选择性激光烧结(Selective Laser Sintering, SLS)是一种近二三十年来发展起来的快速成型(Rapid Prototyping, RP)技术,并成为并行工程、反求工程中的重要部分。随着SLS技术的发展,对SLS试件精度与强度提出了更高的要求。因此展开对SLS工艺及试件精度和强度的研究具有重大的理论和实际意义。本文在大量试验研究的基础上,应用神经网络方法和遗传算法对SLS的工艺参数进行了模拟和优化研究。本文的工作主要包括:首先,进行了SLS工艺烧结聚苯乙烯(PS)材料的试验研究,在考虑保证烧结过程中烧结成型稳定的情况下,选取激光功率、扫描速度、扫描间距、单层厚度和粉底温度作为影响烧结制品的主要工艺参数,并对不同工艺参数下烧结试件的收缩率、变形量及拉伸强度进行了研究,提取了相应的用于神经网络模型和遗传算法进行模拟仿真的试验数据。其次,以烧结工艺参数作为输入,收缩率、变形量、拉伸强度作为输出,分别建立了收缩率BP神经网络模型、变形量BP神经网络模型及拉伸强度BP神经网络模型,结合试验数据,对网络模型进行了训练和检验,并应用修正后的模型进行了模拟,结果表明,神经网络模型能确立SLS加工工艺参数与试件变形量、收缩率及拉伸强度之间的定量关系。应用遗传算法并结合已建立的BP神经网络模型对工艺参数进行了优化,得出最佳工艺参数组合,即粉底温度94℃,激光功率14W,扫描速度1700mm/s,单层厚度0.16mm,扫描间距0.13mm。试验结果表明利用遗传算法搜索到的SLS加工工艺参数的最优解是有效的。最后,结合优化的工艺参数组合,利用BP神经网络模型模拟分析了单一工艺参数变化以及两个工艺参数共同作用时对烧结质量的影响。应用神经网络的预测功能对试件烧结质量受工艺参数影响程度进行了评价,结果表明:激光功率对收缩率的影响最大,其次为扫描间距,而单层厚度的影响最小;变形量受激光功率和粉底温度对影响较大,扫描速度对变形量的影响最小;激光功率对拉伸强度的影响最大,粉底温度的影响最小。