.png){kind=icon}
返回
Reinforcement learning-based toolpath optimisation with 3D U-Net driven rapid thermal prediction
.png){kind=icon}
OA
AI
DOI：10.1080/17452759.2026.2627765.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在增材制造中构建复杂几何形状会引发严重的热梯度，导致底层产生显著翘曲。尽管优化刀具路径策略对于缓解这些问题至关重要，但计算复杂3D几何形状热分布所带来的高昂计算成本限制了当前的方法。为克服这一局限性，我们提出了一种新颖的框架，通过集成3D U-Net作为代理模型来加速基于强化学习（RL）的刀具路径优化。该3D U-Net基于通过有限差分法（FDM）模拟生成的数据进行训练，以实现快速热预测。这种加速使RL代理能够高效推导出最优刀具路径，以最小化热变形并确保热均匀性。实验结果表明，3D U-Net通过将计算时间减少超过99.8%，与FDM模拟相比加速了热场预测。这种快速推理能力将处理时间从小时级压缩至秒级，并支持高效的过程规划。基于这些快速预测，RL优化的刀具路径在金字塔几何形状上相较于传统刀具路径实现了95.99%的翘曲减少。本研究建立了一种可扩展的智能制造范式，并为复杂任意几何形状中的热变形问题提供了稳健的解决方案。
Keyword:
Reinforcement learning
additive manufacturing
thermal distortion
surrogate model
toolpath optimisation
期刊
IF:
8.8
论文数:
1.1K
被引数:
4.9K
机构
引用论文
A spiral laser scanning routine for powder bed fusion inspired by natural predator-prey behaviour受自然捕食者-猎物行为启发的用于粉末床融合的螺旋激光扫描例程OAAI
OAAI分享收藏Selective laser sintering of an amorphous polymer—simulations and experiments.png)
Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture
Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering ManufactureIF0
PREAI
分享收藏分享收藏Adaptive toolpath generation for distortion reduction in laser powder bed fusion process用于减少激光粉末床熔融过程中失真的自适应刀具路径生成ADDITIVE MANUFACTURING
OAAI
ADDITIVE MANUFACTURINGIF11.1
OAAI分享收藏
查看更多内容