关键词:
电弧增材制造
温度场历史预测
残余热应力场预测
机器学习
摘要:
电弧增材制造是一种以电弧为热源、以焊丝为原料的金属增材制造技术,其具有高成形效率、高制件致密度、低制造成本等优势。然而,电弧增材过程的高热输入特性使得制件在成形过程的瞬时温度分布极不均匀,且在成形后存在较大的残余热应力,容易导致微观裂纹、晶粒粗大、基板变形等缺陷的出现。因此,有必要在实际成形之前对电弧增材制造热力场进行快速预测,以对制件形状、成形路径等参数进行优化,进而实现对制件的控形与控性。现有的相关快速预测方法存在制件形状适应性差、成形路径适应性差等不足,因此,需要对面向任意制件形状、任意成形路径的电弧增材制造热力场快速预测方法进行研究。本文根据上述研究需要,提出了一种数据驱动的电弧增材制造热力场快速预测方法,从热力场仿真数据库建立、沉积过程温度场历史预测、冷却过程温度场历史预测、残余冯-米塞斯应力场预测等方面展开研究。首先,针对现有数值模拟方法存在的制件形状适应性差、成形路径适应性差等问题,提出了一种基于柔性生死单元技术的电弧增材制造热力场数值模拟方法,并通过温度实验和应力实验验证仿真精度。而后,基于该方法对一定数量的电弧增材制造热力场进行仿真计算,实现电弧增材制造热力场仿真数据库的构建。然后,深入分析沉积过程温度场的分布特性,提出了一种基于单级机器学习模型的连续路径电弧增材制造沉积过程温度场历史快速预测方法,通过基于集成学习架构的机器学习模型建立了成形路径信息与沉积过程制件温度分布信息的映射关系。经验证,方法的预测精度达到97.5%,预测耗时在秒级别。接着,深入分析冷却过程温度场的演变特性,提出了一种基于两级机器学习模型的连续路径电弧增材制造冷却过程温度场历史快速预测方法。该方法首先预测每一层沉积过程的末态温度场,而后以上述预测结果为冷却过程的初始温度场,采用迭代模式实现对冷却过程温度场历史的快速预测。经验证,方法的预测精度达到95.9%,预测耗时在秒级别。最后,深入分析残余热应力场的产生机理,提出了一种基于三级机器学习模型的连续路径电弧增材制造残余冯-米塞斯应力场快速预测方法。该方法首先分别预测沉积过程温度场历史和冷却过程温度场历史,而后从全过程温度场历史预测结果中提取描述区域温度差异信息的数据,并基于该数据实现对残余冯-米塞斯应力场的快速预测。经验证,方法的预测精度达到92.3%,预测耗时在秒级别。