一种提升L-PBF成形件轮廓光洁度的方法

本发明涉及激光增材制造工艺控制领域，尤其涉及一种提升l-pbf成形件轮廓光洁度的方法。

背景技术：

1、目前，学术界与工业界通常将轮廓扫描视为心部填充的辅助步骤，多采用连续激光（continuouswave,cw）进行扫描。

2、目前，行业内依赖的实验设计（doe）方法往往在多个矛盾指标间艰难权衡。传统的“功率-速度”调节逻辑存在天然局限：若削减功率以优化表面质量，则容易触发表层下的孔隙率升高；若盲目追求高速扫描，则会触发振镜扫描系统的动力学滞后误差，降低尺寸精度。

3、连续激光扫描在实际物理过程中存在的“热惯性”是制约成形精度的核心矛盾。在激光束持续能量释放下，熔池的熔融周期被拉长，这种持续的蓄热效应引发了剧烈的马兰戈尼对流，使得熔池边缘呈现动态失稳状态。更深层次的影响在于，过量的热积累在轮廓边缘塑造了一个极宽的热影响区，导致本应保持离散状态的金属粉末发生跨界半熔。这些半熔颗粒在熔池表面张力的“抽吸”作用下固着于成形件侧壁，显著恶化了表面的光洁度，形成了难以根除的粘粉与球化现象。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种提升l-pbf成形件轮廓光洁度的方法，用以解决现有热积累在轮廓边缘恶化了表面轮廓的光洁度的问题。

2、本发明实施例提供了一种提升l-pbf成形件轮廓光洁度的方法，

3、获取目标材料的基准工艺参数，执行速度守恒约束与功率映射；

4、构建脉冲频率与占空比的二因子参数空间；

5、对二因子参数空间范围抽样得到多个初始二因子参数组合，得到对应的侧壁表面粗糙度实测值；

6、基于所述多个初始二因子参数组合和对应的侧壁表面粗糙度实测值构建一个基于初始实验数据集的连续空间工艺评估器；

7、基于所述基于初始实验数据集的连续空间工艺评估器，计算得到各待测二因子参数组合的表面粗糙度预测值、表面粗糙度预测均值和预测不确定性标准差；

8、基于各待测二因子参数组合的所述表面粗糙度预测值、表面粗糙度预测均值和预测不确定性标准差，将获取标量数值的最大值所对应的二因子参数组合作为最优的二因子参数组合。

9、进一步的，所述脉冲频率与占空比的二因子参数空间包括：脉冲频率为1khz-10khz，占空比为30%-80%。

10、进一步的，所述对二因子参数空间范围抽样得到多个初始二因子参数组合，得到对应的侧壁表面粗糙度实测值，包括：

11、基于所述初始实验组数将所述二因子参数空间沿频率轴和占空比轴两个维度分别进行网格切分；

12、基于拉丁超立方抽样得到个初始二因子参数组合；

13、基于个初始二因子参数组合分别输出初始打印控制指令，进行实物边缘区域打印，得到与每组初始二因子参数组合对应的侧壁表面粗糙度实测值。

14、进一步的，所述基于初始实验数据集的连续空间工艺评估器包括所述多个初始二因子参数组合和对应的侧壁表面粗糙度实测值计算得到的对称正定历史协方差大矩阵和总观测协方差矩阵；所述基于所述多个初始二因子参数组合和对应的侧壁表面粗糙度实测值构建一个基于初始实验数据集的连续空间工艺评估器，包括：

15、初始实验数据集包括个初始二因子参数组合和对应的侧壁表面粗糙度实测值；

16、基于高斯过程回归算法计算任意两个初始二因子参数组合之间协方差核函数，得到对称正定历史协方差大矩阵和总观测协方差矩阵。

17、进一步的，所述基于高斯过程回归算法计算任意两个初始二因子参数组合之间协方差核函数，得到对称正定历史协方差大矩阵和总观测协方差矩阵，包括：

18、将所述个初始二因子参数组合作为输入矩阵，以及对应的侧壁表面粗糙度实测值作为观测响应向量，将所述矩阵和观测响应向量输入高斯过程回归算法；

19、计算任意两个初始二因子参数组合之间的欧式距离，并基于高斯过程回归算法计算任意两个初始二因子参数组合之间协方差核函数；

20、利用最大似然估计方法对所述协方差核函数中的特征长度尺度参数进行寻优，获得优化后的特征长度尺度超参数，更新基于高斯过程回归算法的协方差核函数；

21、基于更新后的所述协方差核函数计算对称正定历史协方差大矩阵和历史总观测协方差矩阵。

22、进一步的，所述更新后的所述协方差核函数计算的历史总观测协方差矩阵，

23、表示为；其中，为的单位矩阵，为一个维度的对称正定历史协方差大矩阵，为噪声方差，为初始实验数据集的输入矩阵，为第一个初始实验数据，为第二个初始实验数据，为第n个初始实验数据，表示第个初始实验数据和第个初始实验数据之间的协方差核函数，和分别取1到n。

