基于SOA-BP神经网络的SLS成型件精度预测模型

作者：肖亚宁; 郭艳玲^*; 张亚鹏; 王扬威; 李健

来源：科学技术与工程, 2021, 21(23): 9864-9870.

• 选择性激光烧结
• 工艺参数
• 人群搜索算法
• BP神经网络
• 精度预测
• 粒子群算法

针对选择性激光烧结(selective laser sintering,SLS)成型件精度难以控制以及工艺参数优化实验成本高等问题,提出了一种利用人群搜索算法(seeker optimization algorithm,SOA)优化BP(back propagation)神经网络对SLS成型件精度预测的方法。首先选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度五个工艺参数设计正交试验获取样本数据。然后根据SOA算法特有的利己、利他、预动和不确定推理四大行为确定搜索策略,获取BP神经网络最优权值和阈值。最后采用MATLAB建立优化后的BP神经网络预测模型对样本数据进行预测分析,并与传统BP神经网络和粒子群算法(particle swarm optimization,PSO)优化的BP神经网络预测结果进行对比。结果表明:基于SOA-BP神经网络的预测模型具有较高的预测精度,最大绝对误差仅为0.028,对SLS成型件精度的提高和工艺参数的选取具有指导作用。

• 单位
  东北林业大学; 机电工程学院