面向金属部件制造中刀具路径依赖性残余应力缓解的几何无关强化学习

《Journal of Materials Science & Technology》:Geometry-agnostic reinforcement learning for toolpath-dependent residual stress mitigation in metallic component manufacturing

【字体: 大 中 小 】 时间:2026年09月30日 来源:Journal of Materials Science & Technology 16.8

编辑推荐:

   •基于几何无关的强化学习方法将单个零件的刀具路径优化时间减少了约103倍,相较于所评估的基于搜索的基线方法。•强化学习建议的刀具路径使高应力区域的平均残余应力降低最多达25.5%。•无需重新训练强化学习模型即可加速针对新型3D形状的刀具路径优化。•强化学习建议的刀具路径使翘曲

  
  • •
    基于几何无关的强化学习方法将单个零件的刀具路径优化时间减少了约103倍,相较于所评估的基于搜索的基线方法。
  • •
    强化学习建议的刀具路径使高应力区域的平均残余应力降低最多达25.5%。
  • •
    无需重新训练强化学习模型即可加速针对新型3D形状的刀具路径优化。
  • •
    强化学习建议的刀具路径使翘曲变形减少最多达27.5%。

引言

刀具路径规划是各个领域制造过程中产品质量和工艺稳定性的关键因素。在机械加工等减材制造中,工具的空间轨迹通过调节机械载荷和热量生成来控制表面完整性和尺寸精度[1,2]。同样,在焊接等传统连接工艺中,热源路径的序列决定了热历史和最终的冶金性能[3]。值得注意的是,在金属增材制造(AM)中,该技术可实现复杂金属部件的逐层生产,刀具路径优化尤为重要。这是因为定向能量沉积(DED)等工艺固有的快速重复热循环、局部加热和均匀凝固不一致性会导致残余应力(RS)的积累[4,5]。残余应力的积累仍然是可靠工业应用的障碍,尤其是在航空航天和生物医学工程等对可靠性要求高的行业[[6], [7], [8]]。这些应力会损害结构完整性、尺寸精度和机械性能,并通过变形、翘曲、开裂和过早疲劳导致潜在失效[9,10]。因此,在构建过程中减轻残余应力的实用且可扩展的策略仍然是金属增材制造面临的主要挑战。
增材制造中减轻残余应力的现有策略包括工艺参数优化、热处理等后处理技术以及刀具路径规划[11,12]。在影响残余应力的众多参数中,刀具路径图案直接控制热梯度和后续的应力分布[13,14]。因此,优化的刀具路径减少了局部热量积累,并增强了冷却和凝固速率的均匀性,从而直接减轻残余应力的形成[15]。然而,传统的刀具路径策略通常依赖于预定义的静态图案,缺乏适应复杂几何形状或多层制造过程中波动热条件的灵活性[16,17]。这些局限性往往导致在复杂的3D部件中无法有效控制残余应力。
研究人员已探索了数值和解析方法,通过热-机械有限元模型[10]来预测部件级残余应力和变形,并利用校准的比例关系来快速估计残余应力分布[18]。尽管这些方法提供了有价值的预测见解,但受限于高计算成本、对简化或经验校准假设的依赖,以及缺乏直接的残余应力缓解手段。
为了克服这些局限性,近期的研究已采用人工智能(AI)来预测和控制残余应力[18,19],其中AI模型从大量数据集中提取复杂关系以促进数据分类和预测[[20], [21], [22], [23], [24], [25]]。机器学习代理模型已被开发用于预测残余应力和变形[26,27]、识别关键变量[28]、优化工具路径[29],以及预测与打印质量相关的温度分布[30]。然而,大多数数据驱动方法需要大量标注数据或针对几何形状进行重新训练才能在新的部件上保持准确性,并且主要关注预测而非生成具有几何感知能力的刀具路径规划来缓解残余应力。因此,在快速残余应力预测与面向复杂3D几何形状的实用、计算高效的刀具路径优化之间仍存在差距。
利用遗传算法和强化学习(RL)的优化框架提供了一种有前景的替代方案,通过与物理模拟器交互来优化决策,无需大量标注数据集[16,17, [31], [32], [33], [34]]。这些模型已被应用于为2D截面[31]和薄壁结构[35]生成热感知规划,以减轻变形。然而,此类2D或2.5D表示在表征3D打印固有的复杂层间热动力学方面存在局限性。因此,这些模型缺乏应对具有演变截面的3D几何形状所需的可扩展性,使其在多样化的制造环境中无法实现稳健、快速的刀具路径优化。
本研究提出了一种基于强化学习的复杂3D结构刀具路径优化框架,通过具有几何感知能力的刀具路径规划来减轻残余应力,且针对新的几何形状无需重新训练。每个几何体被体素化并切片为各层,强化智能体根据当前层的几何形状以及源自有限差分法(FDM)模拟的累积3D热历史,为每一层选择一个刀具路径图案,从而在刀具路径选择过程中考虑层间热积累。为确保训练的鲁棒性,我们生成了一组全面的随机化3D形状,使单一策略能够在多种几何形状上泛化。利用优化后的刀具路径制造的试样通过残余应力测量进行了验证,包括无损翘曲变形映射、破坏性轮廓法分析[36,37]以及基于电子背散射衍射(EBSD)的微观组织分析。

