验证了模型的可靠性；利用摄动图和3D响应面分析工艺参数以及工艺参数之间交互作用对于各响应目标的影响，为后续的工艺参数多目标优化提供基础数据。 基于综合加权法和层次分析法将熔覆层宽高比、稀释率和粉末收集率三个响应目标转化为综合目标，从而建立工艺参数多目标优化模型；在此基础上，分别使用响应面法和BP神经网络-遗传算法对综合目标进行工艺参数多目标优化，并进行验证实验，两种方法优化后的熔覆层稀释率控制在10%以下，宽高比均大于3，说明熔覆层与基体之间结合紧密，粉末收集率均大于0.5，证明合金粉末尽可能多进入熔覆层中；对这两种优化方法进行比较，结果表明：利用响应面法对激光熔覆工艺参数多目标优化在熔覆层成形质量、宏观形貌以及工艺参数交互影响方面体现出了其独特的优势，这将为进一步提升再制造工件的综合性能奠定基础。

目录

声明

1绪论

1.1 课题来源及背景

1.2 课题研究意义

1.3 国内外研究现状

1.3.1 再制造国内外发展现状

1.3.2 激光熔覆技术发展应用现状

1.3.3 激光熔覆工艺参数优化研究现状

1.4 本文主要研究内容

1.5 本章小结

2 工艺参数多目标优化理论基础

2.1 试验设计和响应面法

2.1.1 试验设计方法

2.1.2 响应面法与Design-Expert 软件

2.1.3 基于试验设计与响应面法的工艺参数影响分析流程

2.2 BP神经网络和遗传算法

2.2.1 BP神经网络

2.2.2 遗传算法

2.2.3 BP神经网络和遗传算法结合优化

2.3 多目标优化理论

2.3.1 多目标优化问题

2.3.2 多目标优化问题求解方法

2.3.3 激光熔覆工艺参数多目标优化流程

2.4 本章小结

3 激光单道熔覆试验条件与试验方法

3.1 试验材料与方法

3.1.1 试验材料

3.1.2 试验设备

3.1.3 样品的制备与检测

3.2 工艺参数和试验目标的确定

3.2.1 工艺参数选取

3.2.2 激光熔覆层宏观形貌和几何特征

3.2.3 试验目标的设定

3.3工艺参数单因素和多因素试验

3.3.1工艺参数单因素试验与结果分析

3.3.2工艺参数多因素试验设计

3.4 本章小结

4 激光熔覆工艺参数多因素试验结果分析

4.1 回归模型的构造与检验

4.1.1 回归模型构造理论

4.1.2 回归模型检验理论

4.1.3 各响应回归模型构造

4.2 激光熔覆各个工艺参数对于响应值的影响分析

4.2.1 工艺参数对于熔覆层宽高比的影响分析

4.2.2 工艺参数对于熔覆层稀释率的影响分析

4.2.3 工艺参数对于激光熔覆过程中粉末收集率的影响分析

4.3 本章小结

5 激光熔覆工艺参数多目标优化

5.1 多目标模型建立

5.1.1 激光熔覆多目标模型设定

5.1.2 层次分析法求解权重

5.2 响应面法工艺参数多目标优化

5.2.1 综合目标回归模型构建

5.2.2 工艺参数对于综合质量影响分析

5.2.3 响应面法工艺参数优化与验证

5.3 BP神经网络-遗传算法工艺参数多目标优化

5.3.1 全因子试验设计与结果

5.3.2 激光熔覆BP神经网络模型的建立

5.3.3 神经网络训练

5.3.4 遗传算法工艺参数优化与验证

5.4 多目标优化方法对比

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士期间发表的论文及所取得的研究成果

致谢