雷射切割不銹鋼之粗糙度預(yù)測(cè)模式探討.ppt

雷射切割不銹鋼之粗糙度預(yù)測(cè)模式探討,學(xué)生 吳閔詮 呂建堂 施佑霖 指導(dǎo)教授 陳沛仲 老師,雷射加工應(yīng)用,1.精密切割 2.微孔加工 3.精密焊接 4.表面處理,5.標(biāo)誌刻印 6.晶圓劃線 7.電阻修整,文獻(xiàn)回顧,1.雷射切割 2.反應(yīng)表面法 3.田口法 4.類神經(jīng)網(wǎng)路,研究範(fàn)圍與目的,1.理論基礎(chǔ) :利用反應(yīng)表面法與類神經(jīng)網(wǎng)路配合田口法,並比較兩種預(yù)測(cè)模式的準(zhǔn)確性。 2.預(yù)測(cè)模式部份:藉由其實(shí)驗(yàn)設(shè)計(jì)和分析推導(dǎo)出輸入變數(shù)和輸出應(yīng)變數(shù)間的數(shù)學(xué)關(guān)係式,以判讀其特性趨勢(shì),作為預(yù)測(cè)之用。 3.同時(shí)結(jié)合田口法的直交表、平均數(shù)分析及變異數(shù)分析等，找出執(zhí)行倒傳遞類神經(jīng)網(wǎng)路時(shí)所需的網(wǎng)路參數(shù)之最佳組合值，使預(yù)測(cè)模式可更為準(zhǔn)確。,論文架構(gòu)流程圖,雷射切割,1.原理:以雷射光為能量源.並利用聚焦裝置使材料於單位時(shí)間內(nèi)達(dá)到切割目的 2.主要是以切割.焊接及表面處理為主. 3.探討方向:雷射加工條件對(duì)於切割面粗糙度.熱影響區(qū)及融渣高度等切割品質(zhì) 4.特性: 高定向性 高聚光性 高單色性 高相位性,雷射光的產(chǎn)生,銣離子能階圖,優(yōu)缺點(diǎn),優(yōu)點(diǎn) 1.工件不易變形 2.耗材損失少 3.切割噪音小 4.多樣化加工產(chǎn)品,缺點(diǎn) 1.成本高 2.能源效率低 3.必須精確控制聚焦 鏡和工件間之距離,反應(yīng)表面法,1.前言:反應(yīng)表面法是利用統(tǒng)計(jì)的方法建立實(shí)驗(yàn)分析模式，藉由實(shí)驗(yàn)設(shè)計(jì)和分析後，當(dāng)輸入變數(shù)給定，即可求出相對(duì)應(yīng)之反應(yīng)或輸出變數(shù)的預(yù)測(cè)值，並進(jìn)一步探討輸入變數(shù)對(duì)反應(yīng)的影響 2.注意要點(diǎn):首重實(shí)驗(yàn)之設(shè)計(jì)，在實(shí)驗(yàn)前必須有週詳?shù)囊?guī)劃，其中包含選擇適當(dāng)?shù)妮斎胱償?shù)範(fàn)圍及如何量測(cè)反應(yīng)值等。,反應(yīng)表面法原理,本研究利用反應(yīng)表面法建立之實(shí)驗(yàn)?zāi)Ｊ?，一般是以三個(gè)輸入變數(shù)為主（為配合三維座標(biāo)X1, X2, X3），在本研究中是以切割速度、脈衝頻率及脈衝寬度等雷射加工條件為輸入變數(shù)，以切割面粗糙度的預(yù)測(cè)值為反應(yīng)（輸出變數(shù)）值。,迴歸分析之最小平方法,利用迴歸分析（Regression analysis）的目的是在了解及建立自變數(shù)xi與應(yīng)變數(shù)yi 之間的關(guān)係，此處所謂的自變數(shù)和應(yīng)變數(shù)之定義為yi 值是隨著xi值的不同而改變。,田口法,田口法的應(yīng)用是根據(jù)控制因子及其水準(zhǔn)的數(shù)目選用適當(dāng)?shù)闹苯槐?，目的在減少試驗(yàn)的次數(shù)，同時(shí)又可找到產(chǎn)品變異最小的設(shè)計(jì)或製程，使得產(chǎn)品在大量生產(chǎn)上市後，讓可能造成的平均損失成本為最低。 田口法原理,損失函數(shù),損失函數(shù)(Loss function)為各界廣泛地應(yīng)用在產(chǎn)品的品質(zhì)評(píng)估系統(tǒng)上。 當(dāng)品質(zhì)特性值與其目標(biāo)值之差距愈大時(shí)，損失也愈大。田口氏認(rèn)為可用損失函數(shù)代表這個(gè)理念。