一种SLM成形性能预测与工艺参数优化方法及系统

本发明属于金属选区激光熔化(selective laser melting，slm)成形领域，更具体地，涉及一种slm成形性能预测与工艺参数优化方法及系统。

背景技术：

1、slm技术是在高能激光作用下，金属粉末完全熔化，经散热凝固后与基体金属冶金焊合，然后逐层累积成形出三维实体，能直接成形出近乎全致密且力学性能良好的金属零件。slm成形相较于传统的金属材料成形，可直接成形复杂几何形状的零件，并且slm零件成形后，仅需少量加工或不再加工就可以使用，表面质量优异。因此slm在航空航天、军事装备等领域应用广泛。

2、slm成形的主要工艺参数有激光功率、粉层厚度、扫描速度、扫描间距等，这些工艺参数对成形件性能有显著影响。slm成形的主要性能有致密度、抗拉强度、屈服强度、断后伸长率、表面粗糙度等。在slm成形件的制造过程中，不仅各项工艺参数之间存在交互作用，并且slm成形过程本身也有十分复杂的变化，在各种因素的共同作用下导致slm成形件的性能难以预测。

3、关于slm成形件性能数据的获取，现有方法是成形件制造完成，待其冷却后，通过一系列性能检测试验获得。这种方法获取slm特定工艺参数性能耗费的时间长，当需要获取多组工艺参数对应的性能时，耗费的时间与材料也将成倍增长。生产高性能slm成形件的工艺参数通过试验法，设置大量工艺参数组，逐一通过slm设备生产，再逐一检测所获得的slm成形件性能，记录性能较优的slm成形件对应的工艺参数作为后续工业生产的工艺参数。这种获取高性能slm成形工艺参数的方法效率极低，耗费了大量原材料、打印与检测耗费的时间也十分长。例如采用全面试验法，针对slm的四个工艺参数，若每组工艺参数设置4个实验点，则需要44，即256组实验；若每组工艺参数设置10个实验点，则需要设置104，即10000组实验。这样的做法效率低，耗费了大量原材料，打印与性能检测耗费的时间也十分长，而这些数量也不能确保获得的工艺参数是最优的。总而言之，不能在已知slm工艺参数的情况下快速获取成形件性能，并且现有获取工业生产高性能slm成形件所需工艺参数的方法效率低下。

4、因此，十分有必要通过其他方法，在已知slm工艺参数的情况下精准快速地获取成形件性能，并且能高效地获取制造高性能slm成形件的工艺参数用于工业生产。

技术实现思路

1、针对现有技术的缺陷，本发明的目的在于提供一种slm成形性能预测与工艺参数优化方法及系统，旨在解决在已知slm工艺参数的情况下获取slm成形件性能速度慢、耗时长的问题与获取高性能slm成形件工艺参数效率低的问题。

2、为实现上述目的，第一方面，本发明提供了一种slm成形性能预测与工艺参数优化方法，包括以下步骤：

3、通过多步正交实验设计多组slm工艺参数，并对设计的工艺参数进行实际制造，确定对应slm成形件的性能，将设计的slm工艺参数和对应的成形件性能汇总为数据集；

4、基于所述数据集对高斯过程回归模型进行训练，得到slm工艺参数与slm成形件性能之间的第一种映射关系；并基于所述数据集对多元逐步回归模型进行训练，得到slm工艺参数与slm成形件性能之间的第二种映射关系；所述第一种映射关系和第二种映射关系均用于对slm成形件的性能进行预测；

5、将训练好的高斯过程回归模型和训练好的多元逐步回归模型组合，得到slm性能预测模型；其中，所述slm性能预测模型将高斯过程回归模型和多元逐步回归模型的两个性能预测结果采用加权方式融合，所述加权方式的权重通过遍历方式确定；

