復雜高強度金屬晶格結(jié)構(gòu)激光增材制造的工藝-結(jié)構(gòu)-性能多目標逆向優(yōu)化

來源： 增材制造碩博聯(lián)盟

增材制造（AM）已成為制造輕質(zhì)高強度金屬晶格結(jié)構(gòu)的實用解決方案,。工藝-結(jié)構(gòu)參數(shù)的逆向優(yōu)化以實現(xiàn)高性能和最小化試錯實驗提出了持續(xù)的挑戰(zhàn)。南京航空航天大學顧冬冬教授團隊在國際頂級期刊《Virtual and Physical Prototyping》上發(fā)表了使用物理增強數(shù)據(jù)驅(qū)動方法進行晶格結(jié)構(gòu)增材制造的工藝-結(jié)構(gòu)多目標逆向優(yōu)化的最新研究成果,。

研究提出了一種逆向優(yōu)化方法來應(yīng)對多個相互沖突的性能目標,，包括增材制造約束下的機械性能和輕量化程度。為了追求更高的精度,，開發(fā)了一種物理增強的數(shù)據(jù)驅(qū)動算法,，即編碼-剛度分析多任務(wù)高斯過程回歸（encoding-stiffness-analysis multi-task Gaussian process regression, emGPR)），以精確分析工藝結(jié)構(gòu)參數(shù)如何影響增材制造晶格結(jié)構(gòu)的特性,。關(guān)注公眾號: 增材制造碩博聯(lián)盟,，免費獲取海量增材資料，聚焦增材制造研究與工程應(yīng)用,！

圖1. emGPR-mGA 激光增材制造逆優(yōu)化方法流程圖（encoding-stiffness-analysis multi-task Gaussian process regression, emGPR; multi-objective genetic algorithm, mGA)

作為一種新興的增材制造機器學習方法,，物理增強數(shù)據(jù)驅(qū)動算法由于物理信息提供的可解釋性而表現(xiàn)出強大的擬合能力和外推性能。它已被用作多目標遺傳算法中的代理模型,，有助于參數(shù)的有效設(shè)計和目標空間的擴展,。值得注意的是,，預測結(jié)果與實驗結(jié)果之間的偏差小于15%，有力地證實了該方法的可靠性,。物理洞察力和數(shù)據(jù)驅(qū)動建模的融合為加速高效設(shè)計的開發(fā)帶來了巨大的希望,。

圖2. 晶格結(jié)構(gòu)的設(shè)計與激光增材制造成形

圖3. (a)壓縮曲線特征提取示意圖；(b) NSGA-II算法示意圖,；(c) MBB 梁的多尺度拓撲優(yōu)化

圖4. (a)表征收斂性的SA算法的全局適應(yīng)度曲線；(b) SA算法迭代過程中的局部適應(yīng)度,；(c)通過SA算法提取壓縮曲線特征

該研究利用物理增強數(shù)據(jù)驅(qū)動算法將LPBF形成的BCC晶格結(jié)構(gòu)的機械性能與其結(jié)構(gòu)和工藝參數(shù)相關(guān)聯(lián),。這項工作提出了編碼剛度分析多任務(wù)高斯過程回歸（emGPR）算法，該算法使用基于物理的均質(zhì)化理論來提高外推性能,。將emGPR作為代理模型引入多目標遺傳算法（mGA）中,，實現(xiàn)晶格結(jié)構(gòu)輕量化和力學性能的逆優(yōu)化。形成的實驗結(jié)果表明,，emGPR-mGA方法有效優(yōu)化了多目標力學性能,。這項工作的結(jié)果可總結(jié)如下：

（1）SA壓縮曲線特征提取算法有效捕捉了壓縮過程的彈性階段，構(gòu)建了低噪聲,、高質(zhì)量的數(shù)據(jù)集,。
（2）與bsGPR相比，emGPR由于其物理先驗（均質(zhì)化理論）和貝葉斯框架下的多任務(wù)協(xié)方差矩陣,，表現(xiàn)出更好的抗噪聲能力和更強的泛化能力（訓練集K折交叉驗證的MSE來源小于0.004,，測試集的R2最高可達0.985）。此外,，emGPR具有更強的外推性能,，可以通過置信區(qū)間分析獲得，受益于物理信息提供的可解釋性,。
（3）emGPR-mGA方法可以有效實現(xiàn)LPBF晶格結(jié)構(gòu)和工藝參數(shù)的逆優(yōu)化,，將多目標空間超體積增加3.2倍。此外,，該方法還揭示了一個有趣的現(xiàn)象：LPBF形成的小泡孔結(jié)構(gòu),，盡管由于粉末粘附而導致結(jié)構(gòu)重量偏差較大，但在相同輕量化程度下,，與大泡孔結(jié)構(gòu)相比,，具有更好的機械性能。
（4）emGPR-mGA逆優(yōu)化方法可以輕松擴展到其他工藝結(jié)構(gòu)設(shè)計系統(tǒng),，將與主動學習相結(jié)合,，自動指導結(jié)構(gòu)設(shè)計和LPBF參數(shù)選擇。這將顯著減少迭代周期和實驗成本,，為未來LPBF工藝約束下復雜金屬晶格結(jié)構(gòu)的逆向設(shè)計鋪平道路,。