基于双峰粒度分布粉末的钛基制件增材制造工艺参数的逆向设计方法技术

本发明专利技术提供了一种基于双峰粒度分布粉末的钛基制件增材制造工艺参数的逆向设计方法，该逆向设计方法针对不同粒度分布特征的双峰粉末基于数据集构建粉末粒度分布特征

【技术实现步骤摘要】
基于双峰粒度分布粉末的钛基制件增材制造工艺参数的逆向设计方法


[0001]本专利技术涉及金属材料制备
，具体涉及一种基于双峰粒度分布粉末的钛基制件增材制造工艺参数的逆向设计方法。

技术介绍

[0002]增材制造技术，又称3D打印技术，是20世纪80年代发展起来的一种新兴数字化成形技术，在航空航天、能源化工以及生物医疗等新兴产业领域展现出广泛应用前景。其基于“离散
‑
堆积”原理，根据工艺要求将预先设定的三维模型进行分层切片，从而将复杂的三维模型离散成一系列二维平面轮廓，随后通过层层制造成形三维实体模型，具有无模加工、个性化复杂结构可定制、构件近终成形等优势，从而有效解决了传统铸造、锻造技术在复杂零件制备方面存在的一系列问题，即工序复杂、材料利用率低、生产周期长及成本高等。然而随着航空航天等高端装备制造领域的快速发展，增材制造钛制件性能已难以满足该领域对关键零件日益严苛的性能要求，成为制约增材制造技术进一步推广应用的一大“瓶颈”。由此可见，如何提高制件性能是增材制造领域亟待解决的关键问题。
[0003]以粉末为原料的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双峰粒度分布粉末的钛基制件增材制造工艺参数的逆向设计方法，其特征在于，包括以下步骤：S1，建立数据集；S2，利用所述数据集建立粉末粒度分布特征
‑
工艺参数
‑
材料性能GBDT最佳模型；S3，利用Q
‑
learning强化学习算法构建智能体模型，向所述智能体模型中输入预设目标性能数据，所述智能体模型与所述GBDT最佳模型进行融合应用，获得最佳工艺参数以及粉末粒度分布特征。2.如权利要求1所述的逆向设计方法，其特征在于，所述预设目标性能数据为致密度、硬度、抗拉强度、延伸率中的一项或多项的组合；所述粉末粒度分布特征包括但不限于平均粒径、粒度分布范围。3.如权利要求1所述的逆向设计方法，其特征在于，步骤S3中，向所述智能体模型中输入预设目标性能数据，所述智能体模型与所述GBDT最佳模型进行融合应用，获得最佳工艺参数以及粉末粒度分布特征具体包括：S3
‑
1，向所述智能体模型中输入预设目标性能数据，智能体通过与环境进行交互获得与输入预设目标性能数据相对应的初始预测工艺参数以及粉末粒度分布特征；S3
‑
2，将所述初始预测工艺参数以及粉末粒度分布特征输入所述GBDT最佳模型，输出与所述初始预测工艺参数以及粉末粒度分布特征相对应的初始材料性能预测数据，计算材料性能预测数据与预设目标性能数据之间的距离；S3
‑
3，智能体根据所述距离，工艺参数、粉末粒度分布特征与目标性能的相关性，进行当前t时刻的初始动作选取；其中，所述动作为对工艺参数和粉末粒度分布特征的调整行为；S3
‑
4，智能体根据所述t时刻的初始动作与环境进行交互，得到新的状态与奖励R；S3
‑
5，智能体通过新的状态和奖励R获得新的当前t时刻动作指导策略，若R>0时表示智能体的当前行为对结果有益处，则将使智能体执行新的动作，若R≤0时表示智能体的当前行为对结果无益处，则将使智能体重新回到原状态，重复S3
‑
4～S3
‑
5；S3
‑
6，智能体不断重复S3
‑
3～S3
‑
5步骤，直至迭代训练次数P达到预设次数阈值，以从当前时刻到最终时刻累积奖励最大时对应的工艺参数和粉末粒度分布特征作为最佳工艺参数和粉末粒度分布特征；其中P＝100～1000，设定每次迭代中共有T个时刻，每一时刻t，智能体更新一次，直至t＝T时，本次迭代结束。4.如权利要求3所述的逆向设计方法，其特征在于，所述材料性能预测数据与预设目标性能数据之间的距离表示为：其中，为性能预测值与性能目标值之间的距离；为目标值；y为T时刻的性能预测值；yt为通过GBDT最佳模型预测的当前时刻t的性能预测值；优选的，所述奖励R为下一时刻(t+1)距离的倒数与当前时刻(t)距离的倒数之差，具体表示为：
式中...

【专利技术属性】
技术研发人员：徐伟，于爱华，路新，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：