基于CAFi-TCN的冷金属过渡丝弧增材制造单道多层壁累积高度多因素预测研究
《Materials》:Multi-Factor Prediction of Cumulative Deposited Height in CMT Wire Arc Additive Manufacturing Using an Improved Temporal Convolutional Network
【字体:
大
中
小
】
时间:2026年09月30日
来源:Materials 3.7
摘要
冷金属过渡丝弧增材制造(CMT-WAAM)可高效制造中大型金属构件,但由于热积累、层间冷却、行进方向及继承层几何形貌的影响,沉积壁的累积高度沿构建方向和沉积路径存在空间差异。本研究建立了单道多层壁的多因素预测框架,并评估了一种经特征线性调制和因果注意力增强的时间卷积网络(CAFi-TCN)。在2至4分钟层间冷却条件下,从配准点云中提取高度轮廓;模型利用沉积位置、层号、冷却时间、行进方向、先前高度增量及累积高度来预测当前层的累积高度。在第十层测试集上,CAFi-TCN在所有评估的直接高度模型中取得了最低的均值绝对误差(MAE = 0.1836 mm),相比标准TCN、多项式岭回归和MLP,MAE分别降低了74.3%、40.4%和53.9%。基于高度增量目标训练的随机森林模型(RF-Δ)产生了略高的MAE,但RMSE和最大绝对误差更低,显示出平均误差控制与极端误差抑制之间的权衡。此外,无预DH分析、简单增量基线、路径块自举及滚动层分析表明,预测性能既取决于工艺状态变量,也取决于继承几何形貌,而非简单地复制前一层。研究结果支持单道WAAM壁的有界逐层高度预测,并为预调误差识别提供了基础。
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