[发明专利]一种金属增材制造工艺系统多维数据融合及量化建模方法

权利要求书

1.一种金属增材制造工艺系统多维数据融合及量化建模方法，其特征在于，包括：

获取金属增材制造工艺系统相关联的多样多元多维离散强耦合原始数据，并对数据预处理，得到金属增材制造工艺数据；

对金属增材制造工艺数据进行分布状态评估、分类筛检、特征提取、归一化处理，得到金属增材制造工艺系统归一化的结构性数据；

针对金属增材制造工艺系统归一化的结构性数据，按照工艺系统建模框架，设计神经网络结构，设定模型训练参数，进行计算训练，经训练结果分析进行模型结构和参数优化，得到工艺系统量化模型；

所述工艺系统建模框架包括能场参量预测模型、熔覆成形预测模型、显微组织预测模型、结构性能预测模型、成形反演工艺模型、组织反演工艺模型、性能反演工艺模型七个核心网络；

所述能场参量预测模型以设备信息、工况条件、工艺参数为输入，以能场参量为输出；

所述熔覆成形预测模型以设备信息、工况条件、工艺参数、能场参量为输入，以熔覆成形为输出；

所述显微组织预测模型以设备信息、工况条件、工艺参数、能场参量为输入，以显微组织为输出；

所述结构性能预测模型以设备信息、工况条件、工艺参数、熔覆成形、显微组织为输入，以结构性能为输出；

所述组织反演工艺模型以显微组织为输入，以工艺参数为输出；

所述成形反演工艺模型以熔覆成形为输入，以工艺参数为输出；

所述性能反演工艺模型以结构性能为输入，以工艺参数为输出；

所述预测模型预测结果是唯一数值或等级值或等级概率，反演模型反演结果是系列工艺参数的数据集，根据设备能效和工况条件进行筛选。

2.如权利要求1所述的金属增材制造工艺系统多维数据融合及量化建模方法，其特征在于，还包括：

对所得到的工艺系统量化模型进行误差分析、特征分析、反演规则、实验验证、模型能效分析验证，具体包括：

在工艺系统量化模型输入数据集中，选定特征输入数据；

针对预测模型，在输入数据范围内，基于单一变量原则，依次选定单一输入数据维度按梯度生成模型测试输入数据，和其余维度特征输入数据组成模型测试输入数据集，用预测模型进行预测，获得单变量模型预测数据集；

基于单变量模型测试输入数据集和模型预测数据集，绘制所有输出对任意输入的响应曲线，并将实验实测数据进行同屏绘制，以直观对比模型预测数据对实验实测数据的拟合效果；

用预测模型对实验实测数据输入数据集进行预测，获得实验实测数据入数据集的预测数据，并与其实验实测输出数据进行绝对误差、相对误差分析，同时对实测数据和预测数据进行线性回归分析，确定预测模型精度；

针对预测模型，在输入数据范围内，所有维度均按梯度生成模型测试输入数据集，并用预测模型进行预测，获得模型预测数据集；

用二维云图对任意两个输入数据的响应数据进行可视化分析，用三维云图对任意三个输入数据的响应数据进行可视化分析，用三维云图动画对任意四个输入数据的响应数据进行可视化分析，用三维+颜色+散点尺寸+动画对任意五个输入数据的响应数据进行可视化分析，确定预测响应数据范围、最值、极值、等值线、梯度特征；

针对反演模型或预测神经网络预测结果，根据实际设备能效、工况环境和目标结构性能要求，确定工艺参数反演规则，以缩小工艺参数选择范围降低工艺参数选定难度；

针对工艺系统量化模型，在输入数据范围外部，进行测试分析以验证其泛化能力，提高模型适用范围；

根据单变量预测模型测试、全维度预测模型测试、预测响应数据特征分析结果，设计实际工艺试验获取实测数据，对工艺系统量化模型进行实际实验验证，以综合评估其有效性、可靠性和反演规则的实用性、适用性；

对工艺系统量化模型的预测和反演过程进行大量数据的长时间测试，分析其计算效率、模型精度稳定性，综合优化模型计算效率。

3.如权利要求2所述的金属增材制造工艺系统多维数据融合及量化建模方法，其特征在于，还包括：

将分析验证后的工艺系统量化模型进行云端部署，以进行多终端访问应用，根据模型的输入参数，输出对应的预测结果。

4.如权利要求3所述的金属增材制造工艺系统多维数据融合及量化建模方法，其特征在于，还包括：

针对工艺系统量化模型应用过程中的数据扩充，实现模型的自学习自优化自升级。