Real-time track-wise model predictive control for LPBF using imitation learning

doi:10.1016/j.jmapro.2026.08.048

Real-time track-wise model predictive control for LPBF using imitation learning

2026-08-25

0

PRE

AI

DOI：10.1016/j.jmapro.2026.08.048

原文链接

原文求助

摘要

En 中文

激光粉末床熔融（LPBF）目前依赖开环控制，无法确保热稳定性，使得闭环反馈控制对于实现一致的零件质量至关重要。在各种控制尺度中，逐层控制易于实现，但不能立即响应层内过程偏差；逐点控制响应性高但计算需求大，而逐道控制则在响应性和可实现性之间提供了实用的平衡。控制道间现象对于防止熔合不足和匙孔等缺陷至关重要。两相邻道之间的“空写”移动提供了一个短暂间隔，可用于分析过程稳定性并调整下一道。本研究构建了一个基于特征状态表示和基于模仿学习优化的逐道模型预测控制（MPC）框架，以实现可实时实现的闭环控制。控制目标是调节相邻道之间的熔化重叠，以确保均匀的道间熔合。基于特征的状态表示将注册的熔池图像压缩为紧凑的重叠比向量，在显著降低计算需求的同时保留了关键控制信息。为进一步减少迭代贝叶斯优化（BO）过程的计算需求，我们采用了一种基于模仿学习（IL）的优化器，该优化器在由BO生成的专家轨迹上进行训练。学习策略可直接从当前状态生成激光功率指令，无需在线迭代。我们的实验通过比较不同预测和优化配置下的预测精度和控制性能，评估了多种MPC策略。模拟研究显示，基于特征的IL-MPC实现了与基于特征的BO-MPC相当的控制精度，同时相对于基于图像的MPC将控制决策时间减少了三个数量级以上。

Keyword:

Additive manufacturing

Process control

Track-wise control

Laser powder bed fusion

Imitation learning

Model predictive control

Real-time track-wise model predictive control for LPBF using imitation learning

摘要

期刊

机构

引用论文