基于PSO-BP算法的3D打印制件精度预测模型

针对选择性激光烧结(SLS)中制件精度和工艺参数难以选择的问题以及BP神经网络本身缺陷,提出一种利用粒子群算法优化的BP神经网络建立SLS烧结件精度预测模型的方法。首先根据SLS成型工艺的特点,分析影响成型件精度的因素,通过实验获得不同激光功率、扫描速度、扫描间距和分层厚度条件下多组成型件精度数据,并采用多目标函数优化的单目标化思想优化目标函数,然后通过粒子群算法优化BP神经网络。用优化后的最优解作为BP神经网络算法的初始权值和阈值,利用MATLAB建立优化后的BP神经网络预测模型,对优化后的精度函数模型进行预测分析,并与传统BP神经网络获得的预测结果进行对比。结果表明:粒子群优化的神经网络模型具有良好的全局搜索能力和收敛性,精度预测更加准确,对SLS打印制件具有一定的指导作用。     

基于支持向量回归机的SLS制件收缩率预测与分析

结合选择性激光烧结过程的工艺特点,将收缩率作为精度的评价标准,选择预热温度、激光功率、扫描速度、铺粉层厚、支撑厚度五个工艺参数设计正交试验以获得训练样本。建立了基于支持向量回归机的SLS制件收缩率回归-预测模型,以预测不同参数组合下的制件收缩率,确定了一定参数范围下的工艺参数优化组合方案,并定性分析其参数组合的合理性。     

选择性激光烧结的翘曲变形与扫描方式的研究

在研究选择性激光烧结工艺(Selective Laser Sintcfing,简称SLS)成形误差的基础上,分析造成SLS成形件翘曲的原因,构建了一种新的翘曲变形模型.并以此模型作为基础,提出一种新的光栅扫描方式.通过试验验证,此扫描方式可以有效地降低SLS成形件的翘曲变形,提SLS成形件精度.     

SLS成型参数对PA2200拉伸试样强度和尺寸精度的影响

选择性激光烧结(SLS)成形工艺参数对成形件力学性能和尺寸精度有很大影响,不同的成形材料需要不同的工艺参数组合;然而,对于PA材料尚缺成形参数标准.为了解决这个问题,选用PA2200粉末材料,研究了激光功率和扫描速率对成形件拉伸强度和尺寸的影响.结果 表明,以拉伸强度和尺寸精度为参考指标,结合理论分析与实验验证,最优参...     

选择性激光烧结工艺参数对影响铸造砂型精度的优化设计

阐述了选择性激光烧结(SLS)的成型原理,并将此成型方式运用于直接砂型制作。通过用自主研制的快速成型机进行烧结试验,采用正交试验和方差分析,对影响铸造砂型精度的工艺参数进行了优化设计,得到激光功率、扫描速度、扫描间距及铺粉厚度工艺参数的最佳组合,可为基于选择性激光烧结铸造砂型的制造提供指导和参考。     

基于神经网络的快速成型工艺

针对选择性激光烧结成型件变形大、精度较低的问题,将神经网络方法应用于选择性激光烧结(SLS)加工工艺的研究.根据SLS加工工艺的特点,研究的工艺参数包括:层厚、扫描间距、激光功率、扫描速度、环境温度、层与层之间的加工时间间隔和扫描方式.建立了SLS加工工艺参数与加工变形、收缩率之间的神经网络预测模型.实验结果与神经网络模型计算结果十分吻合,说明该神经网络模型能定量地反映出工艺参数与加工材料变形、收缩率之间的关系.     

基于模糊RBF神经网络的选域激光烧结尺寸精度预测建模

摘要：将减法聚类与伪逆法相结合建立了模糊RBF（Radial Basis Functionneural network,径向基神经网络）模型。通过正交试验,获得不同激光功率、扫描速度、预热温度和切片厚度参数条件下SLS试件的尺寸误差,在此基础上获得训练与预测样本数据,并对该模型进行仿真。结果显示预测平均总误差为2．16％,表明该模型具有建模快、模型简单、训练速度快、预测精度高,泛化能力强的优点,可根据不同烧结工艺参数对SLS制件尺寸精度进行较准确地预测,以便指导实际生产。     

基于人工神经网络的板料激光成形工艺优化

采用BP算法的人工神经网络系统，以激光能量、光斑大小、扫描速度、矩形板料的厚度和宽度作为输入层节点，预测板料激光成形的温度峰值和弯曲角度，并将该系统用于08F薄钢板激光弯曲成形的工艺参数优化之中，可以快速获得最大成形角度所对应的最优工艺参数组合。     

基于熔池监测的激光沉积制造成形工艺参数的分析及预测

激光沉积制造(LDM)过程中,熔池宽度是成形精度的关键,主要受到工艺参数的影响。本文建立了基于CCD高速摄像机的熔池在线监测系统。为了提高熔池宽度检测精度,应用卡尔曼滤波技术对熔池宽度测量值进行了去噪处理。采用正交实验设计方法和多元回归分析,建立了熔池宽度与3个主要工艺参数(激光功率、扫描速度和送粉速率)间的关系模型。并设计单一变量实验对模型进行了验证。最后,利用粒子群算法(PSO)对薄壁结构的成形过程参数进行了预测。结果表明,对LDM成形过程进行工艺参数的分析和预测为实现沉积层成形精度的控制提供了依据。     

