增材制造技术是一种应用历史比较简短的成型方法,它是在离散堆积理论的基础上发明而来的。人工神经网络是以动物神经网络行为特点为原理,用于信息处理的算法数学模型,它是人们对大脑或神经网络的特点进行抽象处理后得到的。在增材制造的过程中,有一项十分重要的工作,即根据已知的焊接工艺参数进行计算,从而确定焊道尺寸,或者是根据要制作的焊道尺寸,反推出焊接工艺参数。笔者在本课题中以机器人堆敷焊道为对象进行研究,从而揭示出焊接速度、送丝速度、焊接电压、喷嘴高度、焊道高度和宽度彼此间的关联。首先,在研究影响焊道成型的因素时创建模型,模型的自变量为焊接速度、送丝速度、焊接电压、喷嘴电压、喷嘴高度,因变量为焊道高度以及宽度,通过二次回归旋转设计找到试验参数,开展单层道焊接实验,以获取样本数据。创建二次回归通用模型,确定自变量和因变量之间的函数关系,利用该模型对人工神经网络模型的精度进行对比。然后根据试验样本测得的数据建立人工神经网络正向模型,在试验设计中数据选择范围内选择与试验参数不同的验证参数形成验证样本,进行焊接试验,采集试验成型数据。通过实验数据,揭示出人工神经网络模型的误差大小,对比二次回归通用模型的误差。在此基础上总结出工艺参数是如何影响焊道成型的。利用样本数据创建包含焊接工艺参数和焊道成型尺寸的人工神经网络反向模型,用验证样本相关数据检测反向模型预测误差以及同二次回归通用模型进行误差对比。通过验证计算和误差对比可知反向模型误差较大。基于此创建将正、反向模型合在一起的正反双向联合预测系统。最后,通过单道多层的焊接增材制造方法,采集试验数据。从而验证正反双向联合预测系统模型在预测焊接成型尺寸方面的能力及精度。