一种电弧增材制造构件沉积高度预测方法

本发明主要涉及电弧增材制造相关，具体是一种电弧增材制造构件沉积高度预测方法。

背景技术：

1、构件沉积高度是表征电弧增材制造成形质量的重要几何指标，能够直观反映多层堆积过程中构件整体尺寸的变化情况。如果沉积高度与目标值相差过大，可能会影响后续加工与实际服役性能。

2、时间卷积网络tcn可用于电弧增材制造中构件的沉积高度预测。在电弧增材沉积过程建模中，沉积高度不仅与历史沉积信息密切相关，还受到层间冷却时间、当前沉积层数、沉积方向等工艺特征的影响。其中，这类工艺特征通常在一个沉积层内保持不变，可视为局部静态条件信息；而历史沉积状态则呈现出明显的时序变化特征。若使用传统tcn模型预测沉积高度，各输入特征将在卷积计算中被统一处理，这种方式难以反映不同工艺条件下沉积高度变化规律的差异。在电弧增材制造过程中，沉积状态具有历史依赖性，随着焊枪的移动，热量在已沉积区域中逐渐累积并向后续区域传递。因此，不同历史时刻的沉积状态会对当前沉积状态产生不同程度的影响。这一特点对沉积高度预测模型提出了更高要求，即模型需要能够区分不同历史沉积位置的状态信息对当前预测结果的重要性。然而传统tcn在处理历史信息时通常采用固定权重进行特征提取，难以有效反映不同时间步对当前预测结果的贡献程度。

3、故而，由于在电弧增材过程中存在热输入累积及多工艺参数耦合作用，构件沉积高度会随沉积位置改变而呈现明显的非线性变化，仅依靠沉积过程某一时段内的监测数据难以对沉积高度的变化进行准确预测。

技术实现思路

1、为解决目前技术的不足，本发明结合现有技术，从实际应用出发，提供一种电弧增材制造构件沉积高度预测方法，本方法以构件沉积高度预测为目标，构建融合工艺参数与历史沉积状态信息的多因素特征输入序列，引入工艺特征线性调制机制和因果注意力机制，在时间卷积网络基础上构建预测模型，能够显著提高构件沉积高度预测精度。

2、本发明的技术方案如下：

3、一种电弧增材制造构件沉积高度预测方法，包括：

4、s1、获取构件在电弧增材制造过程中的工艺特征以及时序特征构建多因素特征输入序列；

5、s2、以时间卷积网络tcn为基础模型，融合工艺特征线性调制film模块以及基于因果注意力的时序特征融合增强模块cafb构建cafi-tcn预测模型；

6、s3、将所述多因素特征输入序列输入cafi-tcn预测模型，输出构件各沉积位置对应的构件沉积高度预测结果。

7、进一步，步骤s1中多因素特征输入序列构建方法如下：

8、s11、采集当前沉积层数n、层间冷却时间ct、沉积方向dir特征数据作为工艺特征，沉积位置loc、前一层层高prelh、前一层沉积高度predh 特征数据作为时序特征；

9、s12、在有效采样区间内按照设定采样步长对沉积路径离散化，得到各个沉积位置对应的特征向量；

10、s13、将各沉积位置的特征向量按照沉积路径顺序组织为多因素特征输入序列。

11、进一步，所述有效采样区间为距离沉积起始点5-95mm处，设定采样步长为0.5mm，沉积方向特征采用数值编码：奇数层方向编码为1，偶数层编码为-1。

12、进一步，cafi-tcn预测模型中，时间卷积网络tcn由多个条件tcn模块堆叠而成，采用因果卷积与扩张卷积提取时序特征，通过残差连接缓解深层网络梯度消失；

13、工艺特征线性调制模块film以工艺特征为条件输入，输出缩放向量与偏置向量，对tcn模块输出时序特征进行缩放与偏移线性调制；

14、时序特征融合增强模块cafb采用因果多头注意力，对不同时刻的历史特征进行差异化加权，输出增强后的时序特征。

15、进一步，cafi-tcn预测模型中，在输入端，时序特征输入tcn主干网络，工艺特征输入工艺特征线性调制模块film，对各条件tcn模块的中间特征进行线性调制，条件tcn模块输出后，进一步输入时序特征融合增强模块cafb，在因果掩码约束下完成时序特征加权融合，最后，将融合后的特征输入输出层，得到当前沉积层内各沉积位置对应的构件沉积高度预测值。

16、进一步，工艺特征线性调制模块film的执行步骤包括：

17、将工艺特征的层间冷却时间ct、当前沉积层数n、沉积方向dir作为条件输入将其作用于条件tcn模块的中间特征层，在条件tcn模块中，首先通过线性映射将工艺特征转换为调制参数：

18、

19、式中，和分别表示缩放向量和偏置向量, 表示线性层，表示工艺特征；

20、随后对中间特征层的输出特征

h

i进行线性调制：

21、

22、式中，表示逐元素乘法。

23、进一步，时序特征融合增强模块cafb的执行步骤包括：

24、将调制后的时序特征分别映射得到查询向量query、键向量key、值向量value；

25、施加因果掩码，屏蔽未来时刻信息，仅允许历史及当前时间步参与注意力计算；执行多头因果注意力运算，对不同历史时间步的特征动态分配权重；将多头注意力输出拼接，经前馈网络处理后，与输入特征执行残差相加，输出时序特征融合增强结果。

26、本发明的有益效果：

27、本发明以构件沉积高度预测为目标，构建融合工艺参数与历史沉积状态信息的多因素特征输入序列，引入工艺特征线性调制机制和因果注意力机制，在时间卷积网络基础上建立cafi-tcn预测模型，该模型在tcn的基础上引入film机制，使工艺条件能够参与时序特征提取过程；结合cafb模块，对历史时间步信息进行差异化加权，从而增强模型对关键历史特征的表征能力；实验证明本发明所提方法不仅具备较高的预测精度和稳定性，也可为后续沉积过程控制与成形质量优化提供了理论依据和方法支撑。

1.一种电弧增材制造构件沉积高度预测方法，其特征在于，包括：

2.根据权利要求1所述的电弧增材制造构件沉积高度预测方法，其特征在于，步骤s1中多因素特征输入序列构建方法如下：

3.根据权利要求2所述的电弧增材制造构件沉积高度预测方法，其特征在于，所述有效采样区间为距离沉积起始点5-95mm处，设定采样步长为0.5mm，沉积方向特征采用数值编码：奇数层方向编码为1，偶数层编码为-1。

4.根据权利要求1所述的电弧增材制造构件沉积高度预测方法，其特征在于，cafi-tcn预测模型中，时间卷积网络tcn由多个条件tcn模块堆叠而成，采用因果卷积与扩张卷积提取时序特征，通过残差连接缓解深层网络梯度消失；

5.根据权利要求4所述的电弧增材制造构件沉积高度预测方法，其特征在于，cafi-tcn预测模型中，在输入端，时序特征输入tcn主干网络，工艺特征输入工艺特征线性调制模块film，对各条件tcn模块的中间特征进行线性调制，条件tcn模块输出后，进一步输入时序特征融合增强模块cafb，在因果掩码约束下完成时序特征加权融合，最后，将融合后的特征输入输出层，得到当前沉积层内各沉积位置对应的构件沉积高度预测值。

6.根据权利要求4所述的电弧增材制造构件沉积高度预测方法，其特征在于，工艺特征线性调制模块film的执行步骤包括：

7.根据权利要求4所述的电弧增材制造构件沉积高度预测方法，其特征在于，时序特征融合增强模块cafb的执行步骤包括：