AI驱动的LPBF过程超强钢熔池动力学与残余热应力有限元分析及工艺参数优化
激光粉末床熔融(LPBF)是金属增材制造的核心技术,但极端的温度梯度与冷却速率易导致熔池失稳和残余应力过大,引发翘曲、开裂等缺陷。传统“试错”实验成本高、周期长,而纯数值仿真计算耗时严重,难以支撑快速工艺优化。
本课题以超强钢为研究对象,提出“高保真仿真+调用已有AI代理模型”的轻量化技术路线。首先,采用专业CFD软件FLOW‑3D AM建立LPBF热‑流‑力多物理场耦合模型,获取不同激光功率、扫描速度下的熔池温度与残余应力基准数据集。其次,从公开平台调用预训练的AI代理模型,用仿真数据验证其对超强钢的预测精度,无需自行训练。最后,基于验证后的AI模型,以最小化残余应力为目标,通过贝叶斯优化快速逆向推荐最优工艺参数,并用FLOW‑3D AM仿真验证。
项目创新在于:①不从头训练模型,直接利用现有AI,大幅降低技术门槛与计算成本;②首次将FLOW‑3D AM与预训练AI结合用于超强钢LPBF工艺优化;③实现从工艺参数到残余应力的秒级预测与逆向推荐。研究成果可为超强钢LPBF提供高效、低成本的工艺优化方案,缩短研发周期,具有重要的工程应用价值。