选择性激光烧结工艺的试验与优化方法研究

【摘要】：选择性激光烧结(SLS-Selective Laser Sintering)是一种最近二十年来发展起来的快速原型(RP-Rapid Prototyping)技术。相对于其他快速原型技术而言,SLS由于制造速度快、用材广泛和后处理工艺相对简单而备受关注,并且应用领域日益拓宽。然而,这种发展趋势由于SLS加工零件的精度和强度较低而受到了限制。因此开展SLS加工工艺的研究不仅有重要的理论意义,同时还具有重要的实际指导意义。 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的烧结过程和后处理过程进行了模拟和优化研究。针对SLS加工工艺的特点,提出了一些有益的、具有一定创新的方法并得到了一些结论,并应用这些方法和结论解决了一些实际问题。 在SLS烧结过程研究方面,本文的工作和取得的成果包括: 1.提出了基于神经网络方法的选择性激光烧结加工件质量特性预测模型。该模型以SLS加工工艺参数作为输入量,包括:层厚(lt)、扫描间距(dh)、激光功率(W)、扫描速度(v)、加工环境温度(Te)、层与层之间的时间间隔(Ts)和扫描方式(F)。SLS加工件质量特性指标包括加工件的收缩、加工变形、密度和抗拉强度作为模型的输出。并且详细叙述了神经网络结构参数如隐含层神经元个数、激励函数、网络收敛精度等的确定原则和方法。试验研究结果表明,该神经网络模型能建立SLS加工工艺参数与加工件质量特性之间的定量关系。同时表明选择用神经网络方法研究SLS加工工艺是合适的。 2.在神经网络模型研究的基础上,应用遗传算法对SLS工艺参数进行了优化研究。针对SLS加工的特点,提出了一种适合SLS工艺特点的基于空间分割的遗传算法初始种群产生和种群数量确定方法。并研究了在不同搜索策略下遗传算法的性能,通过模拟试验分析确定了适合SLS工艺优化的搜索策略。计算结果表明遗传算法作为一种全局搜索寻优方法,能搜索到用神经网络描叙的表达式的最优解。生产实际表明遗传算法搜索到的SLS加工工艺的最优解是有效的。同时说明本文提出的神经网络和遗传算法相结合的模拟优化方法对难于用精确模型和试验方法研究的高度非线性问题是一种十分有效的方法。 3.在模拟优化的基础上,提出了评价工艺参数对加工件质量的影响指标。研究结果表明:影响收缩率的主要因素为扫描间距; 而工艺参数对尺寸变形影响的程度差别不大,其中扫描间距的影响相对大些。影响加工件密度的主要参数为扫描间距; 而工艺参数对抗拉强度影响差别很大,其中激光功率对抗拉强度的影响最为显著。