6、通过教与学算法对所述slm性能预测模型寻优，得到slm成形件性能满足需求的多组推荐slm工艺参数；

7、根据slm工艺参数对设备使用寿命的影响对所述多组推荐slm工艺参数进行分步筛选，得到对设备使用寿命损伤低且工艺参数稳定的多组slm工艺参数。

8、在一个可选的示例中，该方法还包括以下步骤：

9、对分步筛选后的多组slm工艺参数，进行实际制造对得到的slm成形件性能进行验证，将性能达到预期标准的参数列入验证结果满意的工艺参数组，作为高性能slm成形件的工艺参数组；将性能未达到预期标准的参数列入验证结果不满意的工艺参数组；

10、将验证结果不满意的工艺参数组增加至所述数据集，更新数据集，重复高斯过程回归模型训练、多元逐步回归模型的训练、slm工艺参数推荐和筛选过程，获得新筛选后的多组slm工艺参数。

11、在一个可选的示例中，通过多步正交实验设计多组slm工艺参数，具体为：

12、设计多步正交实验，在全局范围内通过正交实验设计slm工艺参数组别，并对设计的工艺参数进行实际制造，检测初步设计的slm成形件性能；

13、对slm全局性能进行初步检测，找出初步检测的slm成形件性能较优的可疑区域，并对可疑区域再设计正交实验，经过多次设计正交实验得到slm成形件性能较优可疑区域对应的多组slm工艺参数。

14、在一个可选的示例中，基于所述数据集对高斯过程回归模型进行训练，并基于所述数据集对多元逐步回归模型进行训练，具体为：

15、构建高斯过程回归模型；基于所设计的多组slm工艺参数对高斯过程回归模型进行训练；

16、构建多元逐步回归模型；基于所设计的多组slm工艺参数对多元逐步回归模型进行训练；其中，考虑到工艺参数间的相互影响，增加高阶项与交叉项，构建完整的备选项；获得完整的备选项后，通过显著性检验，逐步引入与剔除备选项。

17、在一个可选的示例中，在对高斯过程回归模型和多元逐步回归模型训练过程中，通过平均绝对误差mae、均方根误差rmse与决定系数r2三项指标对两个模型进行加权评估，以评估模型预测结果与实际结果的偏差情况，优化模型参数；所述三项指标各自所占权值为：mae：rmse：r2＝40:40:20。

18、在一个可选的示例中，通过教与学算法对所述slm性能预测模型寻优，得到slm成形件性能满足需求的多组推荐slm工艺参数，具体为：

19、设置合适数量的初始群体，并将slm性能预测模型作为优化算法的适应度函数；

20、通过计算个体适应度，选则适应度值最大的个体为教师，初始群体通过“教学阶段”与“学习阶段”更新，种群更新完成后重新选择教师个体，如此循环，直至达到循环终止条件，获得当前最优适应度个体，即当前最优性能值与对应工艺参数，并将最优性能值所对应的工艺参数作为推荐slm工艺参数。

21、在一个可选的示例中，所述slm工艺参数包括：激光功率、粉层厚度、扫描速度以及扫描间距；激光功率与扫描速度对设备的寿命影响相对较大，激光功率对设备的工艺稳定性影响相对较大，根据实际设备的激光功率与扫描速度设置两个工艺参数对应的多个阈值，当实际设备的激光功率或扫描速度处于不同阈值区间时，激光功率或扫描速度处于不同的评级，不同评级对设备的损失不同；

22、根据slm工艺参数对设备使用寿命的影响对所述多组推荐slm工艺参数进行分步筛选，得到对设备使用寿命损伤低的多组slm工艺参数，具体为：

23、将多组推荐slm工艺参数按照：①激光功率一级、扫描速度一级，②激光功率一级、扫描速度二级，③激光功率二级、扫描速度一级，④激光功率二级扫描速度二级分为四类；其中，激光功率一级对设备使用寿命的损伤最低，随着激光功率等级增加，对设备使用寿命的损伤增加；扫描速度一级对设备使用寿命的损伤最低，随着扫描速度等级增加，对设备使用寿命的损伤增加；

