基于PSO-SVR的选择性激光烧结制件收缩研究

作者：许鹏; 文世峰; 魏青松; 史玉升

来源：新技术新工艺, 2013, (05): 27-30.

• 选择性激光烧结
• 收缩率
• 支持向量回归
• 粒子群算法

建立了聚苯乙烯(PS)选择性激光烧结(SLS)工艺参数与制件收缩率之间复杂的非线性支持向量回归(SVR)模型。采用正交试验设计支持向量回归的训练数据,并采用均匀设计初始化的粒子群优化(PSO)算法,优化选择向量回归参数。结果表明,均匀设计显著提高了粒子群全局寻优速度与精度,基于正交试验选择的小样本训练模型,较为准确地反映了工艺参数与收缩率间的关系,预测平均误差控制在4%,优于BP神经网络10%的平均预测误差。采用选择的模型,建立了工艺参数与收缩率之间的关系,并结合烧结理论进行了影响规律的分析,该方法为选择性激光烧结工艺的研究提供了一种行之有效的新思路。

• 单位
  材料成形与模具技术国家重点实验室; 华中科技大学