激光粉末床熔融中预测拉伸性能的灰箱建模

《JOURNAL OF INTELLIGENT MANUFACTURING》：Grey box modeling to predict tensile properties in laser powder bed fusion

　　

增材制造（Additive Manufacturing）作为一种新兴技术，可用于工业生产复杂近净形金属结构。激光粉末床熔融（PBF-LB）是其中一种常用方法，利用激光逐层熔化金属粉末。尽管该技术具备优势，但可调工艺参数众多，且参数间存在复杂关联，使得基于庞大多维参数空间的力学性能经验优化十分困难。为解决此问题，不同应用中已采用多种机器学习（ML）方法。为预测以AlSi10Mg0.5打印的PBF-LB零件拉伸性能，研究人员在新建立的数据集上训练了三种ML黑箱模型（线性回归、XGBoost和多层感知机（MLP））。为在训练数据中尽可能纳入工艺信息，研究人员额外采用基于数学的无量纲指标模型，该白箱模型揭示了特定参数集的热力学条件，使数据集中不同加工条件分布更均匀。这种基于方程式的白箱模型与后续ML黑箱模型结合，构成灰箱建模方法。由于数据集仅含50个数据矢量，观察到严重过拟合；通过定制架构与强正则化，MLP的过拟合得以缓解。研究表明，该数据集使MLP对屈服强度和抗拉强度取得充分预测，测试集R2test分别达88.3%和86.2%；断裂延伸率预测更具挑战性，R2test最高为75.6%。这凸显了将现象学熔模模型用于数据生成、结合ML模型以资源高效方式充分预测力学性能的益处。

研究背景与动机

激光粉末床熔融（PBF-LB）作为高自由度增材制造（Additive Manufacturing）技术，可成型复杂近净形构件并调控显微组织，但工艺参数维度高、参数间非线性耦合强烈，仅凭经验在庞大参数空间中优化密度与力学性能代价高昂。已有研究多依赖设计实验（DoE）获取小规模数据，或跨文献汇集大数据，前者受限于机时与试样测试成本，后者面临材料体系混杂问题。针对AlSi10Mg0.5这一典型铝合金，如何在物理试样数量极少的前提下，仍获得覆盖传导、过渡熔池模式且具代表性的训练集，是直接驱动机器学习（ML）预测屈服强度（R_p0.2）、极限抗拉强度（R_m）与断裂延伸率（A）的关键瓶颈。研究人员因此提出一种灰箱（grey-box）路线：以现象学熔池模式白箱模型指导半随机参数布点，再以黑箱ML映射参数至性能。

主要技术方法概述

研究人员基于Patel与Vlasea熔池模式框架，计算无量纲激光功率q、无量纲层厚l、无量纲热输入Q、无量纲扫描速度v及无量纲能量E*，在熔池模式图（conduction/transition/keyhole）内对50 μm与100 μm层厚分别半随机生成共50组参数组合，规避传统DoE固定步长结构；在Nikon SLM Solutions AG双激光SLM 500设备上以平台温度200°C、氮气氛、条纹扫描、层间67°旋转打印DIN 50125 A4×20拉伸样，每参数组合制3–5件，经ZwickRoell AllroundLine Z100获148个有效试样均值作为目标。输入特征含7个原始工艺参数与5个无量纲指标（共12维），分别训练线性回归、XGBoost与定制多层感知机（MLP，12-16-8-1结构、批归一化、强正则化），采用4折交叉验证与R²/MAE评估。

研究结果

屈服强度

线性回归测试平均R²仅64.1%，XGBoost为69.7%，MLP达88.3%；XGBoost训练集R²=100%显示强过拟合，MLP训练85.4%与测试差距最小。折叠间稳定性以MLP最优（ΔR²_max=12.4%）。响应面显示50 μm层厚下高屈服强度（可达244 MPa）位于高无量纲速度与上中等Q走廊，过低v高Q倾向过热匙孔，过高v低Q*趋近未熔合。

极限抗拉强度

MLP测试R²=86.2%，优于XGBoost 75.2%与线性回归62.7%；XGBoost依旧训练满拟合。响应面高值区较屈服强度更偏过渡模式且沿Q–v走廊拉长，高v低Q或低v高Q均致性能衰减。

断裂延伸率

三者测试R²为线性回归49.2%、XGBoost 63.1%、MLP 75.6%，为三目标中最难预测项；MLP折叠波动ΔR²_max=10.3%仍最低。响应面高值集中于中无量纲速度/中Q过渡区，高v端陡降，低v高Q因温度梯度小、残余应力低而维持较好塑性。

讨论与结论翻译

研究人员得出结论：所提方法以确定性白箱将多维参数压缩为无量纲热输入与无量纲速度，并据此生成随机分布参数组合，使后续数据高效黑箱ML仅需50组参数、148个有效拉伸样即达可用精度——MLP对屈服与抗拉强度测试R²>85%，断裂延伸率R²>75%，优于同数据规模下线性回归与XGBoost，且过拟合受控。熔池模式图投影的响应面表明，传导–过渡模式内存在从低Q低v至高Q高v的可用性能走廊；高Q须配高v、低Q须配低v方可获优力学性能；断裂延伸率在高v下陡降疑似源于孔隙与残余应力上升，低v高Q*过热反而因温度梯度缓和利于塑性。该灰箱范式证明现象学熔模模型可辅助生成无伪影训练数据，使AlSi10Mg0.5工艺资格认证所需物理试样量大幅降低，并可直接反查兼顾生产率与性能的优化参数。研究人员亦指出局限：小样本下折叠间敏感性高，未来需考察不同k值交叉验证与留一法，以及加工窗口角点热力学行为。论文发表于《Journal of Intelligent Manufacturing》。