学位论文 > 优秀研究生学位论文题录展示

基于模拟的选择性激光烧结工艺过程的优化研究

作　者: 董渠
导　师: 王传洋
学　校: 苏州大学
专　业: 机械电子工程
关键词: 选择性激光烧结 BP神经网络遗传算法聚苯乙烯收缩率变形量拉伸强度
分类号: TG665
类　型: 硕士论文
年　份: 2010年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

选择性激光烧结(Selective Laser Sintering, SLS)是一种近二三十年来发展起来的快速成型(Rapid Prototyping, RP)技术,并成为并行工程、反求工程中的重要部分。随着SLS技术的发展,对SLS试件精度与强度提出了更高的要求。因此展开对SLS工艺及试件精度和强度的研究具有重大的理论和实际意义。本文在大量试验研究的基础上,应用神经网络方法和遗传算法对SLS的工艺参数进行了模拟和优化研究。本文的工作主要包括:首先,进行了SLS工艺烧结聚苯乙烯(PS)材料的试验研究,在考虑保证烧结过程中烧结成型稳定的情况下,选取激光功率、扫描速度、扫描间距、单层厚度和粉底温度作为影响烧结制品的主要工艺参数,并对不同工艺参数下烧结试件的收缩率、变形量及拉伸强度进行了研究,提取了相应的用于神经网络模型和遗传算法进行模拟仿真的试验数据。其次,以烧结工艺参数作为输入,收缩率、变形量、拉伸强度作为输出,分别建立了收缩率BP神经网络模型、变形量BP神经网络模型及拉伸强度BP神经网络模型,结合试验数据,对网络模型进行了训练和检验,并应用修正后的模型进行了模拟,结果表明,神经网络模型能确立SLS加工工艺参数与试件变形量、收缩率及拉伸强度之间的定量关系。应用遗传算法并结合已建立的BP神经网络模型对工艺参数进行了优化,得出最佳工艺参数组合,即粉底温度94℃,激光功率14W,扫描速度1700mm/s,单层厚度0.16mm,扫描间距0.13mm。试验结果表明利用遗传算法搜索到的SLS加工工艺参数的最优解是有效的。最后,结合优化的工艺参数组合,利用BP神经网络模型模拟分析了单一工艺参数变化以及两个工艺参数共同作用时对烧结质量的影响。应用神经网络的预测功能对试件烧结质量受工艺参数影响程度进行了评价,结果表明:激光功率对收缩率的影响最大,其次为扫描间距,而单层厚度的影响最小;变形量受激光功率和粉底温度对影响较大,扫描速度对变形量的影响最小;激光功率对拉伸强度的影响最大,粉底温度的影响最小。

