选区激光烧结收缩率预测及工艺参数优化

来源期刊：高分子材料科学与工程2018年第6期

论文作者：贺可太 刘硕 陈哲涵 杨智

文章页码：114 - 121

关键词：激光烧结;BP神经网络;支持向量回归;粒子群;收缩率;

摘    要：针对选区激光烧结过程中收缩变形问题,采用正交实验与测量的方法获得训练样本,分别应用BP神经网络与基于遗传算法优化的支持向量回归算法（GA-SVR）,建立了针对聚苯乙烯（PS）材料的工艺参数与收缩率之间的定量预测模型,进一步应用自适应变异的粒子群算法对定量模型进行参数寻优。结果表明,基于相同的训练样本,GA-SVR算法相比BP神经网络来说拥有好的预测性能,在此基础上应用粒子群算法寻优得到了预热温度85℃、激光功率19.8 W、扫描速度2590 mm/s、铺粉层厚0.1 mm、支撑厚度1 mm的最优工艺参数组合。模型可以更加准确地控制实际生产中收缩变形现象的产生,为烧结过程中优化控制提供了新思路。