機(jī)械數(shù)據(jù)驅(qū)動(dòng)的金屬增材制造成形機(jī)械性能預(yù)測(cè)

來(lái)源：長(zhǎng)三角G60激光聯(lián)盟

導(dǎo)讀：本文為利用領(lǐng)域特定知識(shí)、尖端機(jī)器和深度學(xué)習(xí)技術(shù)預(yù)測(cè)機(jī)械性能時(shí)空演變的革命性方法提供了具體基礎(chǔ)。

金屬增材制造在幾何形狀和部件設(shè)計(jì)方面提供了顯著的靈活性，但局部加熱/冷卻不均勻性導(dǎo)致竣工機(jī)械性能的空間變化，使材料設(shè)計(jì)過(guò)程顯著復(fù)雜化。為此，我們開(kāi)發(fā)了一個(gè)集成小波變換和卷積神經(jīng)網(wǎng)絡(luò)的機(jī)械數(shù)據(jù)驅(qū)動(dòng)框架，以基于工藝誘導(dǎo)溫度序列（即熱歷史）預(yù)測(cè)裝配零件的位置相關(guān)機(jī)械性能。該框架使多分辨率分析和重要性分析能夠揭示增材制造過(guò)程的主要機(jī)械特性，例如臨界溫度范圍和基本熱頻率。將所開(kāi)發(fā)的方法與其他機(jī)器學(xué)習(xí)方法進(jìn)行了比較。結(jié)果表明，所開(kāi)發(fā)的方法在使用少量噪聲實(shí)驗(yàn)數(shù)據(jù)的情況下取得了相當(dāng)好的預(yù)測(cè)能力。它為利用領(lǐng)域特定知識(shí)、尖端機(jī)器和深度學(xué)習(xí)技術(shù)預(yù)測(cè)機(jī)械性能時(shí)空演變的革命性方法提供了具體基礎(chǔ)。

介紹
增材制造（AM），有時(shí)也稱為3D打印，是一種快速發(fā)展的先進(jìn)制造模式，在生產(chǎn)具有復(fù)雜幾何形狀的金屬或非金屬零件方面具有無(wú)與倫比的靈活性。然而，工藝的性質(zhì)會(huì)產(chǎn)生位置相關(guān)的微觀結(jié)構(gòu)、殘余應(yīng)力和機(jī)械性能，從而使打印工藝設(shè)計(jì)、零件鑒定和制造認(rèn)證變得復(fù)雜。金屬增材制造，如激光粉末床熔煉（L-PBF）和定向能量沉積（DED），大多數(shù)相關(guān)物理過(guò)程發(fā)生在熔池附近。該區(qū)域是激光熔化合金粉末原料材料，然后凝固，冷卻速度高達(dá)107 K/s。

激光快速加熱金屬，導(dǎo)致局部熔化和汽化。熔池表面延伸到移動(dòng)激光的后面，產(chǎn)生較大的熱梯度，表面張力也會(huì)發(fā)生相應(yīng)的變化，這可能會(huì)通過(guò)Marangoni效應(yīng)在熔池內(nèi)產(chǎn)生湍流。在快速凝固過(guò)程中，合金成分微偏析的枝晶生長(zhǎng)會(huì)產(chǎn)生非平衡相和各向異性晶粒形態(tài)，嚴(yán)重影響局部成分的性質(zhì)和性能。這些多尺度和多物理現(xiàn)象涉及大量工藝參數(shù)和材料特性的相互作用和依賴關(guān)系，從而導(dǎo)致復(fù)雜的工藝結(jié)構(gòu)特性（PSP）關(guān)系。

顯示表面溫度變化的時(shí)間快照。激光掃描速度為1.5 m/s，以200 W的功率向右移動(dòng)。液體熔池限制在有色區(qū)域內(nèi)（T>1700 K）。表面熔體在229μs左右達(dá)到穩(wěn)定狀態(tài)。激光產(chǎn)生拓?fù)浒枷荩�這是向前和側(cè)向飛濺的位置，也有助于剝蝕過(guò)程。激光器在585μs時(shí)關(guān)閉。后來(lái)，凹陷塌陷在地表下形成了一個(gè)圈閉的孔隙。

