文档详情

基于改进神经网络算法的增材制造刀轨优化研究及应用.pdf

发布:2025-01-01约13.59万字共107页下载文档
文本预览下载声明

摘要

选择性激光烧结(SlectingLaserSintering,SLS)是一种增材制造(Additive

Manufacturing,AM)工艺,针对其在加工中存在空走路径较大,成型表面较粗糙等

问题,本文在已有方法研究基础上,结合动态规划方法,提出贝叶斯优化BP神经网

络(BO-BP神经网络)路径优化模型,通过确定最短空走路径和最小热梯度的刀轨

路径,并使用全部具有最小空走路径的路径集合作为神经网络的数据集,以此提升

神经网络的计算速度和运行效率,提高SLS成型质量。

首先,采用动态规划方法,对给定的激光网格进行优化,获得合格的路径以确

保激光烧结过程中能够充分覆盖所需烧结区域,以此提高材料的密实性和力学性能;

建立基于导热微分方程的SLS模型,精确预测激光烧结过程中的温度分布,通过数

值模拟,获得各个网格节点的最终温度值,计算材料网格内部节点的温度梯度值,

以此构建神经网络的训练数据集;其次,将激光路径转化为灰度路径图像,采用基

于贝叶斯优化和反向传播神经网络的BO-BP神经网络算法对图像进行训练,该算法

可以有效地学习和优化激光路径,进一步提高SLS的成型质量;最后,通过对多种

优化算法的预测结果比对,得出BO-BP神经网络算法预测精度达到98.5%,空走距

离减小85%,通过建立刀轨优化GUI界面,实现数据输入和刀轨优化结果的输出,

为提高SLS生产效率并降低生产成本提供行之有效的解决方案。

关键词:增材制造,刀轨优化,BO-BP神经网络,热梯度,成型质量

Researchandapplicationoftoolpathoptimizationinadditive

manufacturingbasedonimprovedneuralnetworkalgorithm

Abstract

SelectiveLaserSintering(SLS)isanadditivemanufacturing(AM)process.Inresponse

totheproblemsoflargeemptypathandroughformingsurfaceduringprocessing,thispaper

proposesaBayesianoptimizedBPneuralnetwork(BO-BPneuralnetwork)path

optimizationmodelbasedonexistingmethodsanddynamicprogrammingmethods.By

determiningtheshortestemptypathandtheminimumthermalgradientofthetoolpath,and

usingallpathsetswiththesmallestemptypathasthedatasetoftheneuralnetwork,the

calculationspeedandoperationalefficiencyoftheneuralnetworkareimproved,andthe

SLSformingqualityisimproved.

Firstly,usingdynamicprogrammingmethod,thegivenlasergridisoptimizedtoobtain

aqualifiedpathtoensurethattherequiredsinteringareacanbefullycoveredduringthe

lasersinteringprocess,therebyimprovingthecompactnessandmechanicalpropertiesofthe

material;EstablishanSLSmodelbasedonthermalconduc

显示全部
相似文档