基于SOA-BP神经网络的选择性激光烧结成型件精度预测模型

摘要：

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.

关键词：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

所属期刊栏目：21

分类号：TH140.7;TG80

资助基金：国家自然科学基金52075090

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9864-9870