近年來(lái)，許多研究人員探索了AM和其他制造過(guò)程的數(shù)據(jù)驅(qū)動(dòng)方法和機(jī)器學(xué)習(xí)。Popova等人開(kāi)發(fā)了一種數(shù)據(jù)驅(qū)動(dòng)替代模型，將過(guò)程參數(shù)與AM過(guò)程固有的復(fù)雜晶粒結(jié)構(gòu)相關(guān)聯(lián)。Du等人開(kāi)發(fā)了一種決策樹(shù)和貝葉斯神經(jīng)網(wǎng)絡(luò)，用于分類攪拌摩擦焊接中孔隙形成的條件。Li等人從有限元模擬和熱成像數(shù)據(jù)中提出了基于函數(shù)高斯過(guò)程的替代模型，用于溫度場(chǎng)預(yù)測(cè)。Zhang等使用神經(jīng)網(wǎng)絡(luò)表示粉末鋪展參數(shù)之間的非線性關(guān)系。Gan等人使用自組織映射（SOM）可視化實(shí)驗(yàn)和模擬生成的高維數(shù)據(jù)集。可以從SOM中獲得確定所需機(jī)械性能的優(yōu)化工藝參數(shù)。Lu等人為AM熱流體分析創(chuàng)建了一個(gè)自適應(yīng)降階模型。最近，Wang等人提出了一個(gè)基于高通量AM模擬和AM基準(zhǔn)實(shí)驗(yàn)的數(shù)據(jù)驅(qū)動(dòng)框架。一些作者專注于AM過(guò)程中缺陷識(shí)別的實(shí)時(shí)模型。Scime和Beuth等人結(jié)合計(jì)算機(jī)視覺(jué)技術(shù)和無(wú)監(jiān)督機(jī)器學(xué)習(xí)，根據(jù)可見(jiàn)光高速相機(jī)拍攝的現(xiàn)場(chǎng)熔池圖像識(shí)別缺陷形成。Zhang等人設(shè)計(jì)了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，用于識(shí)別熔池圖像中的模式，以預(yù)測(cè)孔隙度。

闡明工藝條件（如工藝參數(shù)和溫度歷史）對(duì)最終機(jī)械性能的影響是先進(jìn)制造和材料科學(xué)的中心目標(biāo)。傳統(tǒng)上，在金屬增材制造中，一些與熱相關(guān)的因素，如凝固冷卻速度和固體冷卻速度，是根據(jù)熱歷史的局部導(dǎo)數(shù)計(jì)算的。這些冷卻速率用于關(guān)聯(lián)和預(yù)測(cè)微觀結(jié)構(gòu)和力學(xué)性能。然而，這些任意提取的因子會(huì)丟失復(fù)雜熱歷史中涉及的大部分信息。機(jī)器學(xué)習(xí)算法允許我們使用和操縱整個(gè)熱歷史進(jìn)行回歸，并純粹從數(shù)據(jù)中揭示主要的熱相關(guān)特征。

圓偏振光分子框架中Ne2的光電子動(dòng)量分布。

在本研究中，我們對(duì)基于位置相關(guān)的熱歷史預(yù)測(cè)竣工附加制造零件的機(jī)械性能分布進(jìn)行了系統(tǒng)研究。該研究包括幾個(gè)部分，如圖1所示。紅外（IR）熱像測(cè)量是對(duì)使用DED AM工藝制造的多個(gè)薄壁零件進(jìn)行的。來(lái)自135個(gè)感興趣區(qū)域（ROI）的時(shí)間-溫度熱成像數(shù)據(jù)（即熱歷史）被轉(zhuǎn)換為基于小波的標(biāo)量圖，這些標(biāo)量圖與DED處理動(dòng)力學(xué)有關(guān)。然后，CNN將小波尺度圖映射到力學(xué)性能。我們將這種使用帶有小波變換的CNN的機(jī)械數(shù)據(jù)驅(qū)動(dòng)方法稱為WT_CNN。從微型拉伸試樣獲得的機(jī)械性能，標(biāo)距區(qū)域名義上與135個(gè)ROI對(duì)齊。然后，該訓(xùn)練模型用于預(yù)測(cè)整個(gè)DED預(yù)制薄壁的其他空間位置（每面墻5000個(gè)）的機(jī)械性能，其中未獲得拉伸試樣，但獲得了紅外熱像數(shù)據(jù)。這是本研究的路徑1，即預(yù)測(cè)關(guān)系，如圖1所示。相關(guān)的機(jī)械性能包括極限抗拉強(qiáng)度（UTS）、屈服強(qiáng)度和伸長(zhǎng)率。值得注意的是，由于斷裂和損傷力學(xué)的復(fù)雜性，使用基于物理的模型預(yù)測(cè)UTS仍然具有挑戰(zhàn)性。路徑2，即重要性分析，如圖1所示。然后，將所提出的方法與機(jī)器學(xué)習(xí)方法進(jìn)行比較，以確認(rèn)其有效性，前提是模型訓(xùn)練的實(shí)驗(yàn)數(shù)據(jù)有少量噪聲。

