基于Transformer的激光粉末床熔融层内熔池热特征预测
《Journal of Manufacturing Processes》:Transformer-based within-layer melt pool thermal signatures forecasting in laser powder bed fusion
【字体:
大
中
小
】
时间:2026年09月29日
来源:Journal of Manufacturing Processes 7.8
编辑推荐:
# 摘要
激光粉末床熔融(LPBF)是一种广泛采用的金属增材制造工艺,能够通过高温激光熔化成形制造复杂结构。然而,由于该过程具有高度瞬态动态特性,容易形成未熔合(LoF)和匙孔等缺陷。现有的原位监测方法主要在获取热信息后才对其进行分析,因此不能显式预测打印层内沿扫描路径的热
# 摘要
激光粉末床熔融(LPBF)是一种广泛采用的金属增材制造工艺,能够通过高温激光熔化成形制造复杂结构。然而,由于该过程具有高度瞬态动态特性,容易形成未熔合(LoF)和匙孔等缺陷。现有的原位监测方法主要在获取热信息后才对其进行分析,因此不能显式预测打印层内沿扫描路径的热特征未来演变。为弥补这一不足,本研究探讨了一种基于Transformer的预测模型——PatchTST,用于在受控缺陷条件下从先前的热历史中预测未来熔池热特征。在制造过程中,利用同轴高速红外(IR)相机采集熔池热数据,并从中提取具有物理意义的热特征用于模型开发和评估。实验结果表明,归一化均方根误差(RMSE)整体为6.8%,其中缺陷关联区域内的RMSE为8.8%,区域外为6.2%。预测结果捕捉到了随着预测时域进入缺陷关联区域时热响应特征性的减弱,证明了在固定工艺条件下进行层内沿扫描路径热特征预测的可行性,以及其支持未来预测性监测和闭环控制的潜力。
# 引言
激光粉末床熔融(LPBF)是金属增材制造技术之一,凭借其聚焦的激光能量源和精细多样的粉末选择,能够高精度、高效地生产复杂几何形状。尽管具有这些优势,LPBF仍面临重大挑战,这主要是由于复杂的激光-材料相互作用、动态制造环境和极端热循环所导致的缺陷形成[1]。
LPBF中常见的缺陷包括气孔(未熔合、匙孔和气孔)和裂纹,这些缺陷会降低力学性能、减少疲劳寿命并损害零件性能[2]。有效的缺陷缓解需要准确识别缺陷并深入理解其形成机理,从而实现知情的、预测性的工艺控制策略。由于LPBF中缺陷的形成从根本上受熔池热行为支配,因此已开发出基于物理的模型来理解缺陷形成的基础物理机制[3][4]。这些研究关注关键热现象,如传热、凝固速率和热梯度,它们对材料性能、缺陷形成和整体零件质量至关重要。例如,Wei等人[5]开发了一个数值建模框架,研究不同激光扫描图案对晶粒生长方向的影响。结果表明,相邻路径和层之间的热相互作用决定了热流路径,从而影响晶粒生长行为。Yang等人[6]提出了一种缺陷检测模型,将熔池计算流体力学(CFD)模拟与原位热成像数据相结合。他们的研究发现熔池热特征与最终零件质量之间存在强相关性。
尽管这些理论框架确立了零件质量的热力学原理,但捕捉熔池动态的瞬态和复杂特性需要直接观测。监测在补充物理建模方面发挥着重要作用,尤其是在采用热传感和原位X射线成像的研究中[7][8]。这些研究不仅能够直接观测熔池热行为,还能表征熔池形态及其时间演化。通过将热特征与通过原位X射线成像获取的熔池几何形状进行关联,先前的研究为理解匙孔缺陷形成的机制提供了重要见解[7]。Zou等人[9]使用三个光电二极管监测熔池辐射,并将多层热特征与通过X射线计算机断层扫描(CT)识别的缺陷进行关联。在热信号上训练的ResNet-34模型实现了强大的缺陷预测性能,证明了原位光电二极管监测在质量评估中的有效性。