24、经过分步筛选将多组推荐slm工艺参数中激光功率和扫描速度不处于上面四类的参数剔除后，按照从①到④的顺序从上到下依次显示，获得筛选后的多组工艺参数。

25、第二方面，本发明提供了一种slm成形性能预测与工艺参数优化系统，包括：

26、参数数据集设计单元，用于通过多步正交实验设计多组slm工艺参数，并对设计的工艺参数进行实际制造，确定对应slm成形件的性能，将设计的slm工艺参数和对应的成形件性能汇总为数据集；

27、回归模型训练单元，用于基于所述数据集对高斯过程回归模型进行训练，得到slm工艺参数与slm成形件性能之间的第一种映射关系；并基于所述数据集对多元逐步回归模型进行训练，得到slm工艺参数与slm成形件性能之间的第二种映射关系；所述第一种映射关系和第二种映射关系均用于对slm成形件的性能进行预测；

28、回归模型组合单元，用于将训练好的高斯过程回归模型和训练好的多元逐步回归模型组合，得到slm性能预测模型；其中，所述slm性能预测模型将高斯过程回归模型和多元逐步回归模型的两个性能预测结果采用加权方式融合，所述加权方式的权重通过遍历方式确定；

29、预测模型寻优单元，用于通过教与学算法对所述slm性能预测模型寻优，得到slm成形件性能满足需求的多组推荐slm工艺参数；

30、工艺参数筛选单元，用于根据slm工艺参数对设备使用寿命的影响对所述多组推荐slm工艺参数进行分步筛选，得到对设备使用寿命损伤低且工艺参数稳定的多组slm工艺参数。

31、在一个可选的示例中，该系统还包括：

32、工艺参数分组单元，用于对分步筛选后的多组slm工艺参数，进行实际制造对得到的slm成形件性能进行验证，将性能达到预期标准的参数列入验证结果满意的工艺参数组，作为高性能slm成形件的工艺参数组；将性能未达到预期标准的参数列入验证结果不满意的工艺参数组；

33、参数新推荐筛选单元，用于将验证结果不满意的工艺参数组增加至所述数据集，更新数据集，重复高斯过程回归模型训练、多元逐步回归模型的训练、slm工艺参数推荐和筛选过程，获得新筛选后的多组slm工艺参数。

34、在一个可选的示例中，所述slm工艺参数包括：激光功率、粉层厚度、扫描速度以及扫描间距；激光功率与扫描速度对设备的寿命影响相对较大，根据实际设备的激光功率与扫描速度设置两个工艺参数对应的多个阈值，当实际设备的激光功率或扫描速度处于不同阈值区间时，激光功率或扫描速度处于不同的评级，不同评级对设备的损失不同；

35、所述工艺参数筛选单元，将多组推荐slm工艺参数按照：①激光功率一级、扫描速度一级，②激光功率一级、扫描速度二级，③激光功率二级、扫描速度一级，④激光功率二级扫描速度二级分为四类；其中，激光功率一级对设备使用寿命的损伤最低，随着激光功率等级增加，对设备使用寿命的损伤增加；扫描速度一级对设备使用寿命的损伤最低，随着扫描速度等级增加，对设备使用寿命的损伤增加；经过分步筛选将多组推荐slm工艺参数中激光功率和扫描速度不处于上面四类的参数剔除后，按照从①到④的顺序从上到下依次显示，获得筛选后的多组工艺参数。

36、第三方面，本发明提供了一种电子设备，包括：存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述第一方面提供的方法。

37、第四方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述第一方面提供的方法。

38、总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

39、本发明提供一种slm成形性能预测与工艺参数优化方法及系统，构建了高斯过程回归-多元逐步回归模型，能通过slm工艺参数精准地预测成形件性能；通过教与学算法寻优，高效地给出推荐工艺参数；无需耗费大量的材料与时间成本，便可提供高性能slm成形件的推荐工艺参数，对slm工业生产有重要意义。