Determination of parameters for controlled laser cleaving of silicate glasses using regression, neural network and fuzzy models

Представлен один из вариантов решения научно-прикладной задачи прогнозирования характеристик лазерного раскалывания силикатных стекол. Результаты численного эксперимента, реализованного на языке программирования APDL, были использованы для построения регрессионных, нейросетевых и нечетких моделей управляемого лазерного раскалывания силикатных стекол. В качестве варьируемых факторов рассматривались скорость обработки, радиус и мощность лазерного пучка, а в качестве откликов – максимальная температура и термоупругие напряжения растяжения в зоне лазерной обработки. По результатам гранецентрированного варианта центрального композиционного плана эксперимента оценена регрессионная модель откликов лазерной резки стеклянных пластин при заданном уровне значимости. Построены и обучены искусственные нейронные сети зависимости откликов от входных факторов. На основе тепловых карт средней абсолютной процентной ошибки определены наиболее эффективные нейросетевые модели максимальной температуры и термоупругих напряжений растяжения в зоне лазерной обработки. Нечеткое моделирование управляемого лазерного раскалывания силикатных стекол осуществлено по разработанным лингвистическим переменным входных и выходных параметров. Сравнение результатов регрессионного, нейросетевого, нечеткого моделирования проведено на основе критериев точности, при этом выявлена наиболее эффективная модель. Результаты исследований могут быть рекомендованы для прикладного использования аппроксимации максимальной температуры и термоупругого напряжения растяжения в зоне лазерной обработки.