类似地,Mitchell等人[10]采用基于测温仪的传感来捕捉原位熔池特征,包括瞬时温度、方向和纵横比,进一步突出了热特征在监测工艺行为和检测缺陷相关异常方面的价值。使用了基于邻域搜索的算法来区分标称特征与离群值,检测到的离群值与打印零件中的缺陷形成相关联。与缺陷相关联的其他热特征包括高于表观熔化阈值的时间、最大辐射度[11]、热能量普朗克函数(TEP)以及其他相关热统计量[12]。这些热特征共同反映了材料在制造过程中吸收的能量。吸收能量受多种因素影响,包括材料热导率和冷却动态,它们共同支配工艺稳定性。当能量输入充足且稳定时,熔池热特征保持一致。然而,保护气体波动或材料异质性等扰动会破坏工艺条件,改变熔池热响应,最终导致缺陷形成。因此,理解熔池热行为对于可靠的LPBF加工至关重要。
尽管在表征熔池动态和缺陷机制方面已取得重大进展,但大多数现有技术仍然是被动的,侧重于在失稳已经发生后才进行检测。由于LPBF是一个高度瞬态的过程,激光扫描速度为100–1000 mm/s,纠正措施必须在极短的时间窗口内执行。这意味着仅依靠被动监测是不够的[13]。
Kozjek等人[14]探索了利用工艺参数、激光轨迹信息、熔池边缘特征和工具路径方向对未来熔池行为进行数据驱动预测。该研究预测的是后续层的热特征,而不是显式捕捉当前层内的局部热变化或异常特征偏移。Xiao等人[15]开发了一种实验数据驱动模型,结合扫描历史和去噪熔池信息来预测后续熔池行为。尽管其模型展示了熔池面积的准确预测,但预测目标仅限于熔池尺寸,而非缺陷存在层内多个热特征沿路径的时间演化。类似地,Kim等人[16]提出了一种基于CNN-Transformer GAN架构的物理引导深度生成模型,用于预测LPBF中未来熔池监测图像。尽管该方法成功预测了未来熔池图像的演变,但它关注的是图像级熔池表示和几何特征,而非多个沿路径热特征的定量演化。
在适当层内尺度进行预测的重要性在最近LPBF控制研究中也得到了体现。Hong等人[17]提出了一种多尺度模型预测控制框架,并通过模拟案例研究展示了层内沿路径的控制,突出了点控制高时间需求与层控制有限空间分辨率之间的权衡。最近,Yeung[18]通过基于原位熔池热测量动态调整激光功率,实验展示了单个扫描路径的实时反馈控制。然而,该控制器是对当前测量的熔池状态被动响应,而非预测其未来热演化,并且实验并未专门评估缺陷存在条件下的热行为。类似地,Hong等人[19]开发了一种层内沿路径模型预测控制框架,通过调整功率来控制相邻路径的重叠。然而,这项工作主要关注简化热条件下路径间熔合几何的调节,假设累积温度达到稳态,而非预测瞬态熔池热动力学。因此,路径间热演化和与缺陷形成相关的热扰动未被显式考虑。
尽管取得了这些进展,但在缺陷存在条件下,对多个沿路径热特征进行细粒度层内预测的需求仍然存在,尤其是在局部异常热变化可能发生的区域。此类预测可提供熔池热状态演变的提前信息,并最终支持预测性监测和主动控制策略的开发。
为克服现有预测方法的局限性,本工作在热特征与缺陷形成之间已确立的关系基础上,引入了一种基于Transformer时间序列模型的沿路径预测策略。所提出的方法能够对单个扫描路径上熔池热特征进行高时间分辨率预测。更细粒度的预测提高了对局部不稳定的敏感性,并为LPBF中的主动工艺监测和稳定提供了可操作的提前时间。
本工作的主要贡献总结如下:
- **层内热特征预测**:制定了一个预测框架,用于预测未来熔池热特征,包括熔池辐射强度的最大值、总和、平均值和方差。该框架既能捕捉标称热演化,也能捕捉与缺陷存在区域相关的异常特征变化,如未熔合缺陷。
- **基于Transformer的LPBF监测预测**:将PatchTST Transformer架构适配用于LPBF热特征的扫描路径尺度预测。系统地评估了不同回看窗口和预测时域下的性能,以评估在不同时间背景下的预测能力。
