典型文献
基于机器学习的Ti-6Al-4V合金激光粉末床熔融工艺优化
文献摘要：
基于高斯过程回归(GPR)模型,对激光粉末床熔融Ti-6Al-4V合金的致密度和表面粗糙度观测数据进行了机器学习,得到了高致密度合金样品的激光功率?扫描速度的工艺优化窗口,并探讨了激光功率?扫描速度对表面粗糙度的影响.结果表明:获得高致密(≥99.5％)合金的激光功率?扫描速度工艺窗口呈梨形,扫描速度比激光功率对致密度影响更大,且高功率条件下适宜的扫描速度范围较宽.降低激光功率和提高扫描速度会单调增加表面粗糙度,且在低激光功率和高扫描速度下该影响更显著.同一激光能量密度下打印的合金致密度取决于具体的扫描速度和激光功率,但表面粗糙度基本相同.优化工艺窗口下样品的表面粗糙度小于10μm.实验证明GPR预测的优化工艺窗口是可靠的,该方法可拓展应用到其他合金增材工艺优化设计中.
文献关键词：
激光粉末床熔融;机器学习;激光功率;扫描速度
中图分类号：
作者姓名：
孙业东;姜夕义;李昊卿;李星晨;任雪彭;方晓英
作者机构：
山东理工大学信息中心,淄博 255000;山东理工大学机械工程学院,淄博 255000
文献出处：
引用格式：
[1]孙业东;姜夕义;李昊卿;李星晨;任雪彭;方晓英-.基于机器学习的Ti-6Al-4V合金激光粉末床熔融工艺优化)[J].中国有色金属学报,2022(10):3085-3095
A类：
B类：
基于机器学习,Ti,6Al,4V,激光粉末床熔融,高斯过程回归,GPR,表面粗糙度,观测数据,高致密度,激光功率,扫描速度,工艺窗口,梨形,速度比,高功率,调增,激光能量密度,基本相同,优化工艺,可拓,拓展应用,增材工艺
AB值：
0.203116
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
