Определение параметров двухлучевого лазерного раскалывания силикатных стекол с использованием регрессионных и нейросетевых моделей

  • Юрий Валерьевич Никитюк Гомельский государственный университет им. Ф. Скорины, ул. Советская, 104, 246019, г. Гомель, Беларусь
  • Анатолий Николаевич Сердюков Гомельский государственный университет им. Ф. Скорины, ул. Советская, 104, 246019, г. Гомель, Беларусь
  • Игорь Юрьевич Аушев Университет гражданской защиты Министерства по чрезвычайным ситуациям Республики Беларусь, ул. Машиностроителей, 25, 220118, г. Минск, Беларусь
DOI: https://doi.org/10.33581/2520-2243-2022-1-35-43

Аннотация

Для создания нейросетевых и регрессионных моделей двухлучевого лазерного раскалывания силикатных стекол были использованы результаты численного эксперимента, реализованного в программе конечно-элементного анализа Ansys. В модуле DesignXplorer программы Ansys Workbench с применением гранецентрированного варианта центрального композиционного плана эксперимента были получены регрессионные модели двухлучевой лазерной резки стекла. В качестве варьируемых факторов использованы скорость обработки, параметры лазерных пучков, толщина стеклянной пластины и расстояние между зонами воздействия лазерного излучения и хладагента, а в качестве откликов – максимальные температуры и термоупругие напряжения растяжения в зоне лазерной обработки. С применением пакета TensorFlow реализованы построение и обучение искусственных нейронных сетей. Выполнено сравнение результатов определения максимальных температур и термоупругих напряжений в зоне лазерной обработки с использованием нейросетевых и регрессионных моделей.

Биографии авторов

Юрий Валерьевич Никитюк, Гомельский государственный университет им. Ф. Скорины, ул. Советская, 104, 246019, г. Гомель, Беларусь

кандидат физико-математических наук, доцент; доцент кафедры радиофизики и электроники факультета физики и информационных технологий

Анатолий Николаевич Сердюков, Гомельский государственный университет им. Ф. Скорины, ул. Советская, 104, 246019, г. Гомель, Беларусь

доктор физико-математических наук, профессор; профессор кафедры оптики факультета физики и информационных технологий

Игорь Юрьевич Аушев, Университет гражданской защиты Министерства по чрезвычайным ситуациям Республики Беларусь, ул. Машиностроителей, 25, 220118, г. Минск, Беларусь

кандидат технических наук, доцент; начальник факультета подготовки научных кадров

