10.11817/j.ysxb.1004.0609.2021-41043
基于机器学习的Ti-6Al-4V合金激光粉末床熔融工艺优化
基于高斯过程回归(GPR)模型,对激光粉末床熔融Ti-6Al-4V合金的致密度和表面粗糙度观测数据进行了机器学习,得到了高致密度合金样品的激光功率?扫描速度的工艺优化窗口,并探讨了激光功率?扫描速度对表面粗糙度的影响.结果表明:获得高致密(≥99.5%)合金的激光功率?扫描速度工艺窗口呈梨形,扫描速度比激光功率对致密度影响更大,且高功率条件下适宜的扫描速度范围较宽.降低激光功率和提高扫描速度会单调增加表面粗糙度,且在低激光功率和高扫描速度下该影响更显著.同一激光能量密度下打印的合金致密度取决于具体的扫描速度和激光功率,但表面粗糙度基本相同.优化工艺窗口下样品的表面粗糙度小于10μm.实验证明GPR预测的优化工艺窗口是可靠的,该方法可拓展应用到其他合金增材工艺优化设计中.
激光粉末床熔融、机器学习、激光功率、扫描速度
32
TF11.31(冶金技术)
国家重点研发计划2018YFB1105900
2022-12-26(万方平台首次上网日期,不代表论文的发表时间)
共11页
3085-3095