基于自適應(yīng)GDSA-BPNN的選區(qū)激光熔化質(zhì)量預(yù)測(cè)

摘要： 針對(duì)增材制造選區(qū)激光熔化（selective laser melting,SLM）零件的質(zhì)量缺陷問(wèn)題，提出一種基于自適應(yīng)策略的多輸入多輸出反向傳播神經(jīng)網(wǎng)絡(luò)（back propagation neural network,BPNN）模型預(yù)測(cè)SLM產(chǎn)品質(zhì)量，解決傳統(tǒng)方法不能自適應(yīng)地調(diào)整超參數(shù)來(lái)適應(yīng)不同搜索階段的問(wèn)題。首先確定SLM成型的重要工藝參數(shù)和質(zhì)量指標(biāo)，選擇Huber函數(shù)作為...