Литература

  1. Lumley RM. Controlled separation of brittle materials using a laser. Journal of the American Ceramic Society. 1969;48(9):850–854.
  2. Machulka GA. Lazernaya obrabotka stekla [Laser processing of glass]. Moscow: Sovetskoe radio; 1979. 135 p. (Massovaya biblioteka inzhenera «Elektronika»). Russian.
  3. Bokut’ BV, Kondratenko VS, Myshkoeots VN, Serdyukov AN, Shalupaev SV. Termouprugie polya v tverdykh telakh pri ikh obrabotke lazernymi puchkami spetsial’noi geometrii [Thermoelastic fields in solids when they are being processed by special-geometry laser beams]. Minsk: Institut fiziki AN BSSR; 1987. 58 p. (Preprint. Institut fiziki AN BSSR; № 487). Russian.
  4. Kondratenko VS, inventor; PTG Precision Technology Center LLC, assignee. Method of splitting non-metallic materials. United States Patent US5609284A. 1997 March 11.
  5. Nisar S, Li L, Sheikh M. Laser glass cutting techniques – a review. Journal of Laser Applications. 2013;25(4):042010-1. DOI: 10.2351/1.4807895.
  6. Shalupaev SV, Shershnev EB, Nikityuk YuV, Sereda AA. Two-beam laser thermal cleavage of brittle nonmetallic materials. Journal of Optical Technology. 2006;73(5):356–359. DOI: 10.1364/JOT.73.000356.
  7. Sysoev VK, Vyatlev PA, Chirkov AV, Grozin VA, Konyashchenko DA. Two laser thermo splitting of glass elements for spacecraft conception. Vestnik NPO imeni S. A. Lavochkina. 2011;1:38–44. Russian.
  8. Junke Jiao, Xinbing Wang. Cutting glass substrates with dual-laser beams. Optics and Lasers in Engineering. 2009;47(7–8):860–864. DOI: 10.1016/j.optlaseng.2008.12.009.
  9. Golovko VA, Krasnoproshin VV. Neirosetevye tekhnologii obrabotki dannykh [Neural network technologies for data processing]. Minsk: Belarusian State University; 2017. 263 p. (Klassicheskoe universitetskoe izdanie). Russian.
  10. Chollet F. Deep learning with Python. Shelter Island: Manning Publications Co.; 2018. 384 p.
  11. Bakhtiyari AN, Zhiwen Wang, Liyong Wang, Hongyu Zheng. A review on applications of artificial intelligence in modeling and optimization of laser beam machining. Optics & Laser Technology. 2021;135:1–18. DOI: 10.1016/j.optlastec.2020.106721.
  12. Bessmel’tsev VP, Bulushev ED. [Optimisation of laser microprocessing modes]. Avtometriya. 2014;50(6):3–21. Russian.
  13. Rusia S, Pathak KK. Application of artificial neural network for analysis of triangular plate with hole considering different geometrical and loading parameters. Open Journal of Civil Engineering. 2016;6(1):31–41. DOI: 10.4236/ojce.2016.61004.
  14. Kant R, Joshi SN, Dixit US. An integrated FEM-ANN model for laser bending process with inverse estimation of absorptivity. Mechanics of Advanced Materials and Modern Processes. 2015;1:6. DOI: 10.1186/s40759-015-0006-1.
  15. Kadri MB, Nisar S, Khan SZ, Khan WA. Comparison of ANN and finite element model for the prediction of thermal stresses in diode laser cutting of float glass. Optik – International Journal for Light and Electron Optics. 2015;126(19):1959–1964. DOI: 10.1016/j.ijleo.2015.05.033.
  16. Nikitjuk YV, Serdyukov AN, Prohorenko VА, Aushev IY. Application of artificial neural networks and finite element method for determining the parameters of elliptic laser beam treatment of quartz sol-gel glasses. Problems of Physics, Mathematics and Technology. 2021;3:30–36. Russian. DOI: 10.54341/20778708_2021_3_48_30.
  17. Krasnoshchekov AA, Sobol’ BV, Solovjev AN, Cherpakov AV. Identification of crack-like defects in elastic structural elements on the basis of evolution algorithms. Russian Journal of Nondestructive Testing. 2011;47(6):412–419. DOI: 10.1134/S1061830911060088.
  18. Htet Aung Lin, Taksants МV, Misurov АI. Mathematical model of the efficiency of using laser radiation in hybrid processing. Herald of the Bauman Moscow State Technical University. Series: Mechanical Engineering. 2015;3:71–79. Russian. DOI: 10.18698/0236-3941-2015-3-71-79.
  19. Gvozdev AE, Golyshev IV, Minaev IV, Sergeev NN, Tikhonova IV, Khonelidze DM, et al. Multiparametric optimization of laser cutting of steel sheets. Inorganic Materials: Applied Research. 2015;6(4):305–310. DOI: 10.1134/S2075113315040115.
  20. Madić M, Radovanović M. Comparative modeling of CO2 laser cutting using multiple regression analysis and artificial neural network. International Journal of Physical Sciences. 2012;7(16):2422–2430. DOI: 10.5897/IJPS12.109.
  21. Zhogal’ SP, Zhogal’ SI, Maksimei VI. Osnovy regressionnogo analiza i planirovaniya eksperimenta [Fundamentals of regression analysis and experiment design]. Gomel: Francisk Skorina Gomel State University; 1997. 94 p. Russian.
  22. Morgunov AP, Revina IV. Planirovanie i analiz rezul’tatov eksperimenta [Planning and analysis of the results of the experiment]. Omsk: Izdatel’stvo OmGTU; 2014. 344 p. Russian.
Опубликован
2022-02-03
Ключевые слова: лазерное раскалывание, стеклянная пластина, нейронная сеть, Ansys
Как цитировать
Никитюк, Ю. В., Сердюков, А. Н., & Аушев, И. Ю. (2022). Определение параметров двухлучевого лазерного раскалывания силикатных стекол с использованием регрессионных и нейросетевых моделей. Журнал Белорусского государственного университета. Физика, 1, 35-43. https://doi.org/10.33581/2520-2243-2022-1-35-43
Выпуск
№ 1 (2022): Журнал Белорусского государственного университета. Физика
Раздел
Лазерная физика

Copyright (c) 2022 Журнал Белорусского государственного университета. Физика

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).