随机增材制造仿真：从实验到表面粗糙度与孔隙率预测
计算工程、金融与科学
2022-08-08 v1 数值分析
数值分析
数据分析、统计与概率
摘要
激光粉末床熔融(LPBF)过程的确定性计算建模无法捕捉扫描轨迹的不规则性与粗糙度，除非采用昂贵的粉末尺度分析。本文中，我们开发了一种基于马尔可夫链蒙特卡洛(MCMC)的随机计算建模框架，能够捕捉LPBF扫描的不规则性。该模型利用一种专门设计的张量分解方法，即高阶恰当广义分解(HOPGD)——其依赖于非侵入式数据学习与降阶代理模型的构建——针对AFRL单道扫描数据进行校准。一旦校准，该随机模型可用于在零件尺度上预测粗糙度与孔隙率，相较于详细的粉末尺度确定性仿真，计算成本显著降低。随机仿真预测结果针对AFRL多层多道实验进行了验证，并报告称比常规确定性仿真结果更为准确。
引用
@article{arxiv.2208.02907,
title = {Stochastic additive manufacturing simulation: from experiment to surface roughness and porosity prediction},
author = {Yangfan Li and Ye Lu and Abdullah Al Amin and Wing Kam Liu},
journal= {arXiv preprint arXiv:2208.02907},
year = {2022}
}