24、进一步的，所述基于初始实验数据集的连续空间工艺评估器，计算得到各待测二因子参数组合的表面粗糙度预测值、表面粗糙度预测均值和预测不确定性标准差，包括：

25、在二因子参数空间内，设置频率步长和占空比步长，选取符合步长设置规则的各二因子参数组合分别作为待测二因子参数组合，依次输入所述基于初始实验数据集的连续空间工艺评估器；

26、基于选取的各待测二因子参数组合使用所述高斯过程回归算法的协方差核函数计算一个与各待测二因子参数组合相关的对称正定协方差大矩阵；

27、基于各所述对称正定协方差大矩阵以及历史总观测协方差矩阵进行矩阵拼接，分别构建一个与各待测二因子参数点的真实粗糙度待测值相关的高维多元高斯联合概率分布大矩阵；

28、基于所述高维多元高斯联合概率分布大矩阵利用舒尔补消元变换得到各待测二因子参数组合的表面粗糙度预测值；进一步计算得到各待测二因子参数组合与初始实验数据集中个二因子参数组合的表面粗糙度预测均值和预测不确定性标准差。

29、进一步的，各待测二因子参数组合与初始实验数据集中个二因子参数组合的表面粗糙度预测均值，表示为，其中，为初始实验数据集的输入矩阵，为噪声方差，为各所述对称正定协方差大矩阵，为观测响应向量，表示对应的侧壁表面粗糙度实测值；

30、各待测二因子参数组合与初始实验数据集中n个二因子参数组合的预测不确定性标准差，表示为，其中表示各待测二因子参数组合的协方差核函数。

31、进一步的，所述基于各待测二因子参数组合的所述表面粗糙度预测值、表面粗糙度预测均值和预测不确定性标准差，将获取标量数值的最大值所对应的二因子参数组合作为最优的二因子参数组合，包括：

32、获取初始实验数据集中的表面粗糙度最低值，作为当前最优表面粗糙度基准值；

33、基于所述各待测二因子参数组合的表面粗糙度预测均值和预测不确定性标准差代入期望改善采集函数公式中，计算得到选取的各待测二因子参数组合对应的ei标量数值，输出各待测二因子参数组合的对应ei标量数值；

34、基于各待测二因子参数组合的对应ei标量数值，获得全局最大数值点，提取其全局最大数值点对应的二因子参数组合。

35、进一步的，所述期望改善采集函数公式，表示为，其中，为各待测二因子参数组合，为当前最优表面粗糙度基准值，为各待测二因子参数组合与初始实验数据集中n个二因子参数组合的表面粗糙度预测均值，为各待测二因子参数组合与初始实验数据集中n个二因子参数组合的预测不确定性标准差，为标准正态分布的累积分布函数，为标准正态分布的概率密度函数，自适应平衡因子取值在其迭代后期的数值约束区间设定为 [0.01, 0.05]。

36、与现有技术相比，本发明至少可实现如下有益效果之一：

37、1、直接使用连续激光的基准功率与速度且对脉冲频率与占空比进行调控，在确保轮廓与心部交界处不发生未熔合、维持高致密度的同时，仅通过时域调制改变热积累状态，实现了表面质量与内部致密度的协同优化，提升了表面轮廓的光洁度。

38、2、抑制热积累并消除粘粉机制，将持续热注入转变为离散的“熔化-部分凝固-再熔化”循环，熔池形态被约束在碟型区间，热影响区缩减，从物理机制上抑制了悬垂面与薄肋边缘对未熔粉末的跨界半熔与抽吸，降低了侧壁原始粗糙度。

39、3、由静态宏观拟合升级为动态自适应验证，算法内部引入基于高斯过程回归的实时方差监控与后验残差验证。通过低于20组的小样本实验开销，自适应调整铝合金的时域控制窗口，提升了工艺在复杂热控结构件上的迁移能力。

40、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。