3D printing and additive manufacturing. 2024 Aug 20;11(4):1510-1522. doi: 10.1089/3dp.2022.0365 Q32.12025
Downskin Surface Roughness Prediction with Machine Learning for As-Built CM247LC Fabricated Via Powder Bed Fusion with a Laser Beam
基于机器学习的激光粉床熔融工艺制备的CM247LC镍基高温合金成形表面粗糙度预测研究 翻译改进
Jageon Koo 1, Seungjae Lee 1, Adrian Matias Chung Baek 1, Eunju Park 1, Namhun Kim 1
作者单位 +展开
作者单位
DOI: 10.1089/3dp.2022.0365 PMID: 39360138
摘要 中英对照阅读
激光粉末床熔化（PBF-LB）是一种广泛用于使用各种金属粉末制造复杂三维组件的金属增材制造方法。然而，由于分层构建过程以及部分未熔化粉末颗粒的存在，通过PBF-LB制造的金属部件通常会表现出表面质量问题。为了减少表面粗糙度，需要进行表面后处理，这将增加时间和成本。特别是，在制造的零件中，底面一般具有最差的表面粗糙度。粗糙的表面由于裂纹、腐蚀和磨损而降低了有孔部分的寿命和质量。在这项研究中，为快速有效地改善通过PBF-LB制造的CM247LC材料底部表面的粗糙度，引入了支持向量回归（SVR）、随机森林（RF）和多层感知器（MLP）等机器学习算法，在工艺参数选择步骤中预测底面的表面粗糙度。选择了三个PBF-LB工艺参数（激光功率、扫描速度和划线距离）以及悬伸角作为输入变量，用于预测底面表面粗糙度的机器学习模型。准备了测试样品并用于所提出的机器学习算法的训练和评估，随机森林显示出最令人满意的结果。当将模型预测与制造叶片部件的实际测量粗糙度进行比较时，SVR、RF和MLP的平均偏差分别为13.7%、4.3%和22.5%，初步结果得到了验证。结果显示，在不使用任何传感器的情况下，所提出的机器学习模型可以在工艺参数选择步骤中准确预测底面表面粗糙度，随机森林显示出最高的预测准确性。
关键词： 底部表面粗糙度；机器学习；激光粉末床熔化；预测模型。
Copyright 2023, Mary Ann Liebert, Inc., publishers.
相关内容
-
Material-agnostic machine learning approach enables high relative density in powder bed fusion products
材料无关的机器学习方法实现粉末床融合产品的高相对密度
Jaemin Wang et al.
Nature communications. 2023 Oct 17;14(1):6557.
-
Machine learning to determine the main factors affecting creep rates in laser powder bed fusion
用于确定激光粉末床熔融中影响蠕变率的主要因素的机器学习方法
Salomé Sanchez et al.
Journal of intelligent manufacturing. 2021;32(8):2353-2373.
-
Pixelwise high-temperature calibration for in-situ temperature measuring in powder bed fusion of metal with laser beam
基于激光束金属粉末床熔融的原位温度测量的像素级高温校正方法研究
Dennis Höfflin et al.
Heliyon. 2024 Apr 2;10(7):e28989.
-
Demonstration of a laser powder bed fusion combinatorial sample for high-throughput microstructure and indentation characterization
激光粉床熔化组合样品的高通量显微组织和硬度表征演示
Jordan S Weaver et al.
Materials & design. 2021 Nov:209:10.1016/j.matdes.2021.109969.
-
Interlaboratory study for nickel alloy 625 made by laser powder bed fusion to quantify mechanical property variability
用于量化激光粉末床熔合镍合金625机械性能变异性的实验室间研究
Christopher U Brown et al.
Journal of materials engineering and performance. 2016 Aug;25(8):3390-3397.
-
Manufacturing Aluminum/Multiwalled Carbon Nanotube Composites via Laser Powder Bed Fusion
通过激光粉末床聚变制造铝/多壁碳纳米管复合材料
Eo Ryeong Lee et al.
Materials (Basel, Switzerland). 2020 Sep 5;13(18):3927.
-
A Novel γ'-Strengthened Nickel-Based Superalloy for Laser Powder Bed Fusion
一种适用于激光粉末床熔融增材制造的新型γ'强化镍基高温合金
Jinghao Xu et al.
Materials (Basel, Switzerland). 2020 Nov 2;13(21):4930.
-
Simulation-Based Support Generation for Laser Powder Bed Fusion Processes
基于模拟的激光粉末床熔合工艺支撑结构生成方法研究
Eugen Boos et al.
3D printing and additive manufacturing. 2023 Apr 1;10(2):173-182.