全文目录

摘要  4-6
Abstract  6-11
第一章绪论  11-16
  1.1 引言  11
  1.2 快速成型技术的原理特点和分类  11
    1.2.1 快速成型技术的原理特点  11
    1.2.2 快速成型技术的分类  11
  1.3 选择性激光烧结(SLS)的研究进展  11-14
    1.3.1 国外选择性激光烧结(SLS)的研究进展  12
    1.3.2 国内选择性激光烧结(SLS)的研究发展  12-14
  1.4 选题的依据和意义  14
  1.5 课题的研究内容及技术路线  14-16
第二章人工神经网络和遗传算法设计  16-27
  2.1 人工神经网络理论  16-22
    2.1.1 人工神经网络的特点和分类  16
      2.1.1.1 人工神经网络的特点  16
      2.1.1.2 人工神经网络分类  16
    2.1.2 BP 神经网络  16-19
      2.1.2.1 BP 人工神经网络的工作原理  16-18
      2.1.2.2 BP 人工神经网络的改进  18-19
    2.1.3 BP 神经网络设计  19-22
      2.1.3.1 网络层数的确定  19
      2.1.3.2 各层神经元数的确定  19
      2.1.3.3 各层传递函数的选择  19-21
      2.1.3.4 训练函数的选择  21-22
  2.2 遗传算法理论  22-24
    2.2.1 遗传算法的研究与发展状况  22
    2.2.2 遗传算法的基本思想和数学基础  22-24
      2.2.2.1 遗传算法的基本思想  22-23
      2.2.2.2 遗传算法的数学基础——模式定理  23-24
  2.3 MATLAB 软件及神经网络和遗传算法工具箱的应用研究  24-27
    2.3.1 Matlab 软件及其工具箱  24
    2.3.2 Matlab 神经网络工具箱  24-25
    2.3.3 Matlab 遗传算法工具箱  25-27
第三章选择性激光烧结聚苯乙烯试验  27-48
  3.1 选择性激光烧结聚苯乙烯（PS）粉末的原理和工艺  27-28
  3.2 试验部分  28-48
    3.2.1 试验设备和试验材料  28-30
    3.2.2 试验方案  30-32
    3.2.3 收缩和变形试验  32-39
      3.2.3.1 收缩和变形试验试件的制备  32-33
      3.2.3.2 收缩和变形试验方案设计  33-39
    3.2.4 拉伸强度试验  39-48
      3.2.4.1 拉伸强度试验试件的制备  39-41
      3.2.4.2 拉伸强度试验方案设计  41-48
第四章神经网络建模和遗传算法优化  48-67
  4.1 BP 神经网络模拟  48-57
    4.1.1 试件收缩率和变形量的BP 神经网络模拟  48-54
      4.1.1.1 BP 神经网络模型的建立  48-51
      4.1.1.2 BP 神经网络的预处理和初始化  51-52
      4.1.1.3 神经网络模型的训练  52-53
      4.1.1.4 神经网络模型的检验  53-54
    4.1.2 拉伸强度的BP 神经网络模拟  54-57
      4.1.2.1 BP 神经网络模型的建立  54-55
      4.1.2.2 BP 神经网络的预处理和参数初始化  55-56
      4.1.2.3 神经网络模型的训练  56
      4.1.2.4 神经网络模型的检验  56-57
  4.2 用遗传算法对烧结参数的优化  57-67
    4.2.1 遗传算法的总体设计流程  57-58
    4.2.2 染色体编码  58-59
    4.2.3 适应度函数的选择  59-61
    4.2.4 初始种群和迭代次数的确定  61-62
    4.2.5 进化操作  62-64
      4.2.5.1 选择操作  62
      4.2.5.2 交叉操作  62-64
      4.2.5.3 变异操作  64
    4.2.6 优化结果  64-67
第五章结果与分析  67-85
  5.1 工艺参数对试件尺寸收缩的影响  67-73
    5.1.1 加工工艺参数对收缩率影响的评价  67-68
    5.1.2 工艺参数对收缩率的影响规律  68-73
      5.1.2.1 单个工艺参数对收缩率的影响  68-70
      5.1.2.2 不同工艺参数对收缩率的相互影响  70-73
  5.2 工艺参数对试件变形量的影响  73-78
    5.2.1 加工工艺参数对变形量影响的评价  73-74
    5.2.2 工艺参数对变形量的影响规律  74-78
      5.2.2.1 单个工艺参数对变形量的影响  74-76
      5.2.2.2 不同工艺参数交互作用对变形量影响  76-78
  5.3 工艺参数对试件拉伸强度的影响  78-85
    5.3.1 加工工艺参数对拉伸强度影响的评价  79
    5.3.2 工艺参数对拉伸强度的影响规律  79-85
      5.3.2.1 单个工艺参数对拉伸强度的影响  79-81
      5.3.2.2 不同工艺参数交互作用对拉伸强度的影响  81-85
第六章结论与展望  85-87
  6.1 全文总结  85-86
  6.2 研究展望  86-87
参考文献  87-93
攻读学位期间本人出版或公开发表的论著、论文  93-94
致谢  94-95

基于模拟的选择性激光烧结工艺过程的优化研究

内容摘要

全文目录

相似论文