基于模糊RBF神经网络的选域激光烧结尺寸精度预测建模
将减法聚类与伪逆法相结合建立了模糊RBF(Radial Basis Function neural network,径向基神经网络)模型.通过正交试验,获得不同激光功率、扫描速度、预热温度和切片厚度参数条件下SLS试件的尺寸误差,在此基础上获得训练与预测样本数据,并对该模型进行仿真.结果显示预测平均总误差为2.16%,表明该模型具有建模快、模型简单、训练速度快、预测精度高,泛化能力强的优点,可根据不同烧结工艺参数对SLS制件尺寸精度进行较准确地预测,以便指导实际生产.
模糊神经网络、预测、尺寸精度
57
TF124(冶金技术)
2008-12-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
1029-1032