【技术实现步骤摘要】
本专利技术属于机器视觉，尤其涉及一种基于机器学习的金属增材制造金相预测方法及系统。
技术介绍
1、增材制造(additive manufacturing，am)俗称3d打印，融合了计算机辅助设计、材料加工与成型技术、以数字模型文件为基础，通过软件与数控系统将专用的金属材料、非金属材料以及医用生物材料，按照挤压、烧结、熔融、光固化、喷射等方式逐层堆积，制造出实体物品的制造技术；在对增材制造的金属材料进行金相计算时，需要先求得金属材料的热场信息，再对不同热场信息下的金属材料进行金相计算；并且，金属在被打印之前或打印过程中，很难计算和预测其金相信息。
2、本专利技术专利技术人发现，目前对金属增材制造金相预测技术中，热力学计算不准确，而且需要很多材料的热力学参数；而直接在仿真软件里面算热场时，与实际情况差距较大，数据不可靠；传统的材料金相计算方法如第一性原理，元胞自动机等算法计算慢，耗时；而采用经验公式虽然快，但是不可靠。
3、综上，目前金属增材制造金相预测技术存在需要热力学参数过多与预测精度之间的矛盾问题，以及计算速度
<本文档来自技高网...【技术保护点】
1.基于机器学习的金属增材制造金相预测方法，其特征在于，包括：
2.如权利要求1所述的基于机器学习的金属增材制造金相预测方法，其特征在于，所述金属增材制造金相预测模型的训练包括：
3.如权利要求2所述的基于机器学习的金属增材制造金相预测方法，其特征在于，所述热场重构是把每一层的热场图像处理后，在空间上叠加在一起；所述热场特征包括冷却速度、最高温度、粉床流场流动速度和重构后的粉床金属液体流场深度。
4.如权利要求1所述的基于机器学习的金属增材制造金相预测方法，其特征在于，深度学习时采用BP神经网络，在所述BP神经网络的隐含层中加入误差
<...【技术特征摘要】
1.基于机器学习的金属增材制造金相预测方法，其特征在于，包括：
2.如权利要求1所述的基于机器学习的金属增材制造金相预测方法，其特征在于，所述金属增材制造金相预测模型的训练包括：
3.如权利要求2所述的基于机器学习的金属增材制造金相预测方法，其特征在于，所述热场重构是把每一层的热场图像处理后，在空间上叠加在一起；所述热场特征包括冷却速度、最高温度、粉床流场流动速度和重构后的粉床金属液体流场深度。
4.如权利要求1所述的基于机器学习的金属增材制造金相预测方法，其特征在于，深度学习时采用bp神经网络，在所述bp神经网络的隐含层中加入误差传递函数。
5.如权利要求4所述的基于机器学习的金属增材制造金相预测方法，其特征在于，加入误差传递函数后的计算公式为：
6.如权利要求1所述的基于机器学习的金属增材制造金相预测方法，其...
【专利技术属性】
技术研发人员：王荣，孔令超，井致远，张佩佩，张志彬，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。