arrow
返回

Multi-Objective Bayesian Optimization Explores LPBF Processing Domain Under Optimal VED for Ti6Al4V

delete2025-11-08
delete0
PRE
AI
M
Miao Liu
Y
Yu, Hongyu
刘中秋 封面图
刘中秋 (Zhongqiu Liu) *
B
Baokuan Li
DOI:10.1007/s12540-025-02067-7delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
激光粉末床熔融(LPBF)制备的Ti6Al4V合金件对工艺变量极为敏感。为了维持适宜的熔池尺寸并形成致密的微观结构,经过大量工艺区域的探究后,发现需要足够高的体积能量密度。由于操作空间的高维特性,即使能量输入密度受限,也对应着大量的工艺参数组合。为在适宜的体积能量密度下探索合适的参数组合,我们采用验证过的高保真数值模型计算了钛合金LPBF过程的熔池形貌和飞溅概率,并统计了孔隙率和粗糙度。模拟结果构成了基础数据集。采用多目标贝叶斯优化探索工艺参数空间,并通过实验验证预测的准确性。本研究发现,在恒定体积能量密度(50 J/mm³)下,不同参数组合导致表面粗糙度、孔隙率生成和飞溅行为出现显著差异。除了有效识别理想操作参数外,贝叶斯优化还揭示了激光功率、扫描速度和重叠率之间的非线性相关性。与经验设置相比,优化后的参数组合(195 W、1.0 m/s、0.45)不仅提高了约6%的拉伸强度和延伸率,还使表面粗糙度降低了43.55%。贝叶斯优化预测窗口中观察到的趋势表明,飞溅和孔隙率对参数变化表现出相反响应,突显了LPBF参数设计中需要平衡的权衡。
Keyword:
Laser powder bed fusion
Ti6Al4V
Bayesian optimization
Spatter index
Pore ratio
Surface roughness

期刊

Metals and Materials International 封面图
Metals and Materials International
IF:
4
论文数:
4.3K
被引数:
7.3K

机构

S
School of Metallurgy
学者数:
109
论文数: 43
被引数: 0
引用论文

引用论文

err分享
err收藏
err
IF0
err
err0
PREAI
err
err分享
err收藏
Development of a universal multimodal prediction method to optimise process parameters for improving densification during laser powder bed fusion
err2024-11-14
err0
errOAAI
errTrofimov, Vyacheslav; Xu, Shentao; Dong, Zhi; Hu, Gaoling; Zou, Yujin; Yang, Yongqiang; Han, Changjun
err分享
err收藏
学者 查看更多内容