Оптимизация параметров двулучевого лазерного раскалывания стеклоизделий трубчатой формы

Abstract

При помощи конечно-элементных расчетов получены регрессионные и нейросетевые модели процесса двулучевого лазерного раскалывания стеклоизделий трубчатой формы. С использованием центрального композиционного плана проведен соответствующий численный эксперимент, в котором скорость вращения стеклянной трубки, геометрические параметры эллиптического лазерного пучка с длиной волны 10,6 мкм и мощности лазерных пучков с длинами волн 10,6 мкм и 1,06 мкм использовались в качестве варьируемых факторов. При этом значения максимальных температур и максимальных термоупругих напряжений растяжения в зоне двулучевой обработки стеклянных трубок определялись в качестве откликов в рамках конечно-элементного моделирования с использованием языка программирования APDL. При помощи библиотеки для машинного обучения TensorFlow выявлены эффективные архитектуры искусственных нейронных сетей для определения максимальных температур и максимальных термоупругих напряжений в зоне лазерной обработки. Проведено сравнение нейросетевых и регрессионных моделей. С использованием генетического алгоритма MOGA проведена многокритериальная оптимизация параметров двулучевого лазерного раскалывания стеклоизделий трубчатой формы. = This study used finite-element calculations to develop regression and neural network models for the double-beam laser cleaving process of tubular-shaped glass products. A numerical experiment was performed using the central composite design, where the rotation speed of the glass tube, the geometric parameters of an elliptical laser beam with a wavelength of 10.6 μm, and the powers of laser beams with wavelengths of 10.6 μm and 1.06 μm were used as variable factors. The maximum temperatures and maximum thermoelastic tensile stresses in the zone of double-beam processing of glass tubes were determined as responses using finite element modelling with APDL (Ansys Parametric Design Language). The effective architectures for artificial neural networks have been established with TensorFlow in order to determine the maximum temperatures and thermoelastic stresses in the laser-treated area. The comparative analysis of neural network and regression models was carried out. A multi-criteria optimization of the parameters of double-beam laser cleaving of tubular-shaped glass products was performed using MOGA (multi-objective genetic algorithm).