一种增材制造多参数优化方法

1.本发明属于材料加工技术领域，具体涉及一种增材制造多参数优化方法。


背景技术：

2.现阶段航空航天、国防、能源等关键工业领域对金属零部件的轻量化与可靠性提出了更高要求，且关键结构件逐渐向大型化、整体化和功能化方向发展，这给传统制造技术带来了严峻挑战。金属增材制造技术是以快速原型为基础并以数字化为依托，可根据设计部件的三维分层切片数据，利用高能束(激光或电子束)逐层熔化金属粉末并凝固叠加形成实体部件。与传统制造技术相比，增材制造可实现以往难以加工的具有复杂内外部几何构形零部件无模具近净成形，并减少材料浪费；且能够根据零件的实际使用需要设计不同局部区域的成分和微观组织，提高零件对实际工况的适应能力；同时凭借其快速迭代和创新设计能力，成为推动现有工业体系的创新升级的关键制造技术。
3.金属增材制造过程复杂，合格零部件的成功制备受到来自材料、设备、工艺、环境以及包括后处理等诸多因素的影响。仅就工艺本身而言，以粉末床熔融增材制造(powder-bed fusion)为例，决定工艺过程的主要参数就包含7种以上(如图1所示)。载能束-粉末交互、动态熔池形成、快速非平衡凝固等环节都涉及复杂的物化反应和冶金过程，使得完全从原理层面去掌握金属增材制造工艺非常困难。特别是对中大型构件而言，热积累引起的环境参量变化更加复杂，不利于成形尺寸精度的一致性，且长时间成形的冶金质量均匀性也难以把握。但现阶段质量问题分析和工艺参数优化仍高度依赖于试验试错和专家经验，难以对金属增材制造的多参数空间进行灵活高效探索。尽管基于物理驱动的模拟仿真促进了对金属增材制造加工/组织/性能三者关系的理解，但仍面临计算时间成本和参数校准的极大负担。综上，无论是凭借试验试错、专家经验还是模拟仿真的研究手段，针对金属增材制造形性控制的工艺参数优化过程，都将面临高昂的人力、经济和计算成本，不利于产品级装备的快速响应制备和迭代升级，制约着金属增材制造实用化程度的进一步提升。


