龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨理工大学
摘要：本发明公开了一种基于GWO优化的SLM成型件变形量模型预测方法，属于增材制造领域，该方法根据变形量受各工艺参数的影响程度、变化趋势均不相同，最优参数无法确定，建立了SLM的BP神经网络模型，并利用GA对BP神经网络进行了优化。通过MATLAB编程和运算得到的输出结果，与BP网络的运行结果进行比较，经过优化后的神经网络预测平均误差均有所降低，所以经过GA优化后的BP神经网络的预测效果更好，预测的更加准确，为后续变形量的补偿奠定了基础。利用GWO对由GA‑BP神经网络预测的模型进行工艺参数寻优，将寻优得到的工艺参数进行二次预测，进一步提高预测的准确性，并利用SimufactAdditive软件得到该工艺参数组合的变形量与残余应力，充分验证工艺参数优化的正确性。
主权项：1.一种基于GWO优化的SLM成型件变形量模型预测方法，其特征在于，包括以下步骤：步骤1、基于响应曲面法，以激光功率、扫描速度、扫描间隔、铺粉厚度作为工艺参数，以变形量作为评价指标，利用SimufactAdditive软件对316L不锈钢粉末SLM成型的变形进行数值计算，获得不同工艺参数下SLM成型件的变形数据；步骤2、根据SLM成型仿真实验获得的变形数据，以激光功率、扫描速度、扫描间隔、铺粉厚度作为输入值，利用GA-BP神经网络对成型件变形量模型进行预测；步骤3、获得预测模型后，利用灰狼算法对训练好的SLM成型件工艺参数预测模型进行优化，获得基于GA-BP-GWO的激光功率、扫描速度、扫描间距、铺粉厚度的最优参数组合。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于GWO优化的SLM成型件变形量模型预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号