利用机载测量数据与代理模型实现激光粉末定向能量沉积的打印件质量预测

在本研究中，我们利用激光粉末定向能量沉积（LP-DED）过程中产生的大量多模态机载测量数据，构建了一个全面的3D打印过程代理模型。通过采用数据驱动技术——带控制的动态模态分解（DMDc），我们捕捉了该大规模数据集中固有的复杂物理过程。该基于物理的代理模型强调热力学重要量，使我们能够准确预测关键工艺结果。该模型输入21个工艺参数，包括激光功率、扫描速率和位置，同时提供熔池温度、熔池尺寸和其他关键可观测量的输出。此外，它包含不确定性量化，为这些预测提供边界，增强了结果的可靠性和置信度。然后，我们将代理模型部署到一个新的、未见过的零件上，并监控打印过程以验证该方法。我们的实验结果表明，预测与实际测量结果高度吻合，证实了我们方法的有效性。该方法不仅促进了实时预测，而且以工艺相关速度运行，为LP-DED中的反馈控制实施奠定了基础。