摘要
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.
基金项目
国家自然科学基金(51405140)
湖北省自然科学基金重点项目(2015CFA112)
湖北省教育厅优秀中青年科技创新团队资助项目(T201505)
NETL
NSTL
维普
万方数据