[发明专利]一种神经网络激光切割质量预测方法

说明书

本发明公开的神经网络激光切割质量预测方法，包括取待加工的原件作为样本按不同的激光切割参数集进行切割实验；获取所述切割实验的实验数据；构建神经网络，设置神经网络的传输函数、学习率、训练次数、训练目标、动量因子和训练参数；对所述实验数据进行预处理，利用所述实验数据对所述神经网络进行训练和验证；利用所述神经网络模型进行切割工艺的模拟寻找满足所述质量要求的最优的目标激光切割参数集。本发明利用较少的切割实验获取实验数据来对三层反向传输神经网络训练建模，利用所述三层反向传输神经网络预测全部激光切割参数，选取符合客户质量要求的目标预测结果；具有周期短、成本低，效率高，能够更快的获取最优的激光切割参数等优点。

技术领域

本发明涉及激光切割技术领域，尤其涉及一种神经网络激光切割质量预测方法。

背景技术

激光切割是利用高功率密度激光束照射被切割材料，使材料很快被加热至汽化温度，蒸发形成孔洞，随着光束与材料间的相对移动完成对材料的切割。

在工业激光切割过程中，有的材料的切割过程对激光切割的质量有较高的要求，如果要一台切割设备能够加工有特定切割质量要求的材料，需要工艺人员通过激光切割实验获取达到该质量要求的激光切割参数，根据激光切割参数来调机并验证实际的效果，而且一旦客户改进要求，需要重新实验获取满足新要求的切割参数，现有通过实验方式获取优化的激光切割参数的周期长，实验过程往往成本高，而且受实验的限制优化进步空间往往较小，很难达到最优或者接近最优激光切割参数，导致生产过程实际造成了隐性的效率浪费；而且当客户更改要求时，需要一切都要从重新实验再开始，造成加工成本高。

发明内容

本发明提供一种神经网络激光切割质量预测方法，旨在解决现有技术中根据实验获取激光切割参数来满足有一定切割要求的加工业务的手段在实际生产中成本高、周期长、效率浪费的问题。

为实现上述目的，本发明提供一种神经网络激光切割质量预测方法，包括：

取待加工的原件作为样本按不同的激光切割参数集进行切割实验；

获取所述切割实验的实验数据；

构建神经网络，设置神经网络的传输函数、学习率、训练次数、训练目标、动量因子和训练参数；

对所述实验数据进行预处理，利用所述实验数据对所述神经网络进行训练和验证；

利用所述神经网络模型进行切割工艺的模拟寻找满足所述质量要求的最优的目标激光切割参数集。

优选地，随机选取一定数量的所述原件，设定激光切割参数集，在所述原件的待加工面上进行N次重复的切割形成N个切口，调整激光切割参数集重复进行N次切割形成N个切口，并重复获取足够训练所述神经网络的所述实验数据。

优选地，按照所述质量要求确定需要测量的所述切口的数据；

取相同激光切割参数集下切口N个切口数据的平均值作为结果数据。

优选地，对所述实验数据进行预处理包括：对所述实验数据进行归一化处理，将所述实验数据分为训练数据和验证数据，随机取所述实验数据的80％作为所述训练数据，随机取所述实验数据的20％作为所述验证数据。

优选地，所述构建神经网络包括：构建三层反向传播神经网络，所述三层反向传播神经网络包括输入层、隐藏层和输出层；其中，根据客户的所述质量要求的数量确定神经网络输出层的输出节点数量；根据所述激光切割参数集确定神经网络的输入层的输入节点数量；取所述实验数据中部分数据测试隐藏层最优的节点数量；确定隐藏层传输函数、输出层传输函数和反向传播训练函数。

优选地，利用所述训练数据训练所述三层反向传播神经网络，利用所述验证数据验证所述三层反向传播神经网络。