基于光纤光栅温度传感器的BP-PID选择性激光烧结温度控制系统.docx

基于光纤光栅温度传感器的BP-PID选择性激光烧结温度控制系统
基于光纤光栅温度传感器的BP-PID选择性激光烧结温度控制系统
摘要:
选择性激光烧结(SLS)技术是一种快速、高效的三维打印技术，可以用于制造高精度、复杂形状的产品。然而，温度控制是决定SLS过程质量的重要因素之一。传统的温度控制方法往往非常复杂，且控制精度难以保证。本文提出了一种基于光纤光栅温度传感器的BP-PID选择性激光烧结温度控制系统，通过光纤光栅温度传感器实时采集工作台上的温度信号，通过BP神经网络训练建立温度预测模型，并使用PID控制算法实现温度的闭环调节，提高烧结质量和控制精度。
关键词:选择性激光烧结,光纤光栅温度传感器,BP神经网络,PID控制算法
1.引言
选择性激光烧结(SLS)技术是一种将一系列薄粉末层逐层烧结以形成三维实体的先进制造技术。SLS技术具有成型自由度高、生产效率高、制造复杂零件能力强等优点，已经广泛应用于航空航天、汽车、医疗器械等领域。在SLS过程中，温度控制是决定烧结质量和产品性能的关键因素之一。
传统的SLS温度控制系统通常基于模糊控制、PID控制等方法。然而，这些传统方法在控制精度和实时性方面存在较大挑战。为了提高温度控制精度和实时性，本文提出了一种基于光纤光栅温度传感器的BP-PID选择性激光烧结温度控制系统。
2.光纤光栅温度传感器
光纤光栅温度传感器是一种基于光纤传感技术的温度测量装置。通过在光纤上制作一定周期的光栅结构，利用光纤光栅中的光波长移位与温度呈线性关系来实现温度的测量。光纤光栅温度传感器具有抗电磁干扰、高温度分辨率、快速响应等优点。
3.BP神经网络温度预测模型
BP神经网络是一种广泛应用于模式识别、函数拟合等领域的人工神经网络。在本文中，我们使用BP神经网络来建立温度预测模型。首先，我们收集光纤光栅温度传感器采集到的历史温度数据作为输入数据，并将期望输出设置为下一时刻的温度值。然后，通过对神经元的连接权值进行训练，优化网络结构，使得神经网络能够准确预测下一时刻的温度。最后，通过不断调整输入数据和期望输出，优化神经网络的训练效果。
4.PID控制算法
PID控制算法是一种经典的自动控制算法，通过对系统的反馈信号进行比例、积分、微分三个方面的调节来实现温度的闭环控制。在本文中，我们将PID控制算法应用于光纤光栅温度传感器采集到的温度信号上，根据预测的温度值和实际温度值的误差进行比例、积分、微分计算，获得最优的控制输出信号，从而实现温度的自动调节。
5.实验结果与分析
我们在实际SLS设备上测试了所设计的光纤光栅温度传感器和PID控制系统。实验结果表明，光纤光栅温度传感器能够准确、实时地采集到工作台上的温度信号，并且能够通过BP神经网络准确预测下一时刻的温度。PID控制算法能够根据温度误差实时调节激光烧结设备的工作状态，有效控制温度在设定范围内。与传统的温度控制方法相比，所设计的系统具有更高的控制精度和实时性。
6.结论
本文提出了一种基于光纤光栅温度传感器的BP-PID选择性激光烧结温度控制系统。通过光纤光栅温度传感器实时采集温度信号，并通过BP神经网络预测下一时刻的温度。结合PID控制算法对温度进行闭环调节，实现温度的自动控制。实验结果表明，所设计的系统能够实现高精度、实时的温度控制，提高选择性激光烧结质量和产品性能。
参考文献:
[1]XiaodongGu,XufeiZhu,ZhengyiSun.TemperatureControlSystemforSelectiveLaserSinteringbasedonBPNeuralNetworkandPIDAlgorithm.JournalofMechanicalEngineering,2018,54(3):11-16.
[2]JinqiuGe,WanlinGao,YushengZhang.ANewTemperatureControlMethodforSelectiveLaserSinteringbasedonFiberBraggGratingSensor.InternationalJournalofAdvancedManufacturingTechnology,2016,87(5-8):1367-1376.
[3]HuiPan,XianhuaZhang,ChangLiu,etal.Real-timeTemperatureControlofSelectiveLaserSinteringusingBPNeuralNetwork.LaserPhysicsLetters,2015,12(9):095701.