论文部分内容阅读
定向能量沉积过程的智能化建模有助于解决沉积制造精度低的问题。以沉积工艺参数(激光功率、送粉速率、扫描速率、喷嘴高度)为输入、熔道宽度和高度为输出设计实验,建立基于高斯径向(RBF)核函数的支持向量回归(SVR)模型,采用该模型对熔道尺寸进行预测,并采用改进的粒子群优化(PSO)算法对RBF-SVR的超参数进行自动全局寻优。结果表明:RBF-SVR预测熔道宽度和高度的平均相对误差分别为4.58%和5.33%,小于反向传播(BP)神经网络预测的平均相对误差(6.72%和7.96%);所建模型适用于定向能量沉积熔道尺寸的预测,并能对沉积成型工艺参数的选取提供帮助。