基于数据驱动的DLMS参数优化实现AlSi10Mg粉末可持续再利用与零件性能提升研究

这篇综述探讨了直接金属激光烧结（DMLS）中AlSi10Mg粉末的重复利用对零件性能的影响，通过机器学习（ML）优化工艺参数（如堆积厚度、曝光时间），发现5次再利用可使拉伸强度提升55.4%，弹性模量降低68.26%，为增材制造（AM）的可持续性和经济性提供了数据支持。

　　

Highlight

再利用的AlSi10Mg合金

本研究采用3次、5次和7次重复使用的AlSi10Mg粉末，通过EDX分析确认其成分（Al、Mg、Si）纯度。图3(a-c)展示了不同再利用次数下粉末的粒径分布、场发射扫描电镜（FESEM）形貌及EDX结果。

箱线图分析工艺变量的相互依赖性

图7通过箱线图揭示了堆积厚度、曝光时间和粉末再利用次数对输出参数（如微孔含量、拉伸强度、弹性模量）的影响规律：较长曝光时间与适度再利用（5次）可降低孔隙率，而过度再利用（7次）会导致性能下降。

结论

通过DMLS制备AlSi10Mg试样，结合机器学习（随机森林、装袋法）验证了最佳参数组合。5次再利用显著提升力学性能，断裂分析与弹性模量映射揭示了颗粒团聚对裂纹萌生的影响，为工业应用提供了优化方向。