[发明专利]一种基于深度学习的铜材料增材制造成形精度控制方法

说明书

本发明涉及增材制造技术领域，具体公开了一种基于深度学习的铜材料增材制造成形精度控制方法，包括：根据激光熔覆的实验结果和熔覆层几何模型，建立激光熔覆有限元模型；采用不同初始激光功率载荷加载到激光熔覆有限元模型中进行仿真，以得到初始熔池深度仿真结果；对初始熔池深度仿真结果进行归一化处理后输入到卷积神经网络中进行训练，以输出优化后的激光功率载荷；将优化后的激光功率载荷进行反归一化处理后加载到激光熔覆有限元模型中进行仿真，以得到激光熔覆的优化后熔池深度仿真结果。本发明能够降低热作用对熔覆过程的影响，通过调整功率函数的大小来保证基板和熔覆层得到同样多的能量，从而确保得到均匀一致的熔池深度。

技术领域

本发明涉及增材制造技术领域，更具体地，涉及一种基于深度学习的铜材料增材制造成形精度控制方法。

背景技术

通过对激光熔覆过程中的热作用机理的研究，表明热作用将导致熔池深度越来越大。在熔覆的初始阶段，由于基板初始温度低，熔池深度较小；在后续的熔覆阶段，由于前面熔覆时产生的热量不断的向四周传导，致使后续熔覆时基板的初始温度不断升高。于是，由于后续基板初始温度不断升高，致使熔池深度不断增大。过小的熔池深度，导致熔覆层与基板之间的冶金结合强度较差，熔覆层易从基板上脱落。过大的熔池深度，致使基板和熔覆层温度场分布不合理，温度梯度过大，使基板和熔覆层残余应力增大，基板和熔覆层翘曲和变形越来越明显，甚至出现裂纹。为了使整个熔覆层与基板之间的初始部分和后续部分都尽量有一样大小且合适的熔池深度，确保熔覆层与基板之间既有较强的冶金结合强度，又有较小的变形和残余应力。因此，通过降低热作用对激光熔覆过程的影响，得到大小合适且均匀的熔池深度，对提高熔覆质量具有重要意义。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供了一种基于深度学习的铜材料增材制造成形精度控制方法，实现了降低热作用对熔覆过程的影响，通过调整功率函数的大小来保证基板和熔覆层得到同样多的能量，从而确保得到均匀一致的熔池深度。

作为本发明的第一个方面，提供一种基于深度学习的铜材料增材制造成形精度控制方法，包括如下步骤：

步骤S1：获取激光熔覆的实验结果以及建立熔覆层几何模型；

步骤S2：根据所述激光熔覆的实验结果以及熔覆层几何模型，建立激光熔覆有限元模型；

步骤S3：采用不同初始激光功率载荷加载到所述激光熔覆有限元模型中进行仿真，以得到激光熔覆的初始熔池深度仿真结果；

步骤S4：对所述激光熔覆的初始熔池深度仿真结果进行归一化处理，并将归一化处理后的初始熔池深度仿真结果输入到卷积神经网络中进行训练，以输出优化后的激光功率载荷；

步骤S5：将所述优化后的激光功率载荷进行反归一化处理，并将反归一化处理后的激光功率载荷加载到所述激光熔覆有限元模型中进行仿真，以得到激光熔覆的优化后熔池深度仿真结果。

进一步地，所述建立熔覆层几何模型，还包括：

提取熔覆层表面轮廓的点云数据；

根据提取的所述熔覆层表面轮廓的点云数据，使用多个测量横截面测量熔覆层的宽度和高度，并求出平均值作为熔覆层几何建模的尺寸；

根据熔覆层几何建模的尺寸，选择二次曲线抛物线拟合熔覆层的截面轮廓，以建立所述熔覆层几何模型。

进一步地，所述根据所述激光熔覆的实验结果以及熔覆层几何模型，建立激光熔覆有限元模型，还包括：

对所述熔覆层几何模型施加相应的温度边界条件，以得到激光熔覆有限元模型；

根据所做的单道熔覆实验结果对所述激光熔覆有限元模型的参数进行调试和修正，以得到修正后的激光熔覆有限元模型。