各节摘要

材料与方法

3D形状的制造涉及逐层生成刀具路径。残余应力源于增材制造过程中快速热循环下局部热膨胀与随后差异收缩之间的不匹配。由于刀具路径控制着热量的空间和时间传递,次优的扫描策略会加剧局部热量积累和热梯度,从而增加残余应力和翘曲变形(图1(a))。图1(b)展示了传统方法与……之间的对比。

结果与讨论

根据第S6节中讨论的比较分析,层数(对应每轮回合的状态数)被设定为20层。此外,还考虑了驻留时间,因为如第S7节所述,它显著影响热历史。此外,热模拟的详细保真度比较结果在第S8节中展示。为确保热评估的物理准确性,局部分析分辨率严格固定在0.5的体素尺寸。

结论

本研究提出了一种基于强化学习的框架,通过具有几何感知能力的逐层刀具路径规划来减轻定向能量沉积(DED)中的残余应力。通过在多种随机生成的3D形状上训练策略,强化智能体能够泛化到未见过的几何形状而无需针对特定几何形状重新训练,并实现了99.91%的刀具路径优化时间缩减。在SUS 316L金字塔和涡轮叶片试样上的实验验证显示基底翘曲变形和平均残余应力有所降低,轮廓法差异……

CRediT作者贡献声明

金太炅(Taekyeong Kim):写作——审阅与编辑、写作——初稿撰写、可视化、软件、方法论、调查、正式分析、数据管理、概念化。金海烈(Hayeol Kim):写作——审阅与编辑、写作——初稿撰写、可视化、方法论、调查、正式分析、数据管理。金度言(Dohyean Kim):可视化、软件、正式分析、数据管理。辛雨荣(Woo Yeong Shin):调查、正式分析、数据管理。Adrian Matias Chung Baek:调查、正式分析……

利益冲突声明

作者声明他们没有已知的竞争性经济利益或可能影响本论文所报告工作的个人关系。

致谢

本工作由韩国政府(科学技术信息通信部)资助的韩国国家研究基金会(NRF)拨款支持(编号:RS-2025-24535204、RS-2024-00416891、RS-2023-00211636),韩国政府(科学技术信息通信部)资助的信息与通信技术规划与评价院(IITP)拨款(编号:RS-2025-25440533,AI冠军项目协调与实施),以及浦项大学(UNIST)2025年度研究基金(1.250008.01)……
金太炅(Taekyeong Kim)| 金海烈(Hayeol Kim)| 金度言(Dohyean Kim)| 辛雨荣(Woo Yeong Shin)| Adrian Matias Chung Baek | 金南勋(Namhun Kim)| 成浩京(Hyokyung Sung)| 赵俊?(Joon Phil Choi)| 新瑞龙(Swee Leong Sing)| 丁一斗(Im Doo Jung)
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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