南京理工大學(xué)團隊通過深度學(xué)習(xí)模型提高激光PBF打印質(zhì)量

來源： Engineering

激光粉末床熔融（PBF）是最重要的增材制造（AM）方法之一,，涉及以熔池為基本單元的一維（1D）到二維（2D）和三維（3D）逐步打印過程,。熔池特征對L-PBF成型件的微觀結(jié)構(gòu)和性能有直接影響,，因此對打印質(zhì)量至關(guān)重要,。值得注意的是,，熔池特征與激光功率和掃描速度等關(guān)鍵工藝參數(shù)密切相關(guān)。例如,，熔池尺寸不足可能會導(dǎo)致缺乏熔合缺陷,。相反，過深的熔池則可能導(dǎo)致液態(tài)金屬的氣體/金屬界面出現(xiàn)深層匙孔,，它是大的球形孔的潛在來源，這些球形孔會在快速凝固過程中被捕獲,。因此,，對熔池特征與工藝參數(shù)之間的關(guān)聯(lián)性進行定量預(yù)測，將是對PBF打印工藝智能化管理的有力支持,，并將進一步實現(xiàn)打印質(zhì)量的精確控制,。

南京理工大學(xué)韋輝亮、廖文和研究團隊在中國工程院院刊《Engineering》2023年4月刊發(fā)表了題目為《基于內(nèi)嵌物理信息深度學(xué)習(xí)模型的增材制造工藝參數(shù)及熔池尺寸預(yù)測》的研究性文章,，融合典型實驗,、機理模型和深度學(xué)習(xí)探究了激光PBF過程中關(guān)鍵參數(shù)和熔池特性的正向和逆向預(yù)測。文章指出,，實驗提供基礎(chǔ)數(shù)據(jù),，機理模型顯著增強數(shù)據(jù)集，多層感知器（MLP）深度學(xué)習(xí)模型則根據(jù)實驗和機理模型構(gòu)建的數(shù)據(jù)集預(yù)測熔池尺寸和工藝參數(shù),。結(jié)果表明,，文章可以實現(xiàn)熔池尺寸和工藝參數(shù)的雙向預(yù)測，最高預(yù)測準(zhǔn)確率接近99.9%,，平均預(yù)測準(zhǔn)確率超過90.0%,。

△機理模型的驗證結(jié)果。（a）采用不同工藝參數(shù)得到的實驗與機理模型熔池寬度對比,；（b）不同工藝參數(shù)下的熔池寬度（彩圖基于16組實驗研究案例,，紅色數(shù)據(jù)點為機理模型得到的熔池寬度）；（c）實驗與機理模型所得熔池深度對比,；（d）L-PBF打印AA2024樣品的橫截面,。

值得注意的是，MLP模型的預(yù)測精度與數(shù)據(jù)集的多少密切相關(guān),。通過機理模型增加數(shù)據(jù)集,，最高預(yù)測精度為97.3%。相比之下,，當(dāng)僅使用實驗數(shù)據(jù)進行MLP模型訓(xùn)練時,，最高預(yù)測精度為68.3%,，最低為48.5%。因此,，一個經(jīng)過良好測試的機理模型可以有效地解決實驗數(shù)據(jù)不足的問題,。此外，MLP模型的預(yù)測精度很大程度上取決于數(shù)據(jù)集的質(zhì)量,。例如,，發(fā)現(xiàn)工藝參數(shù)對熔池深度的正向預(yù)測精度低于對熔池寬度的正向預(yù)測精度。原因是熔池深度由于復(fù)雜的瞬態(tài)匙孔特征而表現(xiàn)出較差的數(shù)據(jù)規(guī)律性,。

總之,，文章為探索L-PBF中的高度非線性關(guān)聯(lián)提供了一條有意義的途徑。盡管預(yù)測是通過工藝參數(shù)和熔池特性來舉例說明的,，但是所提出的方法對于需要對具有復(fù)雜相互依賴性的變量進行正向和逆向預(yù)測的其他條件來說也是可行的,。文章表明，所提出的框架可以作為AM數(shù)字孿生的關(guān)鍵構(gòu)建模塊,，從而促進智能AM設(shè)備和流程的未來發(fā)展,。

引用信息：Mingzhi Zhao, Huiliang Wei, Yiming Mao, Changdong Zhang, Tingting Liu, Wenhe Liao. Predictions of Additive Manufacturing Process Parameters and Molten Pool Dimensions with a Physics-Informed Deep Learning Model [J]. Engineering, 2023, 23(4): 181-195.