XiaoMi-AI文件搜索系统
World File Search System熔毁
基于M-SVR算法的激光直接沉积熔体轨迹几何特征预测
摘要：几何特征是表征激光直接沉积质量的重要手段，提高预测模型的精度有助于提高沉积效率和质量。模型主要输入变量为激光功率、扫描速度和送粉速率，输出变量为熔轨宽度和高度。应用基于径向基函数（RBF）的多输出支持向量回归（M-SVR）模型，建立了熔轨几何特征预测的非线性模型。采用正交试验设计进行试验，随机选取试验结果作为训练和测试数据集。一方面，与单输出支持向量回归（S-SVR）建模相比，该方法将高度预测的均方根误差降低了22％，且训练速度更快，预测精度更高；另一方面，与反向传播（BP）神经网络相比，宽度的平均绝对误差降低了5.5％，平均绝对误差更小，泛化性能更好。因此，建立的模型可以为精确选择直接激光沉积工艺参数提供参考，提高沉积效率和质量。
选择性激光熔融添加剂制造过程中熔体池区域的反馈控制
摘要：选择性激光熔化（SLM）是一种金属粉末融合添加剂制造工艺，具有为航空航天和生物医学植入物制造复杂组件的潜力。大规模适应受到阻碍。非均匀熔体池尺寸是这些缺陷的主要原因。由于先前的粉末床轨道加热而导致的熔体池尺寸变化。在这项工作中，对相邻轨道产生的热量的效果进行了建模，并设计了反馈控制。控制的目的是调节熔体池横截面区域，以拒绝粉末床内相邻轨道的热量的影响。SLM过程的热模型是使用集总池体积的能量平衡开发的。将来自相邻轨道的干扰热建模为熔体池的初始温度。将热模型与干扰模型结合起来，导致了一个非线性模型，描述了熔体池的演化。PID是一种经典的反馈控制方法，用于最大程度地减少轨道干扰对熔体池面积的影响。在已知的环境中为所需的熔体池区域调整了控制器。仿真结果表明，在扫描16毫秒内的粉末层多个轨道的扫描过程中，所提出的控制器调节所需的熔体池面积，并在0.04 mm的长度内将激光功率降低了10％，大约在五个轨道中。这减少了孔形成的机会。因此，它提高了使用SLM工艺制造的组件的质量，从而减少了缺陷。
模拟神经网络南极冰架上熔体速率的当前和未来模拟
在过去的几十年中，南极冰盖对海平面上升的贡献一直在增加，预计这种增加会随着温室气体排放的增加而持续（Fox-Kemper等人，2021年）。大部分质量损失发生在冰盖的边缘，通过从接地冰盖到海洋的冰块流动，主要是在南极西部（Khazendar等，2016; Mouginot等，2014; Mouginot et al。，2014; Rignot et al。这是因为冰盖边缘的浮冰搁架（通常是支撑冰流的支撑）迅速变薄并由于其底部的海洋引起的融化而撤退（Adusumilli等，2020; Paolo等，2015; Rignot et al。，2013）。在某些基岩配置中，增加了海洋诱导的熔体甚至会触发海洋冰盖不稳定性（Gudmundsson等，2012; Schoof，2007; Weertman，2007; Weertman，1974），这有可能强烈增加南极质量损失，在一个世纪以下的时间范围内（Fox-Kemper等人，20221年）。这使海洋引起的子架融化或基底融化是未来海平面上升的未来预测的主要不确定性之一。
一个具有物理信息的两级机器学习模型，用于预测激光粉床融合中的熔体尺寸
激光粉末床融合（L-PBF）添加剂制造（AM）是一种基于金属的AM工艺，能够生产具有细微几何分辨率的高价值复杂组件。作为熔体池特征（例如熔体池的大小和尺寸）与制造零件的孔隙度和缺陷高度相关，至关重要的是，预测过程参数如何影响构建过程中熔体池的大小和尺寸，以确保构建质量。本文提出了一个两级机器学习（ML）模型，以预测在扫描MultiTrack构建过程中的熔体大小。为了说明热历史对熔体池尺寸的影响，在建模体系结构的低级别上预测了所谓的（Prescan）初始温度，然后用作上层物理信息的输入特征，以预测熔体池大小。从Autodesk的NetFabB仿真生成的仿真数据集用于模型培训和验证。通过数值模拟，与幼稚的一级ML相比，提出的两级ML模型表现出很高的预测性能，其预测准确性显着提高，而无需将初始调为初始调节作为输入特征。[doi：10.1115/1.4052245]
激光金属熔覆TC17合金激光冲击强化组织、残余应力及疲劳性能研究
摘要：激光冲击强化 (LSP) 已被用于通过激光金属沉积 (LMD) 来改善已修复的航空发动机部件的机械性能。本研究考察了横截面残余应力、微观结构和高周疲劳性能。结果表明，在激光熔化沉积区 200 µ m 深度处形成了 240 MPa 的压缩残余应力层，显微硬度提高了 13.1%。电子背散射衍射 (EBSD) 和透射电子显微镜 (TEM) 分析的结果表明，LSP 后取向差增加，位错特征明显，有利于提高疲劳性能。高周疲劳数据显示，与原 LMD 样品相比，LMD+LSP 样品的疲劳性能提高了 61%。因此，在航空航天领域，LSP 和 LMD 是修复高价值部件非常有效且很有前途的技术。