根据 的市场研究，人工智能在每个特定领域发挥着越来越重要的作用，包括：缺陷检测和纠正、在构建过程中和构建之后减少残余应力和故障、原位计量和设计精度、微结构设计、合金设计和优化。
本期，通过节选近期国内科研机构算法与AI在增材制造方面的实践与研究的多个闪光点， 与谷友一起来领略的这一领域的研究近况。
© 白皮书
激光选区熔化成形大尺寸薄壁件变形控制仿真与试验研究
© 白皮书
张珞1刘明明2陈锐敏1但鹏1郭楠1
江西昌河航空工业有限公司2. 航发优材(镇江)增材制造有限公司
摘要：
采用Simufact Additive软件对典型的大尺寸薄壁件—排气管进行了增材制造过程工艺仿真分析。结果表明，无约束下的排气管零件在SLM成形后具有较高的残余应力，并存在较大变形；后处理释放了零件残余应力，但零件整体形变量进一步增至3.5mm，最大形变量高达9mm。
本研究通过引入具有高比强度、高比刚度的晶格结构作为控形辅助结构，设计了一种既具有足够抵抗变形能力又能够后处理去除的晶格工艺方案：单元格类型为QuadDiametral，杆径1.3mm，杆长19mm，晶格区域宽度约60mm。晶格约束下的排气管零件SLM成形试验结果与数值模拟结果相当吻合，三维扫描云图结果显示零件整体变形量在1mm左右，最大变形量不超过2.5mm，满足零件的使用要求（面轮廓度±0.6mm以内，合格区域面积占比≥75%）。上述结果表明，晶格结构可作为激光选区熔化成形大尺寸薄壁件变形控制的有效技术手段之一。
基于BP神经网络的气溶胶喷射3D打印技术质量建模及分析
杨宝生1,2葛建军3张海宁3
合肥工业大学计算机与信息学院2. 宿州市产业投资控股集团有限公司 3. 宿州学院信息工程学院智能制造研究所
摘要：
为了提高气溶胶喷射3D打印质量的稳定性和准确性，建立基于Back Propagation(BP)神经网络的打印质量预测模型.该模型以鞘气流量、载气流量和打印速度为主要参数，并预测气溶胶喷印中的两个重要指标：线条宽度和线条粗糙度.同时，采用了K折交叉验证方法对神经网络模型进行训练，并对网络结构进行了评估.测试结果表明，该模型具有较高的预测精度和稳定性，能够准确地预测线条宽度和线条粗糙度.
激光直接能量沉积温度场与熔池形貌热-流耦合数值模拟研究
© 白皮书
胡楷雄1,2李飞扬1周勇1李卫东3
武汉理工大学交通与物流工程学院2. 湖北隆中实验室 3. 上海理工大学机械工程学院
摘要：
激光直接能量沉积过程中熔池的温度分布和流动状态直接影响沉积层的质量。通过分析熔池的动态行为，有助于更好地理解熔池形成机理，从而减少缺陷的产生。本文建立了激光直接能量沉积过程中温度场和流场耦合的仿真模型，考虑了马兰戈尼效应的影响，并采用动网格法来拟合熔池的形貌，研究了单道单层沉积过程中不同工艺参数对熔池温度场和流速的影响规律，以及多道搭接过程中由于传热不对称导致的熔池温度场和形貌的变化规律。研究结果表明，激光功率、扫描速度和送粉速率均对熔池的温度场和流速产生影响，其中激光功率的影响最为显著。传热不对称会导致不同熔道的温度先上升后趋于稳定，这一温度变化趋势使得熔池深度呈现相似的增长趋势。金属增材制造晶体塑性有限胞元自洽聚类分析方法
© 白皮书
于飞1廉艳平1,2李明健1高汝鑫1
北京理工大学,先进结构技术研究院2. 北京理工大学,轻量化多功能复合材料与结构北京市重点实验室
摘要：
金属增材制造是一种先进的数字化制造技术，在高性能、复杂构件快速制备方面具有独特的优势。然而，其成形材料微观组织复杂且存在不可避免的制造缺陷，导致实际制造材料性能与设计性能存在偏差，亟需发展考虑真实材料微观组织和缺陷的力学性能高效预测方法。
