[发明专利]基于机器学习的增材制造残余应力与变形预测方法和系统

说明书

本发明公开了一种基于机器学习的增材制造残余应力与变形预测方法和系统，属于增材制造技术领域，其中方法包括：建立增材制造有限元模型，对增材制造样件的三维模型在不同的制造路径下进行有限元分析，得到多个残余应力与变形数据；将包含增材制造样件的三维模型信息与制造路径的三维矩阵作为输入数据，将包含增材制造样件的三维模型信息以及残余应力与变形数据的三维矩阵作为输出数据，将输入数据和输出数据组合作为数据集，训练分类回归树得到预测模型。利用预测模型对新的制造路径下增材制造样件的残余应力与变形进行预测。本发明以较低的计算成本准确预测不同路径下的增材制造样件的残余应力与变形。

技术领域

本发明属于增材制造技术领域，更具体地，涉及一种基于机器学习的增材制造残余应力与变形预测方法和系统。

背景技术

目前，金属增材制造技术在航空航天、高铁、船舶、国防等众多领域具有广泛应用。其中激光-电弧复合增材制造由于具有成形效率高，力学性能好，成形质量好等特点，在大型金属零件制造中具有良好的应用前景。在增材制造过程中，由于热输入大且不均匀，温度梯度大，会形成较大的应力与变形。为了更好地控制残余应力与变形，首先需要对其进行预测。

常用的对金属增材制造残余应力与变形的预测一般采用有限元方法，预测精度较高，但计算成本较大。

由此可见，现有增材制造残余应力与变形的预测技术存在难以在保证预测精度的同时降低计算成本的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于机器学习的增材制造残余应力与变形预测方法和系统，由此解决现有增材制造残余应力与变形的预测技术存在难以在保证预测精度的同时降低计算成本的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于机器学习的增材制造残余应力与变形预测方法，包括：

建立增材制造有限元模型，对增材制造样件的三维模型在不同的制造路径下进行有限元分析，得到多个残余应力与变形数据；

将包含增材制造样件的三维模型信息与制造路径的三维矩阵作为输入数据，将包含增材制造样件的三维模型信息以及残余应力与变形数据的三维矩阵作为输出数据，将输入数据和输出数据组合作为数据集，训练分类回归树；

每次训练得到一个弱分类器，将多次训练得到的弱分类器加权求和，得到总分类器作为预测模型；

利用预测模型对新的制造路径下增材制造样件的残余应力与变形进行预测。

进一步地，所述数据集输入分类回归树之前，对数据集中的数据进行重采样，得到采样数据。

进一步地，所述训练分类回归树时，将采样数据按照类别划分为多个属性，每次对分类回归树进行训练时，从当前所有属性中找到分裂增益最大的属性作为待分裂的节点，进行分裂。

进一步地，所述分裂增益为数据量、信息增益、增益率或者基尼系数。

进一步地，所述训练分类回归树时，将连续的采样数据离散成k个离散值，并构造宽度为k的直方图，分类回归树中叶子的直方图由其父节点的直方图与其兄节点的直方图做差得到。

进一步地，所述分类回归树的深度为3-8。

进一步地，所述训练分类回归树时，对分类回归树进行正则化，正则化参数的取值范围为(0，0.5]。

进一步地，所述建立增材制造有限元模型时，电弧的热源为双椭球热源，激光的热源为高斯椭圆热源；

所述双椭球热源为：

f_f+f_r＝2