Presentations

Modeling the temperature-stress state during laser polishing on quartz glass using machine learning methods

Марченко Л.Н., Никитюк Ю.В.

Francisk Skorina Gomel State University Sovetskaya str., 104, Gomel, 246019, Republic of Belarus

В программном комплексе ANSYS разработана конечно-элементная модель лазерного нагрева кварцевой пластины размером 15 × 15 × 2 мм. Верификация модели по данным тепловизионных измерений показала относительную погрешность определения максимальной температуры не более 5 %. С использованием модуля DesignXplorer сформирован гранецентрированный вариант центрального композиционного плана эксперимента. Входными параметрами выбраны: скорость обработки V (м/с), мощность лазера P (Вт), большая и малая полуоси эллиптического пучка A и B (м), шаг сканирования S (м). Выходными – максимальная температура T1 (K) и максимальные напряжения по Мизесу S1 (Па) в момент завершения обработки и через 1000 с после воздействия T2 (K) и S2 (Па) соответственно.

На основе расчетных данных построены прогностические модели методом SVR с тремя типами ядерных функций: радиальная базисная (RBF), полиномиальная (степень 3) и линейная. Модель с RBF ядром и имела гиперпараметрами C = 1.0 (параметр регуляризации), ε = 0.1 (параметр чувствительности), γ = 'scale' (автоматический расчет ширины ядра). продемонстрировала наилучшие показатели. Высокий коэффициент детерминации (R² = 0.97 в среднем по четырем выходным параметрам) свидетельствует о точности прогнозирования. Анализ остатков подтвердил нормальность распределения (p-value Шапиро-Уилка > 0.05) и гомоскедастичность (p-value Бреуш-Пагана > 0.05). Линейное ядро показало удовлетворительные результаты (R² = 0.92), полиномиальное - наихудшие (R² = 0.74). Показано, что мгновенные температурные поля T1 наиболее чувствительны к скорости обработки V и мощности лазера P. При этом увеличение скорости снижает температуру, увеличение мощности - повышает. На остаточные напряжения S2 наибольшее влияние оказывают геометрические параметры пучка большая полуось А и шаг сканирования S. Оптимизация этих параметров позволяет минимизировать остаточные напряжения. Полученные результаты согласуются с экспериментальными данными лазерной полировки кварцевого стекла.

Комплексный подход, сочетающий конечно-элементное моделирование и машинное обучение, позволил разработать высокоточные прогностические модели для параметров лазерной полировки кварцевого стекла.

Литература

1. Smola A.J., Schölkopf B. A tutorial on support vector regression // Statistics and Computing. – 2004. – Vol. 14. – P. 199-222.

2. Nikityuk Y., Serdyukov A., Aushev I. Optimization of Two-Beam Laser Cleavage of Silicate Glass / // Journal of Optical Technology. – 2022. – Vol. 89, No. 2. – P. 121-125.

• abstract in Russian (PDF)