[发明专利]一种选区激光熔化主要工艺参数匹配优化方法

说明书

本发明一种选区激光熔化主要工艺参数匹配优化算法涉及选区激光熔化工艺技术领域，特别涉及一种选区激光熔化主要工艺参数匹配优化算法，包括以下步骤：初始化BP算法网络：BP算法网络结构包括网络的输入层、隐含层及输出层；输入层、隐含层及输出层上均设置有多个节点，按照选区激光熔化输入工艺参数对应热力结果的训练样本进行输入和输出学习训练；本发明编程运行后，即可得到各种输入工艺参数范围下通过输出范围限值的，较优工艺参数的组合方案的优化结果，而不同的材料、不同的设备建立不同的学习训练样本后，即可加载进本算法模型，通过算法迭代计算，实现相应的选区激光熔化主要工艺参数优化方案迭代计算。

技术领域

本发明涉及选区激光熔化工艺技术领域，特别涉及一种选区激光熔化主要工艺参数匹配优化算法。

背景技术

随着选区激光熔化（Selective Laser Forming, 选区激光熔化）工艺在小批量、难加工、高附加值产品增材制造中的应用，其工艺参数的选配对于成形质量具有决定性的影响，一旦工艺参数不匹配就会形成较大的热应力而引起成形件的裂纹、翘曲、孔隙、变形超差等质量问题，成为制约该项制造技术发展的瓶颈问题。工艺参数匹配是指一定材料在相关设备上成形零件在一定范围内可适用不同序列的工艺参数集。由于多个工艺参数之间相互作用、相互制约，属于多变量耦合系统，很难直接选定某组工艺参数组合方案。目前选区激光熔化工艺设计时主要是依赖设备已有参数包再结合技术人员经验，靠不断调整工艺参数组合的大量实验参数试算得到基本合格的成形件，这种多次反复的实验必然造成各种资源的浪费，甚至很多应用中找不到成功的工艺解决方案而放弃选区激光熔化制造工艺。此类问题严重困扰着诸多应用单位，导致了目前强大的选区激光熔化工艺市场需求与成形性能不稳定之间的矛盾。

影响选区激光熔化成形质量的工艺参数有130多个，最主要工艺参数有：激光功率（P）、扫描速度(v)、激光搭接率(δ)、扫描方式(τ)、层厚共计5个输入参数，而评价成形件质量的输出参数也有多个如：熔池温度（t）、残余应力(σ)、成形应变(ε)等等，这些输入与输出参数之间难以找到显式函数的描述关系，即目标函数无法用连续或离散的显式数学式表达，这种问题的优化属于非线性、多元、多目标、离散的难解问题。对于选区激光熔化多参数工艺优化单一的智能优化不适用，需要有确定目标函数评价迭代的智能算法也不适用，而标准的PSO算法和BP算法容易使求解陷入局部最优。

发明内容

为了解决以上技术问题与现有算法的不足，本发明的目的在于提供一种选区激光熔化主要工艺参数匹配优化方法，通过基于改进粒子群算法与误差反向传播算法相融合的变速复合学习算法对主要工艺参数通过迭代遍历进行协调智能优化，以得到不同参数系列下较合理的主要工艺参数匹配方案，具有很强的实践应用价值。

本发明一种选区激光熔化主要工艺参数匹配优化方法，包括以下步骤：

第一步，初始化BP算法网络：BP算法网络结构包括网络的输入层、隐含层及输出层；输入层、隐含层及输出层上均设置有多个节点，按照选区激光熔化输入工艺参数对应热力结果的训练样本进行输入和输出学习训练，以及建立变惯性权重、变学习因子的参数方程；所述训练样本来自于选区激光熔化热力耦合仿真结果或实验数据结果；

第二步，学习训练BP算法网络：采用多层细分BP算法网络结构，由仿真或实验作输出的映射关系形成训练样本来训练BP算法网络；

第三步，初始化PSO算法；包括初始化每个粒子的速度和位置，构造改进的变速PSO算法，定义各粒子的个体最佳位置pBest，定义群体的全局最佳位置gBest，定义迭代次数和迭代精度；

第四步，选区激光熔化工艺参数编码；将PSO位置参数按选区激光熔化工艺参数对应的编码位编码，把主要工艺参数编码到一个粒子中，得到主要工艺参数统一的编码位；

第五步，粒子飞翔；PSO粒子以变惯性权重、变学习因子的方式变速飞翔，得到飞翔后的选区激光熔化工艺参数群组值；