定向能量沉积增材制造中仿真耦合的自适应路径规划

《Results in Engineering》：Simulation-Coupled Adaptive Path Planning in Directed Energy Deposition Additive Manufacturing

　　

本研究提出了一种用于定向能量沉积（DED）的仿真耦合计算框架，该框架实现了工艺仿真与沉积规划之间的迭代交互。该框架在基于ANSYS DED工具箱的瞬态热有限元模型与外部MATLAB控制环境之间建立了双向接口，使得研究人员能够在整个仿真工作流程中不断评估演变的温度场并自适应地修改沉积顺序。主要目标是展示一种耦合的MATLAB–ANSYS工作流程，将基于物理的仿真、仿真驱动的自适应决策以及可执行的工艺规划集成在统一的数字环境中。作为一种代表性应用，研究实施了热自适应路径规划（TAPP）策略，其中使用从计算温度场得出的热指标来选择候选焊缝线。仿真反馈被用于调整沉积规划，同时G代码集成使更新的刀具路径能够以面向制造的格式表示，为从虚拟工艺规划到制造执行提供了潜在途径。ANSYS DED工具箱提高了计算效率，能够为优化工作流程进行快速的全构建热仿真。对于所研究的10层构建，完整的热仿真约需16分钟，而完整的TAPP工作流程约需10.6小时。使用316L不锈钢的电弧增材制造（WAAM）进行的实验验证，将预测的温度历史与红外热成像测量结果进行了比较。两者取得了良好的一致性，均方根误差（RMSE）为27.52 K，决定系数（R²）为0.91。所提出的自适应策略通过优化沉积顺序减少了热量积累并改善了热均匀性。

定向能量沉积（DED，一种通过输送金属粉末或丝材在基材上沉积材料的增材制造技术）由于具有高沉积率、可扩展性和材料效率，已成为大型金属结构制造的重要工艺路线。然而，DED过程中相同的热强度虽然提高了生产率，但也引发了强烈的热循环，导致热量积累、熔滴形成不稳定、部件变形、残余应力过大以及微观组织不均匀等问题，这使得该工艺难以满足高价值应用的要求。在DED过程中，温度应被视为核心工艺状态变量，因为它直接影响道间温度、冷却速率、熔池行为、焊道几何形状以及最终的结构完整性。以往的研究多将热预测、控制或路径规划作为独立问题对待，且传统的高保真热力模型计算成本极高，难以用于迭代优化。此外，尽管基于规则的路径识别方法证明了重新排序沉积段可改善热分布，但并未解决机器可执行G代码的生成或三维分段沉积策略的应用问题。目前存在的关键问题是，很少有研究能在统一工作流程中集成瞬态热仿真、自适应决策和可执行制造指令的生成，导致仿真驱动的工艺优化与面向制造的路径表示之间存在鸿沟。为了解决这一问题，研究人员开展了一项新研究，提出了一种耦合的MATLAB-ANSYS计算框架，在ANSYS DED瞬态热有限元模型和外部MATLAB控制环境之间建立双向连接，实现了基于物理的仿真、仿真驱动的自适应决策和可执行工艺规划的统一。研究得出结论，该框架通过热自适应路径规划（TAPP，根据热反馈调整路径的算法）策略，能够利用仿真反馈迭代调整沉积顺序，显著减少热量积累并改善热均匀性。这项研究的重要意义在于，它不仅证明了仿真驱动自适应路径规划的可行性，还提供了一个从虚拟工艺规划到制造执行的潜在途径，为未来开发更高级的自适应仿真驱动制造策略奠定了基础。该论文发表在《Results in Engineering》期刊上。

研究人员为开展此项研究使用了几个关键的技术方法。首先，利用ANSYS Workbench建立了宏观尺度瞬态热有限元模型，采用顺序单元激活技术模拟材料沉积过程，并通过输入文件格式与外部MATLAB环境建立双向数据交换接口。在该框架中，TAPP算法以候选焊缝线的平均温度作为决策变量进行路径自适应排序。实验方面，样本队列来源于316L奥氏体不锈钢丝材在AISI 316L基板上进行制造。研究人员使用了5轴Gefertec arc605电弧增材制造系统进行样本制备，并利用集成了高动态范围功能的InfraTec ImageIR 8800红外热像仪进行温度场测量。此外，还结合了K型热电偶对红外热像仪的发射率进行了校准，以验证模型的准确性。

研究结果部分如下：
5.1. 结果对比
通过对比采用自适应路径的优化案例与采用顺序路径的普通案例的热行为，得出了明确结论。在沉积结构对称线的选定参考点（P₁、P₂、P₃）上，TAPP策略有效降低了所有测量位置的温度。仿真结果显示，温度降幅在6.3%至8.8%之间，其中P₁点降幅最大；实验测量结果表明，P₁、P₂和P₃的温度分别降低了9.9%、6.9%和9.5%。这证实了TAPP策略在减轻层间热量积累方面具有显著效果。
5.2. 结果验证
研究人员使用均方根误差（RMSE，衡量预测值与观测值差异的指标）定量评估了仿真模型预测实验结果的准确性。在普通案例中，P₁、P₂和P₃的RMSE值分别为2.39 K、6.61 K和8.22 K。在TAPP案例中，这三点的RMSE值分别为1.47 K、3.93 K和7.70 K。所有点的RMSE值均保持在10 K的阈值内，且仿真与实验结果的百分比差异始终低于5%。尽管由于上层区域热量积累以及高温下金属发射率变化导致顶层P₃的误差相对最大，但整体上仿真与实验结果保持了高度一致性。这证实了TAPP策略不仅减少了热量积累，而且是一种有效的DED热管理解决方案。

在讨论与结论部分，研究人员总结指出，本研究开发的仿真耦合决策环境能够基于不断演变的热状态自适应修改沉积策略。通过TAPP算法的演示，证明了热反馈可用于迭代修改沉积序列，并且更新后的路径能以G代码形式在仿真工作流程中生成。使用316L不锈钢进行的实验验证取得了良好结果，测量与预测温度之间的均方根误差为27.50 K，决定系数（R²，反映模型拟合优度的统计量）为0.91。与参考序列相比，TAPP策略使选定位置的温度降低了约6-10%，展示了其在改善热均匀性和缓解热量积累方面的能力。讨论部分还指出，虽然当前研究仅应用于相对简单的几何形状，且TAPP算法仅重新排列预定义的焊缝线而不改变其数量，但所建立的MATLAB-ANSYS接口非常适合与优化算法、机器学习及数字孪生框架集成。对于包含数百层的部件，未来可探索替代建模或降阶热模型以加速评估。此外，当前采用平均温度作为决策标准，未来应引入温度梯度、冷却速率和微观组织敏感指标等附加度量，并将应用扩展至高强低合金钢等其他合金体系，以建立自适应路径规划与材料属性之间更强的联系。