基于机器学习和遗传算法的基超合金的Femtosecond激光打击钻探过程的设计
Zhixi Zhao1, Yunhe Yu2, Ruijia Sun3
1State Key Laboratory of Rolling and Automation, Northeastern University, Shenyang 110819, China.
Micromachines
|November 25, 2023
概括
这项研究引入了一种机器学习和遗传算法方法,以优化飞机发动机薄膜冷却孔的五秒激光钻探. 该方法提高了钻井质量和效率,克服了传统实验技术的局限性.
科学领域:
- 材料科学与工程 材料科学与工程
- 制造过程 制造过程 制造过程
- 激光技术 激光技术 激光技术
背景情况:
- 五秒激光钻探对于在航空发动机轮机叶片中创建薄膜冷却孔至关重要.
- 优化激光钻探的传统实验方法是低效和耗时的.
- 高质量的孔形成需要精确控制激光处理参数.
研究的目的:
- 开发一个最优化的工艺设计方法为femtosecond激光钻探.
- 为了提高薄膜冷却孔制造的质量和效率.
- 克服试错实验方法的局限性.
主要方法:
- 建立了用于 femtosecond激光打击钻探的数据集.
- 对比和分析了各种用于预测模型构建的机器学习算法.
- 结合高斯支持向量回归与优化遗传算法.
主要成果:
- 确定了用于预测建模的最佳机器学习算法.
- 成功优化了超出原始数据范围的收缩和材料去除率.
- 在钻井质量和效率方面取得了全面的改进.
结论:
- 拟议的机器学习和遗传算法框架提供了一个高效和具有成本效益的解决方案.
- 这种方法显著提高了femtosecond激光敲击钻探过程.
- 为航空航天应用中先进制造提供了一条途径.
