基于ISMA-ELM混合模型的选择性激光烧结工艺参数优化

摘要

针对选择性激光烧结(selective laser sintering, SLS)制件收缩的问题，本文提出一种由改进黏菌优化算法(improve slime mould algorithm, ISMA)和极限学习机(extreme learning machine, ELM)相结合的新型混合模型，以使用有限的输入数据来预测制件收缩率。首先，采用Levy飞行、随机反向学习以及高度破坏性多项式变异等三种改进策略全方面提高了黏菌优化算法的性能。随后利用ISMA优化ELM的关键参数，提出了一种ISMA-ELM模型用于预测SLS制件的收缩率。仿真结果表明，相较于标准及其他算法优化后的ELM模型，本文所提出的ISMA-ELM获得了最优预测结果。最后，利用ISMA-ELM模型预测出的最优加工参数指导加工，所获得成型件尺寸精度相较于ELM模型提高了29.62%,相较于SMA-ELM提高了18.02%,结果表明，该模型可以为SLS成型加工提供最优工艺参数，有效指导加工。

关键词

选择性激光烧结 / 黏菌算法 / 极限学习机 / Levy飞行 / 随机反向学习 / 高度破坏性多项式变异