圖1 提議的機(jī)械數(shù)據(jù)驅(qū)動(dòng)框架示意圖。

結(jié)果
熱歷史和機(jī)械性能之間的預(yù)測(cè)關(guān)系
本文提出了一種數(shù)據(jù)驅(qū)動(dòng)的監(jiān)督學(xué)習(xí)方法，用于捕獲局部熱歷史和UTS等竣工機(jī)械性能之間的復(fù)雜非線性映射。通過(guò)紅外原位測(cè)量提取了12組增材制造的薄壁的熱歷史。為了提取熱歷史的機(jī)械意義，并在給定少量噪聲數(shù)據(jù)的情況下提高模型的預(yù)測(cè)能力，我們使用小波變換將高維熱歷史轉(zhuǎn)換為時(shí)頻標(biāo)度圖。CNN用于捕獲過(guò)程誘導(dǎo)的小波標(biāo)量圖與最終建成的力學(xué)性能（如UTS）之間的復(fù)雜關(guān)系�！熬矸e神經(jīng)網(wǎng)絡(luò)”一節(jié)提供了CNN的結(jié)構(gòu)和訓(xùn)練細(xì)節(jié)。該映射假定特定空間位置的附加制造材料的竣工機(jī)械性能高度依賴于該位置的工藝誘導(dǎo)熱歷史。這一假設(shè)是合理的，因?yàn)樵S多研究人員報(bào)告稱，與熱相關(guān)的因素，例如凝固或固態(tài)相變期間的冷卻速度，會(huì)顯著影響微觀結(jié)構(gòu)和由此產(chǎn)生的機(jī)械性能。

先進(jìn)光子源32-ID-B束線激光粉末床熔合過(guò)程的高速X射線成像和衍射實(shí)驗(yàn)示意圖。

為了清楚地描述我們的方法和結(jié)果，我們定義/描述了以下重要術(shù)語(yǔ)：

預(yù)制薄壁：通過(guò)單軌和多層工藝制造的DED制造零件。

熱歷史：特定熱測(cè)量位置不同時(shí)間的溫度序列。

熱測(cè)量位置：在薄壁上提取熱歷史的位置。

一組熱歷史：薄壁的熱歷史的集合。

感興趣區(qū)域（ROI）：薄壁的預(yù)定區(qū)域。拉伸試樣的標(biāo)距區(qū)域名義上與ROI對(duì)齊。

拉伸試樣：用于機(jī)械拉伸試驗(yàn)的試樣。

數(shù)據(jù)點(diǎn)：從熱測(cè)量位置提取的熱歷史和相應(yīng)的機(jī)械性能。數(shù)據(jù)點(diǎn)的集合構(gòu)建了用于模型訓(xùn)練的數(shù)據(jù)集。

圖像：一個(gè)小波尺度圖，它是CNN模型的輸入。

訓(xùn)練了五個(gè)用于UTS預(yù)測(cè)的CNN模型，以減少模型預(yù)測(cè)的方差。預(yù)測(cè)的平均值用作最終預(yù)測(cè)，而標(biāo)準(zhǔn)偏差用于分析預(yù)測(cè)的方差。

