最近，期刊《Advanced Engineering Informatics》发表了题为“Optimizing process parameters of in-situ laser assisted cutting of glass–ceramic by applying hybrid machine learning models”的研究论文。硕士生魏嘉辰和何文彬为论文共同第一作者，许剑锋教授为论文通讯作者。

微晶玻璃是一种应用广泛的光学元器件，然而其高硬度和高脆性导致加工具有高质量表面的微晶玻璃非常困难。原位激光辅助金刚石切削技术利用激光对材料加热软化以提高材料可加工性，为微晶玻璃等硬脆材料超精密加工提供了新的途径。为了获得原位激光辅助切削微晶玻璃最优的加工效果，本研究提出了一种基于人工少数类过采样技术(Synthetic Minority Over-sampling)、逐步回归算法(Stepwise Regression)、自举聚合(Bootstrap aggregating)和人工神经网络(Artificial Neural Network)等方法的混合机器学习模型。通过该模型建立了原位激光辅助切削工艺参数和微晶玻璃的表面粗糙度之间的预测关系。实验结果表明混合机器学习预测模型在测试集上的值为0.9737，平均绝对误差为4.1858，同时与传统的机器学习算法对比证明了模型的有效性。随后，采用改进的量子遗传算法(Improved Quantum Genetic Algorithm)确定最优的工艺参数。在最优工艺参数下，实现微晶玻璃表面粗糙度Sa优于14.022nm的高质量加工。最后对优化结果进行了三次实验验证，误差率小于8%。本研究有助于原位激光辅助金刚石切削技术在硬脆材料超精密加工中的实际应用。

微晶玻璃原位激光辅助切削参数优化

本研究得到了国家自然科学基金(52225506)、国家重点研究计划(2023YFB3407200)和华中科技大学学术前沿青年团队(2019QYTD12)的资助。

论文信息：J. Wei, W. He, C. Lin, et al. Optimizing process parameters of in-situ laser assisted cutting of glass–ceramic by applying hybrid machine learning models [J]. Advanced Engineering Informatics, 2024, 62:102590.

论文链接：https://doi.org/10.1016/j.aei.2024.102590