建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型, 以促进人工神经网络技术在宝石产地溯源方面的应用。 以我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉为样品, 利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。 使用数据筛选原则对数据进行了筛选和Al的归一化处理之后, 以因子分析和线性回归分析讨论了数据间的共线性, 在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。 结果表明, 所选取的每个变量的VIF值小于5, 数据间不存在明显的多重共线性, 因子分析的KMO值小于0.6, 表明变量间无明显关系。 同时利用软玉t-SNE图对数据进行降维和可视化处理, t-SNE图显示大部分数据点都重叠在一起, 表明对此数据进行简单聚类和相关分析是无法区分产地的, 因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。 经人工神经网络模型迭代判别之后, 模型对我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933, 其中韩国软玉的数据判别结果精度最高, 达到0.995, 误差为0.028, 青海软玉的数据判别结果最低为0.803, 误差为0.090。 综上所述, 激光诱导击穿光谱结合人工神经网络的方法在宝石产地溯源方面的应用是具有很大潜力的。

为了探索脉冲激光强化镀层的规律,采用误差反向传播神经网络对脉冲激光参量与镀层形貌(强化层深度、宽度及熔化状态)之间的关系进行建模,并选取带动量的自适应学习率算法对网络进行改进,以增加网络稳定性,提高训练速度与精度。结果表明,该网络模型对激光处理后镀层形貌的预测值与实际值接近,其相对误差在±8.33%以内,可以有效地对激光强化镀层形貌进行预测。该方法为探索脉冲激光强化镀层的规律提供了一条新的途径。

介绍了利用人工神经网络建立深熔激光焊焊缝形状模型和基于人工神经网络的混合专家系统模型。以Nd:YAG激光焊接Monel 400的实例介绍了应用ANN模型研究激光焊接规范参数和焊缝形状的关系,并提出了基于ANN的焊接规范参数优化方法。结果显示,模型具有很好性能。