首页|选择性激光熔化致密度预测模型及工艺参数优化

选择性激光熔化致密度预测模型及工艺参数优化

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对选择性激光熔化(SLM)成形件质量低和工艺参数难以控制的问题,选取激光功率、扫描速度、铺粉层厚、扫描间距为优化变量,成形件的致密度为优化目标,设计正交实验获取训练样本,应用BP神经网络建立了针对316l不锈钢材料的致密度预测模型,然后通过遗传算法对网络模型进行优化和工艺参数寻优.结果表明:优化后的致密度模型预测相对误差在0.73%左右,预测能力较好且波动较小,并基于模型寻优到激光功率197.28W,扫描速度623.85mm/s,铺粉层厚0.1379mm,扫描间距0.1139mm的最佳工艺方案.模型能准确地反映出工艺参数与致密度之间的映射关系,为SLM成形参数优化提供了新的思路.
Selective Laser Melting Density Prediction Model and Process Parameter Optimization

Selective Laser MeltingBP Neural NetworkGenetic AlgorithmDensityParameter Optimization

王君、楼光宇、姜荣俊、曾顺麒

展开 >

湖北工业大学机械工程学院,湖北 武汉 430068

选择性激光熔化 BP神经网络 遗传算法 致密度 参数寻优

国家自然科学基金湖北省自然科学基金重点项目湖北省教育厅优秀中青年科技创新团队资助项目

514051402015CFA112T201505

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.392(10)
  • 5