【技术实现步骤摘要】
本专利技术涉及一种系统加工参数的优化控制方法，特别是一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法。
技术介绍
1、本部分提供的仅仅是与本公开相关的背景信息，其并不必然是现有技术。
2、近年来，激光增材制造技术获得快速发展，已被证明在为复杂几何形状的轻量化部件提供设计自由度方面具有优势。虽然作为一项颠覆性技术，激光增材制造技术已展现出强大的制造能力，但打印过程的可重复性、耐用性和可靠性仍然面临重大挑战。在金属材料的制备上，激光增材制造技术主要利用激光束产生的热能进行烧结、熔化和凝固添加材料，或者在槽式光聚合中通过发射特定波长的光量子引发化学固化反应。在激光增材制造领域，激光选区熔化成形技术相较于其他激光增材制造技术可以制造出非常复杂和精细的金属零件，适用于精度要求高的工业领域。
3、激光选区熔化成形技术由复杂的物理过程主导，包括激光能量的吸收和传递、材料蒸发、重熔和凝固、熔池流体动力学，以及外延生长和成核的微观结构演变。在打印过程中，经常出现诸如裂纹、孔隙、变形和熔化不足等缺陷，这会影响制造零件的机...
【技术保护点】
1.一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤1中所述的构建数据集，包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤1中所述的缺陷，包括：裂纹、孔隙、变形和熔化不足。
4.根据权利要求3所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤2中所述的深度卷积神经网络模型，具体结构如下：<...
【技术特征摘要】
1.一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤1中所述的构建数据集，包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤1中所述的缺陷，包括：裂纹、孔隙、变形和熔化不足。
4.根据权利要求3所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤2中所述的深度卷积神经网络模型，具体结构如下：
5.根据权利要求4所述的一种基于深度学习的激光选区熔化成形系统加工参数的优化控制方法，其特征在于，步骤2中所述的激活函数swish，具体如下：
6.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员：唐文来，夏俊，陈先科，
申请(专利权)人：江苏宁淮智能高端装备产业研究院有限公司，
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。