[发明专利]一种SLM成形性能预测与工艺参数优化方法及系统

说明书

本发明涉及SLM成形领域，具体涉及一种SLM成形性能预测与工艺参数优化方法及系统。S1.设计多步正交实验获取SLM成形件的工艺参数与性能；S2.随机划分数据集；S3.分别构建高斯过程回归模型与多元逐步回归模型，高斯过程回归模型通过常数均值函数与有理二次协方差函数构建，并采用分块二分策略调整超参数；S4.采用MAE、RMSE、Rsupgt;2/supgt;三指标评估S2中的两个模型；S5.构建高斯过程回归‑多元逐步回归预测模型，实现由SLM工艺参数准确预测成形件性能；S6.取S5构建的预测模型作为适应度函数，通过教与学算法寻优获取推荐工艺参数；S7.分步筛选并验证推荐工艺参数。本发明不仅能根据SLM工艺参数准确预测性能，而且能高效地给出推荐工艺参数。

技术领域

本发明属于金属选区激光熔化(Selective Laser melting，SLM)成形领域，更具体地，涉及一种SLM成形性能预测与工艺参数优化方法及系统。

背景技术

SLM技术是在高能激光作用下，金属粉末完全熔化，经散热凝固后与基体金属冶金焊合，然后逐层累积成形出三维实体，能直接成形出近乎全致密且力学性能良好的金属零件。SLM成形相较于传统的金属材料成形，可直接成形复杂几何形状的零件，并且SLM零件成形后，仅需少量加工或不再加工就可以使用，表面质量优异。因此SLM在航空航天、军事装备等领域应用广泛。

SLM成形的主要工艺参数有激光功率、粉层厚度、扫描速度、扫描间距等，这些工艺参数对成形件性能有显著影响。SLM成形的主要性能有致密度、抗拉强度、屈服强度、断后伸长率、表面粗糙度等。在SLM成形件的制造过程中，不仅各项工艺参数之间存在交互作用，并且SLM成形过程本身也有十分复杂的变化，在各种因素的共同作用下导致SLM成形件的性能难以预测。

关于SLM成形件性能数据的获取，现有方法是成形件制造完成，待其冷却后，通过一系列性能检测试验获得。这种方法获取SLM特定工艺参数性能耗费的时间长，当需要获取多组工艺参数对应的性能时，耗费的时间与材料也将成倍增长。生产高性能SLM成形件的工艺参数通过试验法，设置大量工艺参数组，逐一通过SLM设备生产，再逐一检测所获得的SLM成形件性能，记录性能较优的SLM成形件对应的工艺参数作为后续工业生产的工艺参数。这种获取高性能SLM成形工艺参数的方法效率极低，耗费了大量原材料、打印与检测耗费的时间也十分长。例如采用全面试验法，针对SLM的四个工艺参数，若每组工艺参数设置4个实验点，则需要4⁴，即256组实验；若每组工艺参数设置10个实验点，则需要设置10⁴，即10000组实验。这样的做法效率低，耗费了大量原材料，打印与性能检测耗费的时间也十分长，而这些数量也不能确保获得的工艺参数是最优的。总而言之，不能在已知SLM工艺参数的情况下快速获取成形件性能，并且现有获取工业生产高性能SLM成形件所需工艺参数的方法效率低下。

因此，十分有必要通过其他方法，在已知SLM工艺参数的情况下精准快速地获取成形件性能，并且能高效地获取制造高性能SLM成形件的工艺参数用于工业生产。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种SLM成形性能预测与工艺参数优化方法及系统，旨在解决在已知SLM工艺参数的情况下获取SLM成形件性能速度慢、耗时长的问题与获取高性能SLM成形件工艺参数效率低的问题。

为实现上述目的，第一方面，本发明提供了一种SLM成形性能预测与工艺参数优化方法，包括以下步骤：

通过多步正交实验设计多组SLM工艺参数，并对设计的工艺参数进行实际制造，确定对应SLM成形件的性能，将设计的SLM工艺参数和对应的成形件性能汇总为数据集；

基于所述数据集对高斯过程回归模型进行训练，得到SLM工艺参数与SLM成形件性能之间的第一种映射关系；并基于所述数据集对多元逐步回归模型进行训练，得到SLM工艺参数与SLM成形件性能之间的第二种映射关系；所述第一种映射关系和第二种映射关系均用于对SLM成形件的性能进行预测；