技术实现要素：

4.本发明的目的在于克服上述现有技术的缺点，提供一种增材制造多参数优化方法，是一种基于试验设计和机器学习的增材制造多参数优化方法，以解决现有技术中，金属增材制造形性控制缺少合适的参数获取方法的问题。
5.为达到上述目的，本发明采用以下技术方案予以实现：
6.一种增材制造多参数优化方法，包括以下步骤：
7.步骤1，设定试验考察指标及对应的多个影响参数，设定每一个影响参数的数据范围和水平数；根据影响参数的数量和每一个影响参数的水平数设置均匀试验设计表；
8.步骤2，根据均匀试验设计表，进行增材制造成形试验；以试验考察指标作为每一个增材制造试验结果的衡量标准；根据衡量标准，将每一个增材制造试验结果设为优或劣；
9.步骤3，将均匀试验设计表中的每一组影响参数数据及其对应的试验结果，输入至
基于支持向量机的机器学习模型中，通过机器学习模型输出的加工图谱，获得多影响参数的最优值。
10.本发明的进一步改进在于：
11.优选的，步骤1中，所述每一个影响参数的数据范围为可行的设置范围。
12.优选的，步骤1中，均匀设计试验表中的每一个试验点通过r语言和unidoe软件包生成均匀设计表。
13.优选的，步骤2中，所述试验结果的优和劣分别用指标 1和-1表示。
14.优选的，步骤3中，在利用支持向量机的机器学习模型输出的决策函数值为轮廓的加工图谱中，正值越大的区域代表试验结果指标“优”出现概率最大，所述区域对应的影响参数为最优目标参数区域。
15.优选的，步骤3中，通过r语言和相应e1071软件包完成基于支持向量机的加工图谱绘制过程。
16.优选的，步骤3中，每一组影响参数数据及其对应的试验结果为机器学习模型的训练数据。
17.优选的，步骤2中，增材制造成形试验结果适用于其他试验考察指标最优目标参数区域的获取，所述增材制造成形试验基于一个目标试验考察指标设计的均匀试验设计表。
18.与现有技术相比，本发明具有以下有益效果：
19.本发明公开了一种增材制造多参数优化方法，是一种基于试验设计(design of experiment,doe)和机器学习(machine learning,ml)的材料加工参数优化方法。该方法首先根据均匀设计试验法设定增材制造多参数加工方案；再将成形试件的内外部质量、尺寸精度等目标结果分为优/劣两类；随后通过基于支持向量机的机器学习方法构建工艺图谱，以高效低成本方式预测最优目标结果对应的工艺参数。该方法只需少量试验，便可以低成本方式快速构建增材制造多参数工艺图谱，以获得优化工艺条件。该方法不仅原理及流程简单，而且重点在于可避免大量试验或模拟带来的高昂时间和经济成本，从而面向广泛的材料体系实现金属增材制造成本效益的大幅优化。
20.首先，由于金属增材制造涉及多因素工艺过程，当试验因素(工艺参数)变化范围较大且水平较多时，本发明所使用的均匀设计试验法相对于其他设计法如全面试验或正交试验设计，其最显著优点是可针对参数空间大幅度减少试验点个数，并缩短试验周期，从而节约人力和时间成本。利用此方法获得的试验结果，可反映整个参数空间的主要特征，有利于提高后续利用机器学习方法对工艺参数优化的有效性。
21.其次，支持向量机算法的理论基础比较完善，相比神经网络等具有“黑盒”特性的方法，其可解释性更强，使得该方法并非只停留在数据层面，更有助于理解、调试和应用。更重要的是，支持向量机适用于解决小样本下的机器学习问题，所以此机器学习方法并不依赖于大量的试验数据。并且支持向量机擅长于处理多参数及其试验结果所构成的高维样本空间，对金属增材制造具有极高适用性。
22.综上，本技术将均匀设计试验法与支持向量机相结合，应用于金属增材制造的工艺参数优化，不仅原理及流程简单，而且重点在于可避免大量试验或模拟带来的高昂时间和经济成本，从而面向广泛的材料体系实现金属增材制造成本效益的大幅优化。
附图说明
23.图1为粉末床熔融增材制造的工艺图；
24.图2为在功率和扫描速度所构成的参数空间中设置均匀分布试验点图；
25.图3为支持向量机基本思想图；
26.图4为以决策函数值为轮廓的加工图谱；
27.图5为电子束粉末床熔融成形tial合金试样块；
28.图6为利用机器学习获得的以表面成形质量为指标的加工图谱。
具体实施方式
29.下面结合附图对本发明做进一步详细描述：
30.本方法首先根据均匀设计试验法设定增材制造试验加工参数；再将成形试件的内外部质量、尺寸精度等目标结果分为优/劣两类；随后通过基于支持向量机的机器学习方法构建工艺图谱，以高效低成本方式预测最优目标结果对应的工艺参数。具体技术方案如下：
31.步骤1，试验方案设计：
32.本方法采用均匀设计试验法对试验参数进行配置。均匀设计试验法是“伪蒙特卡罗方法”数论方法的一个应用，是一种从均匀性角度出发提出的参数空间填充设计方法，能从试验参数空间中设定出部分代表性的试验点，这些试验点在试验参数空间范围内充分均衡分散，能反映整个参数空间的主要特征。