针对该问题，本研究发展了晶体塑性有限胞元-自洽聚类分析方法，包括离线数据准备和在线快速计算两个阶段。其中，在离线阶段，采用晶体塑性有限胞元法和聚类算法建立实际微观组织代表体元离散数据；在线阶段，采用基于加权余量-子域法的自洽聚类分析和考虑Hall-Petch效应的晶体塑性模型求解了代表体元问题的Lippmann-Schwinger方程，进而通过应力应变均匀化获得材料的宏观等效力学性能。通过理想及含不规则孔隙的多晶算例验证了所提出方法的计算精度及高效性；进一步，采用该方法研究了激光选区熔融增材制造IN625合金力学性能，并揭示了工艺参数对其力学性能的影响。结果表明，本文工作为金属增材制造成形材料力学性能预测提供了一种高效的计算方法。
薄壁构件增材制造有限元模拟及快速补偿模型
© 白皮书
王林洋1黄海军1孙明丰2王皞1
上海理工大学2. 苏州倍丰激光科技有限公司
摘要：
激光粉末床熔合(L-PBF)技术在复杂工件一体化成形中得到广泛应用，但打印过程中激光快速升温和冷却过程产生的热应力会影响工件的成形质量。基于有限元方法建立了细观与宏观两种尺度下TC4合金材料L-PBF成形过程模型。在细观尺度下评估三层道次扫描过程中实时温度场及应力场，探究工艺参数与打印层数对熔池等细观尺度的影响，发现熔池尺寸的增长对功率更敏感，且高功率可以释放下层积累的热应力，但同时也有更高的冷却速率使最大热应力升高。在宏观尺度下构建工件整体打印模型，并基于细观尺度结果调整成形参数，对残余应力分布和变形结果进行预测，二者吻合较好。基于部件实际的打印结果，通过构建补偿模型，将最大位移量由0.626 mm减小至0.027 mm，平均变形量降低95.97%，且计算时间控制在合理范围内。
基于回归分析和GA-BP神经网络算法的3D打印件弯曲性能预测
© 白皮书
白鹤1杨鑫1杨瑞琦1刘亚明2,3赵峥璇1庞瑞4何石磊2,3
宝鸡职业技术学院机电信息学院2. 宝鸡石油钢管有限责任公司钢管研究院3. 国家石油天然气管材工程技术研究中心4. 宝鸡石油钢管厂职工子弟学校
摘要：
为进一步探究熔融沉积成型(FDM) 3D打印参数和制件弯曲性能之间的关系，创建合理的FDM 3D打印制件弯曲强度预测模型。根据正交试验L16 (45)的设计原则和神经网络算法模型的构建要求，按照不同分层高度、填充密度、打印温度、打印速度以及外壳厚度五种因素，制备25组试验试样，并进行弯曲性能检测。随后通过建立GA-BP神经网络模型、传统BP神经网络模型以及多元回归方程模型，分别对FDM 3D打印制件弯曲性能进行预测，并将预测数据与试验测试数据进行对比。
通过对比发现，GA-BP神经网络模型预测数据与试验测试数据更为接近，其平均误差为3.71%，且误差值整体波动最小，BP神经网络模型与多元回归方程模型预测精度相差不大，BP神经网络模型预测平均误差为8.05%，多元回归方程模型预测平均误差为9.07%，但多元回归方程误差值整体波动最大。因此，采用GA遗传算法优化后的BP神经网络模型在进行FDM 3D打印制件弯曲性能预测方面具有更高的精度和更良好的稳定性。
l 谷专栏 l
欢迎高校及科研机构、企业科学家加入谷专栏，与业界分享对推动增材制造发展起关键作用的共性基础科研与应用成果，欢迎扫描下方图片二维码提交您的信息。
白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源
