利用卷积神经网络预测大气等离子喷涂中飞行粒子的控制参数

在热喷涂技术发展中，等离子喷涂工艺控制参数的优化至关重要。工程师在实际应用中选择等离子喷涂参数时，往往由于考虑的潜在设计方案数量有限而局限于局部最优解。本文提出了一种基于卷积神经网络（CNN）的决策支持模型，用于探索初步设计的适用性。该方法旨在利用模型提取飞行中颗粒特性的潜在特征，帮助工程师在短时间内以较低的人工成本选择全局最优解。仿真结果使得在经验和数据不足的情况下分析新的喷涂工艺并训练所设计的模型成为可能。首先，将仿真结果得到的颗粒状态分布作为输入，控制参数作为输出。其次，通过CNN模型隐式构建并分析飞行中颗粒与控制参数之间的投影关系。第三，通过特征图和滤波器的可视化验证颗粒状态分布的统计信息。最后，通过拟合高斯分布验证训练好的CNN模型，结果基本一致。通过构建飞行粒子及其控制参数的投影，新手和学徒能够借助预训练的 CNN 模型推导出控制参数，从而降低新手入门的门槛。