Optimization of laser alloying parameters of 30ХГСН2A steel using a genetic algorithm and neural network modeling

Abstract

The process of laser alloying of structural steel with chromium has been optimized using a genetic algorithm and neural network modeling. Finite element modeling of the process of laser alloying of 30ХГСН2A steel was performed in the ANSYS Workbench software environment taking into account the temperature dependence of the thermophysical properties of materials. A face-centered version of the central compositional design of the experiment was used to construct a surrogate model of laser alloying. Time intervals corresponding to the durations of three laser pulse fronts and the peak power densities of these fronts were selected as experimental factors. Maximum temperatures in the processing zone were analyzed as responses. The process was optimized taking into account the limiting values of the maximum temperatures in the processing zone for three moments in time corresponding to the ends of the laser pulse fronts, at two points of the finite element model. The parameters obtained as a result of optimization were compared with the parameters calculated based on the finite element modeling data. The maximum relative error of temperature values obtained using the genetic algorithm was no more than 4.0 %.

Проведена оптимизация процесса лазерного легирования хромом конструкционной стали с использованием генетического алгоритма и нейросетевого моделирования. Конечно-элементное моделирование процесса лазерного легирования стали 30ХГСН2А выполнялось в программной среде ANSYS Workbench с учетом температурной зависимости теплофизических свойств материалов. Для построения суррогатной модели лазерного легирования использован гранецентрированный вариант центрального композиционного плана эксперимента. В качестве факторов эксперимента были выбраны временные интервалы, соответствующие длительностям трех фронтов лазерного импульса, и пиковые плотности мощности этих фронтов. В качестве откликов анализировались максимальные температуры в зоне обработки. Оптимизация процесса осуществлялась с учетом предельных значений максимальных температур в зоне обработки для трех моментов времени, соответствующих завершениям фронтов лазерного импульса, в двух точках конечно-элементной модели. Проведено сравнение параметров, полученных в результате оптимизации, с параметрами, рассчитанными по данным конечно- элементного моделирования. Максимальная относительная погрешность температурных значений, полученных с использованием генетического алгоритма, составила не более 4,0 %.