激光选区烧结（Selective Laser Sintering,SLS）是最主要的增材制造技术之一,该技术具有选材广泛、无需支撑、成形速度快、能够成形复杂零件等优势,具有广泛的应用前景。在SLS工艺中,稳定的烧结点温度是保证成形件质量的重要因素。目前主要通过直接反馈控制来维持烧结点温度稳定,但实际效果并不理想。本文提出了 SLS中的烧结点温度预测控制方法,为实现该方法,对覆膜砂SLS温度场进行有限元分析,建立了基于GA-BP神经网络的烧结点温度预测控制模型,基于该模型进行了烧结点温度预测控制仿真及实验。具体研究内容如下:使用ANSYSAPDL有限元软件建立了 SLS温度场仿真模型,采用移动高斯热源模拟激光的持续扫描,考虑了不同温度下的材料热物性参数,分析导致SLS烧结点温度分布不均的内在机理,并详细讨论了各成形工艺参数与烧结点温度之间的关系。搭建了基于红外热像仪的SLS温度检测平台,并进行了温度采集实验,仿真结果与实验结果保持一致,验证了有限元模型的正确性。在大量数值模拟实验的基础上,采用GA-BP神经网络建立了烧结点温度预测模型及激光功率控制模型。温度预测模型能够预测不同尺寸模型在不同成形工艺参数下的烧结点温度分布,将GA-BP预测结果与标准BP神经网络预测结果进行对比,GA-BP模型具有较高的预测精度。功率控制模型能够计算烧结点温度稳定在目标值时各烧结点相应的激光功率,在ANSYS中对功率控制结果进行了仿真验证,各烧结点温度均保持在目标值附近。基于GA-BP温度预测控制模型开发了 SLS烧结点温度预测控制软件。应用该软件分别对长方体、三角柱体零件的恒定激光功率SLS成形过程的烧结点温度进行了预测,通过恒定激光功率SLS成形实验证明了该软件烧结点温度预测的准确性。应用该软件分别进行长方体、三角柱体零件烧结点温度模拟预测控制,计算出动态变化的各烧结点的激光功率,应用计算出的各烧结点的激光功率分别进行变功率SLS温度场仿真与成形实验,结果表明烧结点温度能够保持稳定,验证了烧结点温度预测控制方法的正确性。