科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