一旦對(duì)五個(gè)UTS的CNN模型進(jìn)行了訓(xùn)練和測(cè)試，就可以使用不同熱測(cè)量位置的5000個(gè)熱歷史作為訓(xùn)練模型的輸入，以預(yù)測(cè)每個(gè)薄壁的2D UTS圖。提供了提取5000個(gè)熱歷史的詳細(xì)信息。圖2顯示了通過(guò)平均五個(gè)CNN輸出，預(yù)測(cè)的三種工藝條件的UTS圖。左邊的三張UTS圖表示CNN模型的原始平均輸出，右邊的三張圖是相關(guān)的局部平均結(jié)果，用于清楚地顯示UTS分布的空間變化。第一行中的兩張圖與AM過(guò)程相關(guān)，無(wú)需故意停留過(guò)程和熔池控制。第二行的兩個(gè)映射與帶有5s的AM進(jìn)程相關(guān)聯(lián) 層間停留時(shí)間，但無(wú)熔池控制。第三行圖與無(wú)停留時(shí)間但具有熔池控制的AM過(guò)程相關(guān)。CNN預(yù)測(cè)的UTS（黑色）和ROI的實(shí)驗(yàn)值（紅色）也標(biāo)記在圖2中。與實(shí)驗(yàn)測(cè)量值相比，所提出的數(shù)據(jù)驅(qū)動(dòng)方法可以很好地預(yù)測(cè)UTS。更多的定量比較將在“與經(jīng)典機(jī)器學(xué)習(xí)方法的比較”部分進(jìn)行。

圖2 三種工藝條件的預(yù)測(cè)UTS圖。

工藝條件包括120 mm壁無(wú)任何停留時(shí)間和熔池控制、120 mm壁有5 s停留時(shí)間和120 mm壁帶熔池控制。CNN輸出（黑色）和實(shí)驗(yàn)值（紅色）也被標(biāo)記。

模型預(yù)測(cè)的統(tǒng)計(jì)分析有助于分析和說(shuō)明數(shù)據(jù)驅(qū)動(dòng)模型中的不確定性。圖3顯示了三個(gè)竣工薄壁的標(biāo)準(zhǔn)偏差分布。左側(cè)的三個(gè)子圖是三種工藝條件下標(biāo)準(zhǔn)偏差（MPa）的位置相關(guān)圖。右側(cè)的子圖是相應(yīng)的統(tǒng)計(jì)分布。與4號(hào)壁（無(wú)停留時(shí)間和熔池控制）和10號(hào)壁（有熔池控制的）相比，7號(hào)壁（停留時(shí)間為5秒）的標(biāo)準(zhǔn)偏差更高。墻兩側(cè)的標(biāo)準(zhǔn)偏差高于中心的標(biāo)準(zhǔn)偏差，因?yàn)榇蠖鄶?shù)標(biāo)記的熱歷史（即訓(xùn)練數(shù)據(jù)）位于墻的中心。

圖3 三種工藝條件下預(yù)測(cè)UTS的標(biāo)準(zhǔn)偏差。

所提出的數(shù)據(jù)驅(qū)動(dòng)模型是靈活的，可以通過(guò)改變標(biāo)記輸出，輕松擴(kuò)展以預(yù)測(cè)其他機(jī)械性能。圖4顯示了機(jī)械性能的相關(guān)矩陣。UTS與屈服應(yīng)力和破壞應(yīng)力呈正相關(guān)，與伸長(zhǎng)率呈負(fù)相關(guān)。這些結(jié)果與材料科學(xué)中的強(qiáng)度-延性權(quán)衡相一致，即大多數(shù)提高強(qiáng)度的冶金機(jī)制都會(huì)導(dǎo)致延性損失。機(jī)械性能的相關(guān)矩陣有助于量化強(qiáng)度-延性權(quán)衡，這有助于高性能附加材料的設(shè)計(jì)。

圖4 機(jī)械性能的相關(guān)矩陣。

熱歷史小波變換的機(jī)理分析

特征工程是通過(guò)對(duì)實(shí)驗(yàn)溫度時(shí)間歷程（即熱歷史）應(yīng)用小波分析來(lái)實(shí)現(xiàn)的�！靶〔ㄗ儞Q”部分給出了該技術(shù)的詳細(xì)信息。小波變換的時(shí)頻圖（即小波尺度圖）可以揭示潛在的機(jī)械信息。圖5給出了一個(gè)例子，其中我們考慮了沒(méi)有停留時(shí)間的墻，并使用小波變換將不同熱測(cè)量位置的時(shí)間-溫度歷史轉(zhuǎn)換為時(shí)間-頻率圖（小波標(biāo)量圖）。熱歷史隨墻壁上熱測(cè)量位置的不同而變化。