33.针对金属增材制造的均匀设计试验方案，首先需要明确试验目的和对应的试验指标(内外部质量、尺寸精度等)；再选取对试验指标影响较大的影响参数(因素)；借助已有经验，给出影响参数(因素)范围及其水平；最后根据参数(因素)个数、水平数来选用适当的均匀设计试验表进行试验点设置，对于水平数的选择能够根据增材制造机器进行合理的选择，使得增材制造机器通过1～2批次完成试验点个数的确定。例如，图2所示，可在增材制造的载能束功率和扫描速度所构成的简单二维参数空间中使用该方法设置均匀分布的试验点。本技术方案中，试验点设置可利用r语言(用于统计计算和绘图的开源软件环境)和相应的unidoe软件包生成均匀设计。
34.步骤2，试验及表征：
35.依照上述均匀设计所得各个加工参数进行金属增材制造成形试验，再针对不同试验考察指标采用相应分析表征方法。如将表面质量作为试验考察指标，则将表征结果按试验考察指标特征分为两类，例如可根据表面质量分为优(平整光滑)和劣(凹凸不平或粗糙)两类。 1和-1分别设为质量优和劣的标签，即可获得各个试验点x与对应质量标签构成的数据组(x1,x2,x3,
…
)～(
±
1,
±
1,
±
1,
…
)，并将作为后续机器学习模型的训练数据。相对应的，如果试验考察指标为其他的具体指标，优和劣的标准则进行对应的调整。
36.步骤3，应用机器学习构建加工图谱：
37.支持向量机是一种基于监督学习的机器学习中一个非常重要的分类算法，其基本思想是求解能够正确划分训练数据集并且几何间隔最大的分离超平面(图3中f(x)＝0，f(x)为决策函数)。即使分离超平面在原始输入空间中不是线性的(因为在很多现实任务中，原始样本并不存在一个能正确分类的线性超平面)，可以利用核方法(kernel)将样本从原始空间映射到一个更高维的特征空间，使得样本在这个特征空间内线性可分，然后再运用
支持向量机求解。决策函数f(x)的正负号则指代优/劣两类数据，那么距离分类边界最远的条件形成对应分类(优/劣)的概率最高。基与上述原理，本发明可在参数空间中绘制以决策函数值为轮廓的加工图谱(图4)，其中正值越大的区域代表试验指标“优”出现概率最大所对应的加工参数分布区域，具体的为图4中的最外圈区域，可根据此加工图谱，找到决策函数正值最大处所对应的加工条件，进行成形加工验证。本技术方案中，可利用r语言和相应的e1071软件包完成基于支持向量机的加工图谱绘制工作。
38.本发明的步骤1中的试验设计基于一个目标的试验指标，设计出其对应的影响参数，进而通过步骤2进行多个增材制造试验，获得系列成品，该系列成品也能应用于其他的试验指标的参数的优化，具体的，通过步骤3建立其他的试验指标对应的加工图谱，得出其他的试验指标对应的正值越大的区域。如以外表面质量作为目标的试验指标，设计出均匀设计试验表并进行增材制造试验，根据增材制造试验的成品除了能够获取外表面质量的参数优化外，也能够以尺寸精度作为试验指标，获得对应的优化参数。
39.实施例
40.以电子束粉末床熔融技术和tial合金成形工艺参数优化为例进行示范。本实施案例将电流、扫描速度、熔道间隔和试样尺寸(立方体边长)这4项工艺参数纳入考察，并分别设定为3水平。如表1所示，利用均匀设计试验法只需设定试验点24个，相比于全试验的34＝81个大幅减少。图5所示为成形试件光学照片，并根据其顶部表面形貌按优/劣进行分类。获得的试验数据组输入支持向量机算法模型，获得如图6所示的加工图谱，其中决策函数值最大处(最右上角的图)即为最优加工参数。
41.表1 4因素3水平均匀设计试验方案
42.试验点编号电流[ma]扫描速度[mm/s]熔道间隔[mm]试样尺寸[mm]11560000.1502021520000.150203560000.150204520000.1502051540000.2502061540000.050207540000.250208540000.0502091540000.15030101540000.1501011540000.1503012540000.15010131060000.25020141060000.05020151020000.25020161020000.05020171060000.15030181060000.15010
191020000.15030201020000.15010211040000.25030221040000.25010231040000.05030241040000.05010
[0043]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。