,損失函數(shù),損失函數(shù)L（y）以泰勒級(jí)數(shù)對(duì)目標(biāo)值m 展開，可以表示成式 y=m 時(shí)的損失為最低,參數(shù)之最佳化程序,定義目標(biāo)函數(shù) 定義控制因子及水準(zhǔn)表 選擇直交表 平均數(shù)分析 變異數(shù)分析,平均數(shù)分析,平均數(shù)分析( Analysis of mean, ANOM )的目的在於了解每個(gè)控制因子水準(zhǔn)對(duì)於目標(biāo)函數(shù)之影響性及最佳組合水準(zhǔn)。 變異數(shù)分析 變異數(shù)分析（Analysis of variance, ANOVA）主要目的是評(píng)估實(shí)驗(yàn)誤差。,田口法的應(yīng)用,田口法在本研究之應(yīng)用為利用直交表、平均數(shù)分析與變異數(shù)分析等來求得倒傳遞類神經(jīng)網(wǎng)路程式的最佳網(wǎng)路參數(shù)。,類神經(jīng)網(wǎng)路系統(tǒng),類神經(jīng)網(wǎng)路（Artificial neural network, ANN） 是由生物學(xué)得到的靈感，為一種模仿生物神經(jīng)網(wǎng)路的資訊處理系統(tǒng)，希望藉由其組成單元能夠像生物神經(jīng)元（Neuron）般的構(gòu)造，具備腦神經(jīng)的特性，可應(yīng)用於推估、預(yù)測(cè)、決策、診斷等方面。,類神經(jīng)網(wǎng)路,類神經(jīng)網(wǎng)路,一個(gè)類神經(jīng)網(wǎng)路架構(gòu)包含許多層，主要分為輸入層、隱藏層與輸出層三種。 類神經(jīng)網(wǎng)路架構(gòu)大致可分為監(jiān)督式學(xué)習(xí)網(wǎng)路（Supervised learning network）、非監(jiān)督式學(xué)習(xí)網(wǎng)路（Unsupervised learning network）、聯(lián)想式學(xué)習(xí)網(wǎng)路（Associate learning network）和最適化應(yīng)用網(wǎng)路（Optimization application network）等四大類。,倒傳遞網(wǎng)路,倒傳遞類神經(jīng)網(wǎng)路的應(yīng)用較其它型式網(wǎng)路普遍，且其預(yù)測(cè)能力較佳，此乃因倒傳遞類神經(jīng)網(wǎng)路只用一個(gè)正規(guī)神經(jīng)元表達(dá)一個(gè)變數(shù)，對(duì)基本輸入的部份累加運(yùn)算、轉(zhuǎn)換，使得模式對(duì)於變數(shù)高值域與低值域部份，具有相當(dāng)高的敏銳性和精確性，其網(wǎng)路架構(gòu)如圖,倒傳遞網(wǎng)路,倒傳遞類神經(jīng)網(wǎng)路運(yùn)算式,倒傳遞類神經(jīng)網(wǎng)路的運(yùn)算主體可分為兩部份，第一部份為藉由輸入學(xué)習(xí)範(fàn)例資料來學(xué)習(xí)的模式，以求得加權(quán)值（Weight value）和偏權(quán)值（Threshold value）的學(xué)習(xí)過程。 第二部份為讀入經(jīng)學(xué)習(xí)過程所得的加權(quán)值及偏權(quán)值，使模式具備預(yù)測(cè)能力的回想過程。,網(wǎng)路學(xué)習(xí)過程,網(wǎng)路參數(shù)最佳化,網(wǎng)路參數(shù)最佳化步驟依序?yàn)椋?1.定義目標(biāo)函數(shù) 2.定義控制因子、水準(zhǔn)值及直交表 3.平均數(shù)分析 4.求得最佳預(yù)測(cè)參數(shù) 5.變異數(shù)分析,網(wǎng)路參數(shù)最佳化,網(wǎng)路參數(shù)最佳化步驟依序?yàn)椋?1.定義目標(biāo)函數(shù) 2.定義控制因子、水準(zhǔn)值及直交表 3.平均數(shù)分析 4.求得最佳預(yù)測(cè)參數(shù) 5.變異數(shù)分析,定義控制因子、水準(zhǔn)值及直交表,對(duì)倒傳遞類神經(jīng)網(wǎng)路程式造成預(yù)測(cè)誤差影響的網(wǎng)路參數(shù)有誤差函數(shù)精確度(A)、學(xué)習(xí)循環(huán)（B）、初始加權(quán)值(C)、初始偏權(quán)值(D)、隱藏層處理單元數(shù)(E)、學(xué)習(xí)速率(F)及慣性因子(G)等七個(gè)。