Оптимизация параметров двулучевого лазерного раскалывания силикатных стекол по криволинейным траекториям

Abstract

This study develops regression and neural network models of double-beam laser cleaving of silicate glasses following curved paths. These models have been obtained by means of numerical experiment using the central composite design. The numerical experiment involved variable factors such as laser processing velocity, laser beam powers with wavelengths of 10,6 μm and 1,06 μm, and geometrical parameters of the elliptical laser beam with a wavelength of 10,6 μm. The values of maximum temperatures and maximum thermoelastic tensile stresses within the double-beam treatment zone were determined as responses, the calculation of which was performed via the finite element method using APDL (Ansys Parametric Design Language). TensorFlow was used to establish effective architectures for artificial neural networks in order to determine the maximum temperature and maximum thermoelastic tensile stresses in the laser-treated area. The comparison between the neural network and the regression models in the framework of double-beam laser cleaving revealed that artificial neural networks are more effective in predicting parameters related to double-beam cleaving of silicate glasses along curved paths. The genetic algorithm was employed to conduct multicriteria optimization of laser curved cutting parameters. = В работе при помощи численного эксперимента с использованием центрального композиционного плана получены регрессионные и нейросетевые модели процесса двулучевого лазерного раскалывания силикатных стекол по криволинейным траекториям. При реализации численного эксперимента скорость лазерной обработки, мощности лазерных пучков с длинами волн 10,6 мкм и 1,06 мкм и геометрические параметры эллиптического лазерного пучка с длиной волны 10,6 мкм были использованы в качестве варьируемых факторов. Значения максимальных температур и максимальных термоупругих напряжений растяжения в зоне двулучевой обработки определялись методом конечных элементов с использованием языка программирования APDL в качестве откликов. При помощи пакета TensorFlow были установлены эффективные архитектуры искусственных нейронных сетей для определения максимальных температур и максимальных термоупругих напряжений в зоне лазерной обработки. Сравнение нейросетевых и регрессионных моделей процесса двулучевого лазерного раскалывания показало более высокую эффективность искусственных нейронных сетей при прогнозировании параметров двулучевого раскалывания силикатных стекол по криволинейным траекториям. Проведена многокритериальная оптимизация параметров лазерной криволинейной резки с использованием генетического алгоритма.