为提高选择性激光烧结(SLS)成形精度,解决工艺参数优化试验成本高等问题,选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度5个工艺参数设计正交试验以获得样本数据并建立统一目标函数。采用人群搜索算法(SOA)优化最小二乘支持向量机(LSSVM),建立基于SOA-LSSVM的SLS成形件精度预测模型;预测不同工艺参数组合下制件的统一性能,并与采用传统BP神经网络和LSSVM模型获得的预测结果进行对比。结果表明SOA-LSSVM模型针对小样本预测问题具有良好的泛化能力,预测值与实际值的最大相对误差仅为1.11%,可为SLS加工参数组合的选择提供参考。

利用热像仪，通过计算机自动控制，对覆膜砂选择性激光烧结（SLS）过程的温度场进行了测定和研究，避开了使用传统测温方法的各种干扰及缺点．通过对热像仪测温结果的研究，确定了覆膜砂SLS成型的合适的工艺参数范围：扫描速度10mm／s，激光功率16～20W根据热像仪测温结果，结合ANSYS数值模拟计算，建立了覆膜砂SLS过程的激光能量输入模型．该模型考虑了扫描过程中激光与覆膜砂相互作用的因素，用于预测不同的工艺参数对覆膜砂SLS成型过程的影响，为进一步分析各种成型工艺变化对覆膜砂固结效果的影响，以及激光快速成型工艺的计算机优化奠定了基础．

为消除纯滞后系统的超调、改善温度因素对制件质量和强度的影响,设计一种基于BP-PID算法的选择性激光烧结温度控制系统。该系统采用层次化架构和模块化的设计方案,以STM32控制器作为主控模块,并利用BP神经网络改进传统比例-积分-微分(PID)算法,提高了控制系统的稳定性且效果显著。通过MATLAB进行仿真模拟,与传统PID控制进行对比并进行实验。结果表明:BP-PID算法能迅速整定最优参数,且超调量小,达到稳态所用时间更短;在设定预热温度为90℃且采用BP-PID算法控制时,系统稳态误差在±1℃之内,超调量小于3%。