华科大 l 机器学习辅助优化激光粉末床熔融的热积累与成形质量

引用论文

Hairui Gao, Yanbing Liu, Zhenwu Zhang, Jikang Li, Juntao Shen, Honghao Xiang, Wei Li, Chao Cai, Weisheng Xia, Qingsong Wei. Machine learning-assisted mitigation of interlayer heat accumulation and optimization of forming quality for laser powder bed fusions. Additive Manufacturing Frontiers, Volume 4, Issue 2, 2025, 200212.

https://doi.org/10.1016/j.amf.2025.200212.

文章链接：

https://www.sciencedirect.com/science/article/pii/S295043172500022X

1研究背景及目的

激光粉末床熔融因其高精度和优异成形性能已在航空航天、生物医学等领域广泛应用。然而，固定工艺参数下多层加工热积累导致热平衡失稳，引发组织缺陷和残余应力，严重影响成形质量。红外辐射监测是研究层间热积累的有效手段，但熔池监测由于动态变化快、数据量大难以闭环控制。本研究旨在通过机器学习建立考虑层间热积累的成形面红外辐射强度预测模型，实现子区域工艺参数动态调整以提升成形质量。

2论文亮点

①创新模型：提出基于门控循环单元（GRU）神经网络的成形面红外辐射强度预测模型，准确捕捉成形过程中红外辐射强度的长期、周期性和短期序列相关性。

②跨材料适用性：模型实现了316L不锈钢到DZ125镍基高温合金的迁移学习，验证了其多类型材料适用性。

③变参数工艺优化：通过自适应动态算法实时调整子区域工艺参数，明显减少内部孔隙和残余应力，提升了致密度和表面质量。

④高效率闭环控制：单层预测加子区域变参数优化毫秒级完成，较熔池实时监测GB级数据处理响应速度提升两个数量级以上，为高效率实时闭环工艺创造了条件。

“3D Science Valley 白皮书 图文解析

3试验方法

研究采用316L不锈钢和DZ125镍基高温合金粉末，制备叶片和倒棱台样品。红外热像仪实时监测成形过程中成形面的红外辐射强度，定义层间红外辐射强度序列特征，并基于GRU神经网络建立红外辐射强度预测模型。

“3D Science Valley 白皮书 图文解析

模型输入前33层红外辐射强度序列信息，输出第34层预测值。训练集占70%，测试集占30%。通过自适应算法动态调整激光功率、扫描速度和扫描时间间隔参数。采用工业CT、共聚焦显微镜和X射线衍射仪分析样品内部缺陷、表面质量和残余应力。

图1. 机器学习缓解层间热积累实现流程

图2. 红外辐射强度数据获取与处理

4研究结果

316L叶片的预测标准偏差为7.7，模型R²为0.964；DZ125试样预测标准偏差27.3，R²为0.756，模型在不同材料上表现稳定。

优化后的DZ125倒棱台样品孔隙明显减少，致密度从91.6%提升至98.5%；顶面残余应力从169.21 MPa降至102.37 MPa。

优化后试样表面未出现球状凸起和孔洞，粗糙度明显降低，金属光泽更均匀。

5结论

（1）基于定义的层间红外辐射强度序列特征设计了门控循环单元（GRU）神经网络可准确预测激光粉末床熔融成形过程中的成形面红外辐射强度值，预测标准偏差为7.7，R2决定系数为0.964；

（2）建立的神经网络模型通过多维度层间红外辐射强度序列相关性学习，可以准确预测DZ125合金成形中的红外辐射强度，验证了模型在不同材料间的迁移学习和适用性；

（3）将建立的层间红外辐射强度神经网络模型应用于DZ125合金倒棱台试样成形，通过子区域变参数动态调节，缓解了热积累导致的过深匙孔，显著减少了样品内部孔隙缺陷并提升了表面质量，顶部残余应力从169.21 MPa降低至102.37 MPa。

6前景与应用

该系统可推广用于激光粉末床熔融领域形成智能化工艺，并扩展至钛合金、铝合金等金属打印。未来可结合更多传感数据，并实现多目标协同优化，为复杂构件激光粉末床熔融工业化生产提供技术支持。

关于团队

作者团队介绍

魏青松，华中科技大学材料科学与工程学院教授、博士生导师。兼任中国机械工程学会增材制造分会副总干事，中国机械工程学会特种加工学会理事，中国模具工业协会装备委员会副主任，中国机械工程学会团体标准增材制造应用领域标准召集人，作为共同主席发起了中国增材制造青年科学家论坛。主持了国家自然科学基金、国家重点研发计划课题、国家两机专项课题等国家、省部级和企业科研任务30余项。开展增材制造与等静压近净成形技术研究，部分成果转让实现产业化。成果支撑了我国大型航发、超高速飞行器等重点任务研发，并在金属随形冷却模具和人体骨骼植入物等民用领域应用。主编专著/教材4部、参编8部，在《ACTA Materialia》、《中国科学》等期刊发表论文150余篇，ESI热点/高被引论文10余篇次，授权发明专利30余项。获2024年湖北省自然科学二等奖（排1）、2016年湖北省技术发明一等奖（排2）以及其他省部级一等、二等奖5项，获全国百篇优秀博士论文提名奖。

近年团队发表文章

[1] Wenhe Xu, Jikang Li, Zhenwu Zhang, Hongwei Yuan, Guojin An, Hai Shi, Chao Cai, Wenming Jiang,Wei Li, Qingsong Wei. Laser powder bed fusion of WE43 magnesium alloy with superior balance of strength and ductility, Journal of Magnesium and Alloys, 13 (2025) 1275-1293.

[2] Hairui Gao, Zhenwu Zhang, Jikang Li, Jiangtao Sun, Honghao Xiang, Boyang Wu, Wei Li, Qingsong Wei. Enhancement of epitaxial growth and mechanical properties of DZ125 superalloy fabricated by defocused-laser powder bed fusion via rotation angle optimization, Materials Science & Engineering A, 930 (2025) 148113.

[3] Yanbing Liu, Jikang Li, Tan Cheng, Zhiyong Fan, Wei Li, Weisheng Xia, Qingsong Wei. Parameter automatic optimization strategy for laser powder bed fusion using neural network infrared radiation intensity prediction model, Additive Manufacturing, 92 (2024) 104373.

[4] Honghao Xiang, Mingzhu Dang, Jikang Li, Zhenwu Zhang, Hairui Gao, Chao Cai, Qingsong Wei. Achieving dual-phase structured Cu-Al-Mn-Si alloy with prominent shape memory properties via laser powder bed fusion, Additive Manufacturing, 95 (2024) 104521.

AMF增材制造前沿 l

▌三维科学 l 无限可能

投稿丨 2509957133@qq.com

www.3dsciencevalley.com