BP神经网络在铝合金板材激光弯曲成形中的应用

在铝合金板材的激光弯曲成形中,工艺参数(激光功率、扫描速度和扫描次数)的不同组合使板材的弯曲角度也不同,而且从试验数据中很难得出激光工艺参数与弯曲角度之间的规律。本文用BP神经网络技术对铝合金板材的激光弯曲成形结果和工艺参数进行了预测。结果表明,预测值与真实值之间的误差都稳定在10%以内。精度比较高,说明运用BP神经网络对激光弯曲角度进行预测是可行的。     

生物氧化提金中基于PSO-LSSVM的氧化还原电位建模研究

生物氧化预处理过程是一个复杂非线性的耦合过程,该过程关键参数氧化还原电位通常难以准确检测。为了预估该参数,将PSO算法与LSSVM相结合构建生物氧化预处理过程氧化还原电位预估模型。该模型采用改进的PSO算法优化LSSVM模型参数,克服了参数恒择的盲目性和耗时,具有恘习速度恩速、预测精度较高以及泛化能力强的优点。以新疆某金矿的实际数据进行仿真研究,结果表明：改进的PSO-LSSVM方法建立的模型的预测值与实测值拟合较好,对于生物氧化预处理过程的关键参数氧化还原电位的预估有一定的指导意义。     

基于LSSVM和AFSA的摩擦焊接工艺参数优化

为了准确和快速确定最佳摩擦焊接工艺参数,提出了一种最小二乘支持向量机与鱼群算法相结合的摩擦焊接工艺参数优化方法。以摩擦时间、摩擦压力和顶锻压力3个主要摩擦焊接工艺参数为优化对象,焊接接头抗拉强度为优化目标,通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系。首先进行焊接试验,以试验数据为样本对模型进行训练,然后用鱼群算法对模型进行优化,获得最佳摩擦焊接工艺参数。结果表明,该方法具有建模容易、求解快捷等优点,优化得到的工艺参数与正交回归优化的工艺参数相比,使焊接接头的抗拉强度提高了2.1%。     

基于PSO-LSSVM算法的表面粗糙度预测模型与应用

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。     

Investigating on casting mold (or core) making with coated sand by the selected laser sintering

1 .Introduction Based on the parameters and cross-section's information from a CAD model, the selected laser sintering (SLS) uses a laser beam to sinter selectively powdered solid materials (plastic, wax, ceramic, metal, etc.), and the solidified material is built up layer by layer to formthepart needed} As there are still some problems in material and technology, it is difficulty to sinter or produce directly     

基于PSO-ELM的316L不锈钢细长管磁粒研磨内表面粗糙度预测模型

针对316L不锈钢细长管磁粒研磨加工过程中,最佳工艺参数难以选择,以及加工后对工件内表面粗糙度（Ra）的预测问题,将影响磁粒研磨316L不锈钢细长管内表面粗糙度的四个工艺参数作为输入值,内表面粗糙度作为输出值,构建粒子群（PSO）优化极限学习机（ELM）模型来预测316L不锈钢细长管内表面粗糙度,利用PSO对工艺参数进行全局寻优,获得最佳工艺参数组合,最后通过试验与预测结果进行对比。构建的PSO-ELM表面粗糙度预测模型拟合优度R2为0.984 8,绝对误差（MAE）为0.013 4,均方根误差（RMSE）为0.021 4。得到的最佳工艺参数组合为：主轴转速2 389.011r/min,进给速度3.167 mm/s,磨料粒径216.185μm,加工时间35.856 min,预测Ra为0.178μm。对工艺参数进行调整,试验得到的Ra为0.182μm,与预测值相比误差为2.24%。基于PSO-ELM方法构建316L不锈钢细长管内表面粗糙度预测模型,实现对工件内表面粗糙度的精确预测,应用粒子群方法得到最佳工艺参数组合,提高了磁粒研磨316L不锈钢细长管的加工效率。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

基于选择性激光烧结覆膜金属纳米复合粉末材料的研究进展

综述了选择性激光烧结金属粉末材料和纳米粉末材料的研究进展。介绍了选择性激光烧结覆膜Al-Fe-Ni合金系金属纳米复合粉末材料的开发思路。提出了选择性激光烧结覆膜Al-Fe-Ni合金系金腻纳米复合粉末材料的主要成分与制备方法，并对前景进行了展望。     

金属材料的激光相变硬化机理及其工艺参数优化

简要介绍了激光表面技术中的激光相变硬化，阐述了金属材料的激光相变硬化机理，分析了激光功率、扫描速度和光斑直径等工艺参数对硬化效果的影响，指出用激光能量密度描述激光加工工艺参数之间的耦合作用对硬化效果的影响规律。