MANIYA的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列評價、門市、特惠價和推薦等優惠

MANIYA進入發燒排行的影片

脈衝雷射切割無定向矽鋼片及人工智能質量預測的實驗研究

為了解決MANIYA的問題，作者阮覃懷 這樣論述：

中 文 摘 要本研究旨在研究雷射參數對無定向矽鋼薄片切割質量的影響，然後通過應用人工智能 (AI) 模型來預測和優化切割質量。首先，本研究提出了四個實驗，實驗一和實驗二以較慢的切割速度研究；實驗三和實驗四則以較快的切割速度研究。在四個實驗中都檢查了熱影響區(HAZ)，因為它對矽鋼材料的磁性影響最大，而熱影響區通過在空氣及溶劑的環境條件下以快慢兩種切割速度進行研究。此外，還評估了幾何形狀、表面粗糙度、切割時間、尺寸精度等質量。實驗一考察了三種雷射參數對切口波紋度和熱影響區兩種切割質量的影響，即雷射功率、切割速度和脈衝重複率。實驗二表明，在水和氯化鈉的環境條件中切割，擁有比在空氣中進行切割更小的

熱影響區。實驗二顯示了HAZ和磁通密度之間的負相關。實驗三研究了雷射參數對切割時間（TC）、切口寬度（KT）、切口錐角（）、HAZ、表面粗糙度（Sa）等多種質量的影響。實驗四評估了環境條件（空氣、去離子水、酒精、潤滑油、氯化鈉和 5%、10%、15% 硝酸酒精溶液）對重鑄層、切割邊緣的浮渣/碎屑的影響。由於在較短的切割時間內切口的質量良好，因此選擇了初始 10% 的條件來研究三個雷射參數 (P、v、f) 對電機鐵芯疊片、HAZ、尺寸精度（內徑誤差ED1、外徑誤差ED2、齒寬誤差EL、內徑圓度C1、外徑圓度C2）、切削時間（TC）。然後，應用極限學習機（ELM）、多元回歸分析（MRA）、人工神

經網絡（ANN）和隨機森林（RF）四種人工智能模型來預測切割質量。結果表明，在所使用的四種模型中，ELM 模型的預測最為準確。此外，隨機森林法還用於確定與響應相關的輸入參數的相對重要性。在全部的四個實驗中都表明，雷射功率對 HAZ 的影響最為顯著。最後，由於ELM在四個 AI 測試模型中預測響應準確度最高，因此選擇 ELM 模型來優化切割質量。通過實施實驗二預測的最佳加工參數，得到的極限學習機-遺傳算法（ELM-GA）進行優化和實驗確認，得到的MFD和HAZ為1.639 T和30.40 µm。在比較三種模型（ELM、MRA、ANN）的預測精度後，開發了一種多目標優化模型，即基於 ELM - G

A 算法的偏好選擇指數（PSI）方法，以優化初始 10% 條件下七種疊片鐵芯的品質。進行實驗驗證以評估最佳預測的準確性，HAZ 為 33.4 µm，ED1 為 14 µm，ED2 為 19 µm，C1 為 21 µm，C2 為 26 µm，EL 為 13 µm，TC 為 34.14 s，其中對於 HAZ、ED1、ED2、C1、C2、EL 和 TC，最佳和實驗確認之間的誤差分別為 4.04%、6.52%、4.02%、0.48%、2.14%、5.09% 和 1.25%。因此，無需任何後處理即可直接形成可組裝鐵芯疊片的優點，使所提出的雷射切割方案成為一種經濟而有效的方法。