基于改进神经网络的增材制造刀轨优化研究

本文针对选择性激光烧结增材制造(selecting laser sintering,SLS)内部质量问题,提出贝叶斯优化BP神经网络(BO-BP神经网络)路径优化模型,提高了SLS成型质量,减少打印过程能源消耗.首先,建立打印件路径规划流程,利用动态规划技术得到给定激光网格中最终路径并移除冗余路径,针对激光烧结过程建立基于导热微分方程的SLS模型,并对其路径进行数值模拟,利用各网格节点最终温度值计算材料网格内部节点温度梯度值并排名,以此值作为神经网络算法训练并测试数据的数据集;其次,通过对所得激光路径进行数值图像转化,得到相应的平均热梯度分布图,将所得到的激光路径转化成灰度路径图像,采用改进BO-BP神经网络算法进行训练;最后,使用Softmax函数将神经网络输出数字转换为每个图像的概率,选取线性优化、无监督学习神经网络、遗传-反向传播神经网络(GA-BP)和反向传播(BP)神经网络进行预测结果比较,得出BO-BP神经网络算法相较于其他算法具有预测精度高、搜索速度快的优点.