- **工艺感知的采样需求评估**:基于激光扫描速度和激光光斑尺寸开发了工艺感知的降采样策略。结果表明,监测帧率可根据工艺需求和预测目标来选择,而非任意最大化。
- **预测提前时间的物理解释**:预测时域从扫描路径进展和物理响应时间两方面进行解释,建立了预测性能与主动LPBF工艺控制提前时间要求之间的直接联系。
本文余下部分组织如下。第2节介绍所提出的方法论,包括整体流程、热特征提取与选择,以及基于PatchTST的预测模型。第3节描述实验设置、数据采集程序和数据工作流程。第4节呈现预测结果并讨论其对热特征预测和主动工艺控制的影响。最后,第5节总结主要发现并概述未来研究方向。
# 章节片段
## 沿路径热特征预测的总体工作流程
图1展示了所提出的沿路径热特征预测框架的总体工作流程。LPBF过程在受控缺陷条件下进行监测,其中不均匀的粉末铺设可导致新沉积层中出现未熔合(LoF)缺陷。在整个研究中,材料、层几何形状、扫描策略、路径长度、激光功率、扫描速度、层间距和层厚度均保持恒定。
## 在这些条件下,LPBF系统、材料和监测的热响应
本研究所使用的粉末原料是Carpenter Additive气雾化316 L不锈钢。粒径分布特征为D10、D50和D90分别为19.8 μm、32.7 μm和52.4 μm。实验在一台商用双激光LPBF系统(FF-M180D,FastForm Technology Co., Ltd)上进行,配备两台独立控制的500 W光纤激光器(波长1080 nm)。激光光斑直径为100 μm,成型体积直径为180 mm,
## 序列长度比较
本分析的目标是确定准确预测后续热特征所需的历史热上下文。使用原始10.577 kHz采样率建立全分辨率基线,对单条路径的预测时域(T = 600)在不同序列长度L下进行了评估。如图8所示,最优结果达到均方误差(MSE)为0.0061,对应均方根误差(RMSE)为0.078,即7.8%的
## 结论
LPBF的有效实时控制需要在制造过程中提供具有足够提前时间的预测热信息。本研究在缺陷存在条件下开发和评估了一个沿路径热特征预测框架。通过预测标称条件和未熔合相关条件下的热特征演化,所提出的框架为未来LPBF中的预测性工艺监测和闭环控制奠定了基础。
## ACRediT作者贡献声明
Dongqing Yan:概念化、数据管理、形式化分析、调查、方法论、可视化、写作——初稿、写作——审阅与编辑。Yisong Zhang:数据管理、调查、方法论。Andre Ponsot:数据管理、调查、方法论。Dong Lin:概念化、数据管理、资金获取、调查、方法论。Wenjia Wang:数据管理、调查、方法论。Sina Malakpour Estalaki:调查。Zhaoyan Fan:概念化,
## 生成式AI和AI辅助技术在写作过程中的声明
在准备本手稿期间,作者使用了生成式AI工具(ChatGPT)进行语法检查和语言润色。作者随后审阅并编辑了建议的输出以确保准确性和严谨性,并对已发表文章的内容承担全部责任。
## 利益冲突声明
作者声明,他们没有已知的可能影响本文工作的竞争性经济利益或个人关系。
## 致谢
本工作得到了俄勒冈制造创新中心(OMIC)在AM40项目下的支持。R. Gao和D. Yan还感谢美国国家科学基金会(编号EEC-2133630)对混合与自主制造工程研究中心(从进化到革命)的支持。
Dongqing Yan | Yisong Zhang | Andre Ponsot | Dong Lin | Wenjia Wang | Sina Malakpour Estalaki | Zhaoyan Fan | Robert X. Gao
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号