基于傅里叶神经算子的快速且可泛化的激光加工熔池预测代理模型

激光焊接的高保真模拟能够捕捉复杂的热流体现象，包括相变、自由表面变形和匙孔动力学，然而其计算成本限制了大规模工艺探索和实时应用。在这项工作中，我们提出了激光加工傅里叶神经算子（LP-FNO），一种基于傅里叶神经算子（FNO）的代理模型，它从使用FLOW-3D WELD（注册商标）生成的多物理场模拟中学习各种激光工艺的参数解算子。通过一种新颖的方法，将瞬态问题重新表述在移动激光坐标系中并应用时间平均，系统即使在匙孔焊接状态下也能达到适合算子学习的准稳态设置。所提出的LP-FNO利用无量纲归一化焓公式，将工艺参数映射到跨越热导和匙孔状态的广泛工艺窗口内的三维温度场和熔池边界。该模型实现了约1%量级的温度预测误差，以及超过0.9的熔池分割交并比分数。我们证明了在粗分辨率数据上训练的LP-FNO模型可以在更细的网格上进行评估，在网格收敛的热导状态下产生准确的超分辨率预测，而在匙孔状态下的差异则反映了粗网格训练数据中未解决动力学。这些结果表明，LP-FNO为激光焊接提供了一个高效的代理建模框架，能够在几十毫秒内预测宽参数范围内的全三维场和相界面，比传统的有限体积多物理场软件快多达十万倍。