基于数据驱动的电子束成型智能决策方法*

王材桦，杨 帆

（1.西安交通大学 机械工程学院，陕西 西安 710049；2.中国航空制造技术研究院，北京 100024）

电子束熔丝技术通过高速电子轰击金属粉末，产生的动能转化成热能来熔化金属粉末成型[1]，是多个参数强耦合非线性时变的过程，其成型件性能受工艺参数变化的影响巨大[2-3]，广泛地应用于航天航空、汽车制造工业、船舶工业等多个领域[4-5]。使用传统的解析计算和数值模拟方法较难准确且高效地再现这一过程。SerdarKaraoglu等人[6]采用多重非线性回归法进行了建模，从而揭示出工艺参数彼此间的关联规律。ZHANG等人[7]采用反向传播神经网络算法解决了神经网络学习数据来源的问题。ANDERSEN等人[8]建立了钨极惰性气体保护焊(GTAW)焊接参数和熔宽、熔深的神经网络数学模型，在此基础上设计了GTAW焊闭环控制系统。Chen等人[9]提出了自学习模糊神经网络控制系统，并且在脉冲GTAW焊中得到了应用。陈善本等人[10]借助于神经网络构成自学习模糊控制器，成功实现了脉冲GTAW焊的正面熔宽控制。

本文建立了熔宽、余高与成型工艺参数的BP神经网络模型，利用该模型可以由送丝速度、成型速度和束流得到熔宽和余高。并且在神经网络中间层采用不同的神经元数量对模型预测精度进行训练，分析了神经元数量对模型预测精度的影响。在最后建立起由成型尺寸到工艺参数的反向预测模型，对实现预测与实时控制电子束成型过程中的熔宽和余高具有重要指导意义。

1 正向预测网络模型的建立

在该部分中，旨在基于BP神经网络创建一个具体的模型。……