选区激光熔化316L不锈钢残余应力优化研究

利用人工神经网络的高度非线性函数逼近能力和自适应学习能力,建立选区激光熔化316L不锈钢成形残余应力预测模型。采用响应面法进行试验设计得到不同的工艺参数组合作为训练样本,通过残差分析验证样本数据的有效性,结合遗传算法对BP神经网络模型进行优化。结果表明,GA-BP神经网络模型的预测值与实际值的整体预测平均相对误差在5%左右,证明通过神经网络模型实现选区激光熔化316L不锈钢成形残余应力预测是可行的。     

基于RSM的激光增材制造316L不锈钢尺寸精度研究

为了实现选区激光熔化成形精度工艺参数的优化,采用响应面法对选区激光熔化316L不锈钢的成形尺寸精度进行研究。结果表明,响应面模型的预测值与试验值具有良好的相关性,激光功率和扫描速度对尺寸精度具有显著的影响,且随着激光功率的增大和扫描速度的减小其成形的尺寸绝对误差越大,对选区激光熔化成形尺寸精度的控制具有重要意义。