-
公开(公告)号：CN119272432A
公开(公告)日：2025-01-07
申请号：CN202411330882.8
申请日：2024-09-23
Applicant: 哈尔滨理工大学
IPC: G06F30/17 , G06F30/27 , G06N3/006 , G06N3/126 , G06F111/10 , G06F113/10
Abstract: 本发明公开了一种基于进化混融法的SLM成型件工艺参数优化方法，属于金属增材制造领域。该方法首先选取激光功率、扫描速度、扫描间距、铺粉厚度等关键工艺参数，以SLM成型件的变形量作为响应指标，针对SLM成型过程中的变形问题进行数值计算，获得变形数据，并通过响应曲面法构建工艺参数与变形量之间的数学关系模型，以实现对变形量的预测；然后采用进化混融法进行工艺参数寻优，进化混融法是在黑翅鸢捕食、迁徙行为中进行进化操作，利用两种进化策略生成候选解并加权混合生成进化向量，引入混合概率因子生成试验个体，比较试验个体和原始解的适应度来决定是否接受新解，从而对工艺参数进行优化，以减小SLM成型件的变形量。该方法能精确预测和优化工艺参数，减小成型件变形量，简化参数调整过程，降低生产成本，提高生产效率。
-
公开(公告)号：CN118341989A
公开(公告)日：2024-07-16
申请号：CN202410467092.8
申请日：2024-04-17
Applicant: 哈尔滨理工大学
Abstract: 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Simufact Additive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。
-
公开(公告)号：CN118268602A
公开(公告)日：2024-07-02
申请号：CN202410467114.0
申请日：2024-04-17
Applicant: 哈尔滨理工大学
IPC: B22F10/85 , B22F10/28 , B33Y10/00 , B33Y50/02 , G06F30/23 , B22F10/366 , G06F113/10 , G06F119/08
Abstract: 本发明公开了一种基于三角面片反变形的SLM成型件变形量补偿方法，属于增材制造领域，该方法基于Simufact Additive仿真软件对SLM成型零件的三维模型进行变形预测，获得三维模型的变形云图，并导出变形后的零件，运用Matlab软件获取各三角面片单元节点的变形数据。反变形补偿方法就是对三角面片单元节点产生的变形做反向补偿，将补偿后模型进行打印，获取补偿后的打印结果数据，并与原模型进行对比，验证反变形补偿策略的正确性。该方法可有效降低成型件的变形量，提高成型件精度。
-
公开(公告)号：CN118268599A
公开(公告)日：2024-07-02
申请号：CN202410460794.3
申请日：2024-04-17
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于外加静磁场的SLM成型件残余应力补偿方法，属于增材制造领域，该方法在打印仓内施加由上到下且与基板方向垂直的静磁场，依靠静磁场与SLM熔池之间产生的洛伦兹力以及热电磁力来降低SLM成型件的残余应力，并利用Comsol Multiphysics建立单层单道的选择性SLM仿真模型，在模型使用过程中，利用探针选取某一点加工位置，观察对比增加磁场前后的温度变化、残余应力的变化以及体积应变，验证该方法的可行性。
-
-
-
Search Results
4
records
(took 0.019 seconds)
