基于层温反馈与神经网络推理的SLM激光参数自适应调控方法及系统与流程

本发明涉及增材制造工艺控制，更具体的，涉及一种基于层温反馈与神经网络推理的slm激光参数自适应调控方法及系统。

背景技术：

1、选区激光熔化（selective laser melting，slm）是一种以激光为能量源、以金属粉末为原料的粉末床熔融增材制造工艺。slm工艺通过逐层铺粉、激光选区熔化、逐层堆叠的方式制造金属零件，具有成形精度高、几何自由度大、材料利用率高等优点，在航空航天、医疗器械、模具制造等领域得到广泛应用。

2、在slm打印过程中，激光功率、扫描速度、扫描间距等工艺参数对成形质量起着决定性作用。现有技术中，slm打印通常采用固定参数模式，即在打印开始前设定一组工艺参数，在整个打印过程中保持不变。然而，固定参数打印存在以下技术缺陷：

3、（1）无法兼顾质量、效率与成本。在打印过程中，不同层的热状态存在显著差异：底层与基板接触散热快，高层通过已成形部分散热慢；薄壁区域热量集中，厚大区域热量分散。固定参数无法适应这些动态变化，导致零件内部出现孔隙、未熔合、裂纹等缺陷，致密度和力学性能下降且呈现明显的各向异性。

4、（2）残余应力累积。固定参数下，热输入无法根据实际温度场进行调节，容易在局部区域累积过高的残余应力，引发翘曲、变形及球化现象，影响尺寸精度与表面光洁度。

5、（3）质量-效率冲突。固定参数难以平衡打印效率与精度要求，往往陷入质量-效率或精度-节拍的冲突，无法适应不同几何特征和工艺需求的协同优化，最终造成零件品质不均、成型稳定性差和工艺经济性低下。

6、为解决上述问题，研究者提出了多种方案：一类是离线参数优化方案，通过仿真或试错确定不同区域的最优参数并预设在打印文件中，但该方案本质仍是开环控制，无法应对打印过程中的实时热状态变化；另一类是基于熔池高速相机的在线监测方案，通过高速相机捕捉熔池形态并据此调节参数，但高速相机视野有限、数据处理延迟较大，难以满足全幅温度场监测与实时调控的需求。

7、因此，亟需一种能够实时监测全粉床温度场、快速预测下一层热状态、并据此动态调整工艺参数的闭环控制方法，以在保证成形质量的前提下提升打印效率与稳定性。

技术实现思路

1、为了解决上述至少一个技术问题，本发明提出了一种基于层温反馈与神经网络推理的slm激光参数自适应调控方法及系统。

2、本发明第一方面提供了一种基于层温反馈与神经网络推理的slm激光参数自适应调控方法，包括以下步骤：

3、s1，通过红外热像仪实时采集每一打印层的温度场图像，同步获取激光掩膜图像，所述激光掩膜图像表征当前层的实际激光作用区域；

4、s2，基于所述温度场图像与激光掩膜图像，构造物理可解释的特征向量，特征向量不包含原始图像像素，仅包含物理量与工艺量的统计结果；

5、s3，将所述特征向量输入离线训练的神经网络，推理得到下一层熔池的预测温度；

6、s4，在预设的激光功率、扫描速度和扫描间距范围内，以固定步长离散生成候选激光参数组合，对每一组候选参数检查其是否满足线能量密度约束，剔除不满足约束的非法组合，将合法的候选参数依次替换所述特征向量中的下一层工艺参数特征，输入所述神经网络推理每一组候选参数对应的预测温度；

7、s5，计算每组候选参数对应的预测温度与目标温度之间的误差，选择误差最小的参数组合作为最优激光参数；若多个参数组合误差相近，则优先选择更接近当前工艺参数的组合；

