【激光表面改性技术】长安大学惠记庄教授团队：AlSi10Mg选区激光熔化表面粗糙度预测、优化及表面形貌分析
科技
科学
2024-09-25 18:41
重庆
![]()
![]()
增材制造（Additive
manufacturing，AM）工艺，也称3D打印技术，是基于分层切片原理构建三维模型的材料沉积制造工艺，具有高精度、精细化等特点，广泛应用于航空航天、工业制造等领域。AlSi10Mg材料具有耐腐蚀、比强度高、密度低等优异性能，常用于选区激光熔化（Selective
laser melting，SLM）成形航天复杂精密零件。SLM工艺的成形过程易出现缺陷，且表面质量较差，优化SLM工艺参数可有效提高成形件的加工质量，获得良好力学性能的部件。探究工艺参数与加工质量的联系受到国内外学者的关注，通过机器学习对影响加工质量的工艺参数进行分析，准确预测扫描件表面的粗糙度变化趋势，剖析不同工艺参数之间的影响机制。在保证成形件质量的前提下，及时调整工艺参数配置，可以有效降低成本、提高效率。SLM成形样件表面粗糙度的研究面临以下2个问题：缺乏不同工艺参数间的耦合关系和形貌分析方面的研究；在机器学习方面，未系统对比多个模型，并利用算法进一步优化网络模型，对工艺参数进行全局寻优。长安大学惠记庄教授团队针对以上问题，首先设计三因素四水平的全因素实验，并进行相应的样件打印与粗糙度测试；其次，基于麻雀优化算法（Sparrow search algorithm, SSA）优化双向长短期记忆网络（Bidirectional
long short-term memory, BiLSTM）预测表面粗糙度，并借助GA优化SSA-BiLSTM模型，对工艺参数进行寻优并验证；最后，分析不同参数及其耦合关系对表面粗糙度和表面形貌的影响。LM加工原理如图1所示。由计算机控制系统调配光纤激光器发射激光到扫描振镜，经过聚焦后，激光束透过保护镜。当激光束的能量密度超过材料表面的熔点时，材料表面开始熔化，并形成一定深度的熔池。激光沿设定的路径扫描，在扫描1层后，升降台下降，铺粉辊均匀铺设一层粉末，逐层扫描，使试件成形。同时，在成形过程中需要向成形舱中充入保护气，待粉尘净化后均由出气口排出。![]()
WOA-BiLSTM模型与SSA-BiLSTM模型的核心仍是BiLSTM，在此基础上，通过WOA和SSA对其正则化系数、初始学习率及隐藏层节点数进行优化，在寻优时通过经验法将正则化系数的取值范围设置为[10–10，20]，初始学习率的取值范围设为[0.0001，0.002]，隐藏层节点的数量设为[1,100]。随着WOA和SSA的迭代更新，获得最优的超参数组合，从而提高模型的泛化性能和准确度。WOA-BiLSTM预测模型流程如图2a所示，将WOA-BiLSTM中的每个权重矩阵视为一个个体，每个个体的适应度被视为模型的损失函数，权重矩阵也通过WOA进行优化，从而得到最优权重，来提高BiLSTM模型的训练效率和泛化能力，可用于序列数据建模的深度学习模型。将SSA算法应用于BiLSTM的优化中，将BiLSTM网络中的输出与期望输出之间的误差作为适应度，然后使用SSA算法对参数进行搜索，以找到能够最小化误差的参数组合。相较于其他算法，SSA具有较强的搜索能力和较快的运行速度，能有效避免迭代陷入局部最优解，SSA-BiLSTM表面粗糙度预测模型流程如图2b所示。![]()
从图3中可以看出，3组模型的预测值与真实值的变化趋势基本一致，SSA-BiLSTM模型预测效果优于其他2个模型，以相同的数据集训练模型后，其验证集的表现优于BiLSTM模型。通过评价回归指标计算出3个模型验证集的拟合度分别为0.5426、0.8000、0.9203，均方根误差分别为1.3746、0.9090、0.8723，说明预测模型的拟合度较高，预测值与真实值的误差波动较小。通过WOA算法和SSA算法对BiLSTM的权重和偏重进行优化，改良后模型的训练效率和泛化能力得到有效提升。![]()
SLM制件的表面粗糙度会严重影响零件的使用寿命，成形过程伴随着复杂多物理交叉现象，采用耦合元模型进行协同预测并优化表面粗糙度是一种可行的方案。本文应用不同的优化算法建立了3种表面粗糙度预测模型，实现了对SLM样件表面粗糙度变化的预测，利用GA优化了SSA-BiLSTM模型，寻优获取了最优的工艺参数配置，采用调整后的工艺参数组进行了实验验证，分析了表面形貌，主要结论如下。
1）耦合SSA和BiLSTM的方式构建SLM样件表面粗糙度的协同预测模型具有较高的预测精度。该模型减少了大量模型参数的训练时间，增强了模型的全局搜索能力，有效提升了训练效率和泛化能力。
2）将SSA-BiLSTM模型与BiLSTM模型、WOA-BiLSTM模型的预测效果进行了对比，验证了SSA-BiLSTM预测表面粗糙度模型具有更高的拟合度（R2为0.9203）、更高的适用性（RMSE值为0.8723，MAE值为0.7857）、更高的可靠性与稳定性（RPD值为2.4296）。
3）寻优获取了SLM工艺的最佳工艺参数组合：扫描间距为0.12 mm，扫描速度为1800 mm/s，激光功率为280 W。试验验证结果表明，寻优表面粗糙度与实际验证测量值的误差仅为4.5%，可以有效提升打印样件的表面质量，为实际打印提供了理论指导。
4）分析三因素四水平下不同成形零件的表面形貌，探究了扫描速度、扫描间距、激光功率对表面质量的影响。工艺参数对表面形貌的影响程度由大到小的顺序为扫描速度、激光功率、扫描间距，各因素间存在耦合作用，且共同影响着激光能量密度，能量密度过高或过低均会使表面形貌恶化。
该文章发表在《表面技术》第53卷第15期。
引文格式：惠记庄, 骆伟, 阎志强, 等. AlSi10Mg 选区激光熔化表面粗糙度预测、优化及表面形貌分析[J]. 表面技术, 2024, 53(15): 129-140.
HUI
Jizhuang, LUO Wei, YAN Zhiqiang, et al. Surface Roughness Prediction, Optimization and Surface
Morphology Analysis of AlSi10Mg by Selective Laser Melting[J]. Surface
Technology, 2024, 53(15): 129-140.
DOI：10.16490/j.cnki.issn.1001-3660.2024.15.012
