整合多物理仿真与机器学习以定义激光粉末床熔融中的飞溅机制与工艺窗口
机器学习
2025-01-16 v2
摘要
激光粉末床熔融 (LPBF) 因其能够制造自由曲面几何和产生受控晶体结构而显示出广泛应用的潜力。然而，由 LPBF 生成的组件仍因在激光-材料相互作用期间产生的缺陷而具有次优的机械性能。本文利用用于 LPBF 中多物理现象仿真的高保真建模工具来探讨飞溅形成机制。该建模工具能够捕获熔池和飞溅行为的 3D 分辨率。为了理解飞溅行为与形成，我们揭示了其在喷出时的属性，并评估了其从熔池（其来源）处的变化。收集的飞溅和熔池数据集中包含 50% 的飞溅样本和 50% 的熔池样本，特征包括位置分量、速度分量、速度大小、温度、密度和压力。通过相关分析和机器学习 (ML) 算法评估飞溅与熔池之间的关系。经过筛选不同的 ML 算法后，所有 ML 模型都表现出高准确率，其中 ExtraTrees 最高达 96%，KNN 最低达 94%。
引用
@article{arxiv.2405.07823,
title = {Integrating Multi-Physics Simulations and Machine Learning to Define the Spatter Mechanism and Process Window in Laser Powder Bed Fusion},
author = {Olabode T. Ajenifujah and Francis Ogoke and Florian Wirth and Jack Beuth and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2405.07823},
year = {2025}
}