8、s6，将所述最优激光参数下发给打印控制软件，用于下一层的实际打印。

9、本发明一个较佳实施例中，所述步骤s1中的温度场图像采集方法为：热像仪按设定帧率连续采集红外温度值组成的图像，持续执行直至接收到采集停止指令，最终输出当前打印层对应的全域温度场图像。

10、本发明一个较佳实施例中，所述步骤s2中的特征向量包括热状态特征、工艺参数特征、层结构特征和空间位置特征等。

11、本发明一个较佳实施例中，所述步骤s3中的神经网络在离线阶段使用历史打印数据进行训练，学习热状态与工艺参数之间的映射关系，训练样本以相邻两层中第t层的热-工艺特征向量作为输入，以第t+1层熔池温度作为监督标签；部署时模型参数固定，仅执行前向推理，不对模型权重进行在线更新。

12、本发明一个较佳实施例中，所述步骤s4中的线能量密度约束为：线激光能量密度ed=p/v，其中p为激光功率，v为扫描速度；当ed低于下限阈值时判定为能量不足，当ed高于上限阈值时判定为能量过高，均作为非法组合剔除。

13、本发明一个较佳实施例中，所述步骤s5中的目标温度根据材料类型通过基础参数打印测试确定，具体方法为：

14、固定扫描间距，改变激光功率和扫描速度，通过双参数正交测试形成参数表，对参数表中的参数组合进行打印金相块验证，满足致密度要求的参数对应的热成像层间温度数据作为目标温度。

15、本发明一个较佳实施例中，所述金相块验证方法为：构建10mm×10mm×10mm的金相块模型并进行打标标记，对模型进行赋参数、切片及路径规划，输出打印设备可识别的扫描文件，在slm设备上进行打印；打印完成的金相块观测z向成形面与xy向成形面，经镶嵌、磨制、抛光后放置金相显微镜下观测，致密度需满足≥99.9%。

16、本发明一个较佳实施例中，所述步骤s6中的参数下发流程为：打印控制软件在每个打印层开始前向ai服务发送当前层的热像路径和掩膜路径，ai服务完成推理后将最优激光功率、最优扫描速度和最优扫描间距封装后发送给打印控制软件，打印控制软件将推荐参数写入激光控制器用于下一层打印。

17、本发明第二方面提供一种基于层温反馈与神经网络推理的slm激光参数自适应调控系统，应用于一种基于层温反馈与神经网络推理的slm激光参数自适应调控方法，包括：

18、热成像采集模块，用于通过红外热像仪实时采集每一打印层的温度场图像，同步获取激光掩膜图像；

19、特征构造模块，用于基于所述温度场图像与激光掩膜图像构造物理可解释的特征向量；

20、ai推理模块，包括离线训练的神经网络，用于接收所述特征向量并推理下一层熔池的预测温度；

21、参数优化模块，用于在物理约束空间内搜索最优激光参数组合，包括候选参数生成单元、线能量密度约束检查单元和误差最小化选择单元；

22、打印控制模块，用于将最优激光参数下发给激光控制器执行下一层打印。

23、本发明的上述技术方案相比现有技术具有以下优点：

24、通过热像仪实时获取每一打印层的温度场与激光掩膜，结合物理可解释特征与离线训练的模型，在线预测下一层熔池温度，并根据预测结果动态调整激光功率、扫描速度及扫描间距，改变了传统的固定控制模式。

25、通过自适应调节工艺参数，将层间熔池温度稳定在目标区间，有效减少因过热或欠热引起的裂纹、未熔合、球化及翘曲等缺陷，提升零件内部致密度与组织均匀性。

26、采用轻量级前馈神经网络模型，单点推理耗时不超过10ms，满足slm实时控制节拍；当ai服务异常或超时时，自动沿用上一层工艺参数，保证打印过程不中断，提升系统鲁棒性。

27、通过精准的温度闭环控制，使结构在更低能量输入下保持稳定熔池，从而降低对密集支撑结构的依赖，简化后处理工序，提高设计自由度与打印效率。