基于深度强化学习的激光粉末床熔融热控制
信号处理
2021-02-08 v1 机器学习
应用物理
摘要
基于粉末的增材制造技术提供了构建难以用传统方法制造的复杂结构的工具。在激光粉末床熔融中，通过选择性熔化粉末床的特定区域来构建部件二维截面。然而，缺陷的高发生率影响了该方法在精密应用中的采用。因此，需要一种动态改变工艺参数以避免导致缺陷现象的控制策略。本文提出一种深度强化学习(DRL)框架，其推导出通用控制策略以最小化这些缺陷的可能性。所生成的控制策略在熔化过程中改变激光速度，以确保熔池一致性并减少生成产品的过热。该控制策略在各种激光轨迹下粉末床层连续温度分布的高效仿真上进行了训练与验证。
引用
@article{arxiv.2102.03355,
title = {Thermal Control of Laser Powder Bed Fusion Using Deep Reinforcement Learning},
author = {Francis Ogoke and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2102.03355},
year = {2021}
}