典型文献
基于人工神经网络的多次搭接激光冲击作用下材料残余应力与显微硬度预测方法
文献摘要：
本文通过人工神经网络方法实现多次搭接激光冲击作用下材料残余应力与显微硬度的预测.以镍基粉末冶金高温合金FGH95为实验材料,基于正交实验设计的思路,确定了多次搭接激光冲击强化的实验参数.利用X射线应力测量仪和显微硬度计分别测量了实验试件激光冲击强化处理前后的残余应力和显微硬度分布,并对残余应力和显微硬度变化规律进行了简要分析.构建了4层网络结构(4-N-(N?1)-2)的人工神经网络预测模型,其中输入为激光能量、光斑搭接率、冲击次数和深度,输出为残余应力和显微硬度.对不同网络结构的预测性能进行了比较和分析.在最优的模型下(网络结构为4-7-6-2),预测值与实验值十分吻合,预测效果极佳.此外,基于人工神经网络的方法,还研究了激光冲击强化工艺参数对材料响应的影响.研究表明,在实验数据较为缺乏的情况下,人工神经网络是预测多次搭接激光冲击作用下材料残余应力和显微硬度的有效方法.
文献关键词：
激光冲击强化;残余应力;显微硬度;人工神经网络
中图分类号：
作者姓名：
吴嘉俊;黄钲;乔红超;韦博鑫;赵永杰;李竟锋;赵吉宾
作者机构：
文献出处：
引用格式：
[1]吴嘉俊;黄钲;乔红超;韦博鑫;赵永杰;李竟锋;赵吉宾-.基于人工神经网络的多次搭接激光冲击作用下材料残余应力与显微硬度预测方法)[J].中南大学学报（英文版）,2022(10):3346-3360
A类：
B类：
冲击作用,残余应力,显微硬度,神经网络方法,镍基,粉末冶金高温合金,FGH95,实验材料,正交实验设计,激光冲击强化,应力测量,测量仪,硬度计,试件,强化处理,硬度分布,人工神经网络预测,神经网络预测模型,激光能量,光斑,搭接率,冲击次数,预测性能,极佳,强化工艺
AB值：
0.235304
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
