[发明专利]一种增材制造多参数优化方法

说明书

本发明公开了一种增材制造多参数优化方法，是一种基于试验设计和机器学习的增材制造参数优化方法。该方法首先根据均匀设计试验法设定增材制造试验加工参数；再将成形试件的内外部质量、尺寸精度等目标结果分为优/劣两类；随后通过基于支持向量机的机器学习方法构建工艺图谱，以高效低成本方式预测最优目标结果对应的工艺参数。该方法只需少量试验，便可以低成本方式快速构建增材制造多参数工艺图谱，以获得优化工艺条件。该方法不仅原理及流程简单，而且重点在于可避免大量试验或模拟带来的高昂时间和经济成本，从而面向广泛的材料体系实现金属增材制造成本效益的大幅优化。

技术领域

本发明属于材料加工技术领域，具体涉及一种增材制造多参数优化方法。

背景技术

现阶段航空航天、国防、能源等关键工业领域对金属零部件的轻量化与可靠性提出了更高要求，且关键结构件逐渐向大型化、整体化和功能化方向发展，这给传统制造技术带来了严峻挑战。金属增材制造技术是以快速原型为基础并以数字化为依托，可根据设计部件的三维分层切片数据，利用高能束(激光或电子束)逐层熔化金属粉末并凝固叠加形成实体部件。与传统制造技术相比，增材制造可实现以往难以加工的具有复杂内外部几何构形零部件无模具近净成形，并减少材料浪费；且能够根据零件的实际使用需要设计不同局部区域的成分和微观组织，提高零件对实际工况的适应能力；同时凭借其快速迭代和创新设计能力，成为推动现有工业体系的创新升级的关键制造技术。

金属增材制造过程复杂，合格零部件的成功制备受到来自材料、设备、工艺、环境以及包括后处理等诸多因素的影响。仅就工艺本身而言，以粉末床熔融增材制造(Powder-bed fusion)为例，决定工艺过程的主要参数就包含7种以上(如图1所示)。载能束-粉末交互、动态熔池形成、快速非平衡凝固等环节都涉及复杂的物化反应和冶金过程，使得完全从原理层面去掌握金属增材制造工艺非常困难。特别是对中大型构件而言，热积累引起的环境参量变化更加复杂，不利于成形尺寸精度的一致性，且长时间成形的冶金质量均匀性也难以把握。但现阶段质量问题分析和工艺参数优化仍高度依赖于试验试错和专家经验，难以对金属增材制造的多参数空间进行灵活高效探索。尽管基于物理驱动的模拟仿真促进了对金属增材制造加工/组织/性能三者关系的理解，但仍面临计算时间成本和参数校准的极大负担。综上，无论是凭借试验试错、专家经验还是模拟仿真的研究手段，针对金属增材制造形性控制的工艺参数优化过程，都将面临高昂的人力、经济和计算成本，不利于产品级装备的快速响应制备和迭代升级，制约着金属增材制造实用化程度的进一步提升。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种增材制造多参数优化方法，是一种基于试验设计和机器学习的增材制造多参数优化方法，以解决现有技术中，金属增材制造形性控制缺少合适的参数获取方法的问题。

为达到上述目的，本发明采用以下技术方案予以实现：

一种增材制造多参数优化方法，包括以下步骤：

步骤1，设定试验考察指标及对应的多个影响参数，设定每一个影响参数的数据范围和水平数；根据影响参数的数量和每一个影响参数的水平数设置均匀试验设计表；

步骤2，根据均匀试验设计表，进行增材制造成形试验；以试验考察指标作为每一个增材制造试验结果的衡量标准；根据衡量标准，将每一个增材制造试验结果设为优或劣；

步骤3，将均匀试验设计表中的每一组影响参数数据及其对应的试验结果，输入至基于支持向量机的机器学习模型中，通过机器学习模型输出的加工图谱，获得多影响参数的最优值。

本发明的进一步改进在于：

优选的，步骤1中，所述每一个影响参数的数据范围为可行的设置范围。

优选的，步骤1中，均匀设计试验表中的每一个试验点通过R语言和UniDOE软件包生成均匀设计表。

优选的，步骤2中，所述试验结果的优和劣分别用指标+1和-1表示。