激光快速成型零件密度预测人工神经网络模型
文章针对以往选择性激光烧结快速成型确定烧结密度需要大量试验增加工作量及成本,引入人工神经网络预测模型.该网络模型以激光功率及扫描速度作为网络的输入层,烧结密度作为网络的输出层,隐层的神经元设置为30个,其决定网络的预测精度及收敛速度.对网络的回归分析及验证结果表明,该网络模型对烧结密度的预测值与实测值相对误差在±5.36％以内,可以有效地对烧结密度进行预测.该方法为快速确定SLS工艺参数提供了一条新的途径.
机械零件 选择性激光烧结 烧结密度 预测模型 人工神经网络
张文博 黄家梅 赵志鹏
西安机电信息技术研究所,陕西西安710065
国内会议
南京
中文
254-257
2013-11-01（万方平台首次上网日期，不代表论文的发表时间）