,網(wǎng)路參數(shù)最佳化,網(wǎng)路參數(shù)最佳化步驟依序?yàn)椋?1.定義目標(biāo)函數(shù) 2.定義控制因子、水準(zhǔn)值及直交表 3.平均數(shù)分析 4.求得最佳預(yù)測(cè)參數(shù) 5.變異數(shù)分析,網(wǎng)路參數(shù)最佳化,網(wǎng)路參數(shù)最佳化步驟依序?yàn)椋?1.定義目標(biāo)函數(shù) 2.定義控制因子、水準(zhǔn)值及直交表 3.平均數(shù)分析 4.求得最佳預(yù)測(cè)參數(shù) 5.變異數(shù)分析,網(wǎng)路參數(shù)最佳化,網(wǎng)路參數(shù)最佳化步驟依序?yàn)椋?1.定義目標(biāo)函數(shù) 2.定義控制因子、水準(zhǔn)值及直交表 3.平均數(shù)分析 4.求得最佳預(yù)測(cè)參數(shù) 5.變異數(shù)分析,收斂性分析與驗(yàn)證分析,在求得倒傳遞類神經(jīng)網(wǎng)路的最佳網(wǎng)路參數(shù)後，程式於進(jìn)行預(yù)測(cè)應(yīng)用前，尚須進(jìn)行學(xué)習(xí)過程的收斂性分析及驗(yàn)證分析以確認(rèn)其學(xué)習(xí)效果。,架構(gòu)切割面粗糙度預(yù)測(cè)模式,本研究乃採用倒傳遞類神經(jīng)網(wǎng)路原理來架構(gòu)出切割面粗糙度預(yù)測(cè)程式，此程式先透過田口法決定最佳網(wǎng)路參數(shù)，再利用輸入訓(xùn)練範(fàn)例來求得最終的權(quán)值及閥值，最後以回想範(fàn)例來驗(yàn)證及分析以了解此一預(yù)測(cè)模式是否完成建構(gòu)。 預(yù)測(cè)模式的應(yīng)用性為在適用範(fàn)圍內(nèi)輸入切割速度、脈衝頻率及脈衝寬度等加工參數(shù)後，即可獲得相對(duì)應(yīng)的切割面粗糙度預(yù)測(cè)值。,實(shí)驗(yàn)器材,材料: 採用AISI304不銹鋼板尺寸40mm*20mm*1mm 實(shí)驗(yàn)儀器: 工具機(jī):電腦數(shù)值控制雷射加工機(jī) 量測(cè)儀器: 表面粗度儀 取像裝置: 數(shù)位相機(jī)及工具顯微鏡,電腦數(shù)值控制雷射加工機(jī),架構(gòu)示意圖,實(shí)驗(yàn)設(shè)計(jì),第一部份:是提供反應(yīng)表面法及倒傳遞類神經(jīng)網(wǎng)路分別架構(gòu)預(yù)測(cè)模式時(shí)之所需 第二部份:是取得驗(yàn)證數(shù)據(jù)用以驗(yàn)證此兩種預(yù)測(cè)模式的準(zhǔn)確性,實(shí)驗(yàn)變數(shù),實(shí)驗(yàn)流程圖,反應(yīng)表面法預(yù)測(cè),1.切割面粗糙度與加工條件間之?dāng)?shù)學(xué)模式 2.實(shí)驗(yàn)配合迴歸分析之最小平方法 3.推導(dǎo)出雷射加工條件與切割面粗糙度間的數(shù)學(xué)關(guān)係式 4.算出係數(shù)(a0、a1、a2、a3),反應(yīng)表面法討論,數(shù)學(xué)模式 切割面粗糙度與切割速度（v）、脈衝頻率（f）、脈衝寬度（t）之間的數(shù)學(xué)關(guān)係式 雷射切割1mm 厚度的AISI304 不銹鋼板工件，且切割加工條件範(fàn)圍為1.5v6 mm/s，120f160 Hz 和0.15t0.17 ms 時(shí)，只需要輸入v、f 及t 之值，即可得到切割面粗糙度之預(yù)測(cè)值。,倒傳遞類神經(jīng)網(wǎng)路參數(shù)最佳化,定義目標(biāo)函數(shù) 選用直交表 平均數(shù)分析 變異數(shù)分析 收斂性分析驗(yàn)證分析,步驟,田口法 倒傳遞網(wǎng)類神經(jīng)網(wǎng)路預(yù)測(cè)模式 由實(shí)驗(yàn)中學(xué)習(xí)過程和回想過程 完成預(yù)測(cè)模式,切割面粗糙度預(yù)測(cè)驗(yàn)證,兩種預(yù)測(cè)模式之預(yù)測(cè)值良測(cè)值比較,實(shí)驗(yàn)結(jié)果,建立以Nd:YAG雷射切割A(yù)ISI304不銹鋼板時(shí)，預(yù)測(cè)粗糙度。 反應(yīng)表面法平均誤差為6.49% ，最大誤差值為20.21%