AlSi10Mg选区激光熔化表面粗糙度预测、优化及表面形貌分析OA北大核心CSTPCD

目的选区激光熔化制造过程相当复杂,通过理论模型去研究表面粗糙度较为困难,因此采用数据驱动的方式进行研究是一种可行的方案。方法基于麻雀算法优化双向长短期记忆网络来预测表面粗糙度,并对比验证该模型的适用性。首先进行三因素四水平全因素试验,其次,以激光功率、扫描速度、扫描间距为输入,以粗糙度为输出,建立模型。然后,利用遗传算法优化预测模型,从而获得最佳工艺参数组合。最后,分析不同工艺参数下成形零件的表面形貌,探究各参数及其耦合关系对表面质量的影响。结果最佳工艺参数为扫描间距0.12 mm、扫描速度1800 mm/s、激光功率280 W,预测表面粗糙度为10.407μm,调整工艺参数进行实验,得到的样件的平均表面粗糙度为10.897μm,与预测值相比,误差仅为4.5%。工艺参数对表面形貌的影响从大到小的顺序为扫描速度、激光功率、扫描间距,各因素间存在耦合作用,且共同影响激光能量密度,能量密度过高、过低均会使表面形貌恶化。结论基于麻雀算法优化双向长短期记忆网络构建的数据驱动预测模型适用于粗糙度的预测与优化,能够实现对样件表面粗糙度的精准预测,可以指导实践,保证加工质量。