论文部分内容阅读
选择性激光烧结（SLS-SelectiveLaserSintering）是20世纪80年代迅速发展起来的一种快速原型（RP-RapidPrototyping）技术。由于其具有选材广，成型无需夹具，材料利用率高，能缩短设计生产周期等优点，成为了制造业的新宠。目前对SLS成型工艺参数的制定没有一个系统的科学的方法，基本上都是凭人的经验来确定的，不能良好的满足SLS烧结粉末材料成形零件的需要，所以，必须研究新型的优化理论和方法，以改变凭经验确定SLS快速成形工艺参数的现状，为SLS方法直接制造出高精度、高强度的零件提供工艺保证。 本文利用了有限元分析方法对SLS加工进行热物理过程数值模拟分析，探讨了工艺参数对热物理场的影响，运用正交试验设计法对SLS工艺参数进行优化，利用BP神经网络对SLS加工工艺参数建模，并深入探讨了工艺参数对烧结过程的影响。本文的主要工作和结论如下： 采用有限元软件构建了SLS加工三维有限元模型，该模型综合考虑了材料热物性参数随温度变化以及相变潜热，选择高斯激光热源并对光源进行近似处理使其逼近实际圆形光斑，并利用APDL编程语言实现了激光热源移动加载。利用该模型进行了温度场、变形场等物理场的有限元分析，模拟结果与试验结果相吻合。 基于模拟结果，利用正交试验设计法研究了激光功率、扫描速度、扫描间距、预热温度、铺粉厚度对选择性激光烧结温度场的影响，以烧结道间的搭接率和层面的搭接率为试验指标，采用极差分析法分析，确定了合理的工艺参数组合，从而使烧结质量最佳。 在大量模拟试验的基础上，应用BP神经网络建立了加工工艺参数对烧结过程中平均最高温度、平均最大温度梯度、烧结深度和烧结宽度的预测模型，研究了激光功率、扫描速度、扫描间距、预热温度与SLS烧结过程的平均最高温度、平均最大温度梯度、烧结宽度和烧结深度之间的定量关系，该预测模型能很好的对SLS烧结过程的平均最高温度、平均最大温度梯度、烧结宽度和烧结深度进行预测，对合理选择加工工艺参数有现实指导意义。 利用构建的BP神经网络预测模型，分析了单个工艺参数变化和多个工艺参数共同作用对烧结过程中平均最高温度、平均最大温度梯度、烧结深度和烧结宽度的影响。