圖5 沒(méi)有停留時(shí)間的薄壁上的熱歷史和相應(yīng)的小波尺度圖。

圖6中也觀察到類似的趨勢(shì)，其中過(guò)程有5 s停留時(shí)間。為了進(jìn)行公平比較，我們考慮了兩個(gè)熱測(cè)量位置，其位置與前面的情況相同。據(jù)觀察，對(duì)于5 s駐留時(shí)間，來(lái)自掃描速度的基頻保持不變。然而，總的來(lái)說(shuō)，高頻信號(hào)的特征已經(jīng)增加�？梢杂^察到更高頻率信號(hào)的一般趨勢(shì)。與兩個(gè)位置的無(wú)停留時(shí)間情況相比，SCT較小。因此，UTS值較高。由于駐留時(shí)間，時(shí)間-溫度歷史中的所有峰谷都非常發(fā)育。這表現(xiàn)在小波圖的高頻特征上。

圖6 5 s停留時(shí)間薄壁上的熱歷史和相應(yīng)的小波尺度圖。

圖7顯示了有熔池控制和無(wú)熔池控制的小波變換的比較。圖7a–c中的結(jié)果用于無(wú)熔池控制，圖7d–f中的結(jié)果則用于熔池控制。從這兩種情況的時(shí)間-溫度歷史可以明顯看出，當(dāng)應(yīng)用熔池控制時(shí)，熱歷史具有波動(dòng)性。這些波動(dòng)來(lái)自激光功率的不斷調(diào)整。這些調(diào)整反映在小波變換中，因?yàn)樵诳刂迫鄢貢r(shí)可以觀察到更多的頻率特征。與其他情況一樣，這里也存在基頻。控制激光功率的結(jié)果轉(zhuǎn)化為機(jī)械性能的局部變化，如UTS。由于需要非常高的數(shù)據(jù)分辨率，因此很難通過(guò)直接使用機(jī)器學(xué)習(xí)模型輸入的時(shí)間-溫度歷史來(lái)捕捉這些細(xì)微差別。小波變換的時(shí)頻圖具有多個(gè)時(shí)間尺度的可用信息。

圖7 小波變換捕捉熱歷史性質(zhì)的能力。

熱特性對(duì)機(jī)械性能的重要性

為了確定溫度范圍對(duì)UTS等特定機(jī)械性能的相對(duì)重要性，我們將每個(gè)高維熱歷史簡(jiǎn)化為一個(gè)低維矢量。矢量的每個(gè)分量表示材料點(diǎn)在大約50.88 °C的特定溫度范圍內(nèi)花費(fèi)的時(shí)間間隔。使用RF方法將低維矢量表示的熱歷史映射到相關(guān)UTS，該方法本質(zhì)上支持重要性分析。

圖8顯示了計(jì)算得到的溫度區(qū)間對(duì)UTS的相對(duì)重要性。每個(gè)統(tǒng)計(jì)條表示x軸上的值與該值+ 50.88°C之間的溫度范圍的相對(duì)重要性。所有相對(duì)重要的值的和等于1。我們的分析確定了兩個(gè)主要溫度范圍:1212.99-1365.35°C和654.32-857.47°C。第一個(gè)溫度范圍非常接近研究中所用材料(Inconel 718)的固相線和液相線溫度，即1260-1336°C。掃描電子顯微鏡(SEM)從三種不同的薄壁中提取的結(jié)果如圖9所示。對(duì)應(yīng)的t1314.56，測(cè)得的一次枝晶臂間距(PDAS)和UTS列在圖的底部。由于t1314.56所示的溫度范圍(即1314.56-1365.35℃)接近材料凝固溫度范圍(即1260-1336℃)，圖9a中t1314.56越低意味著凝固冷卻速率越高。較高的凝固冷卻速率導(dǎo)致更小的PDAS和更高的UTS，這與許多其他報(bào)道的實(shí)驗(yàn)數(shù)據(jù)一致。

圖8 UTS溫度區(qū)間的相對(duì)重要性譜。

圖9 使用掃描電子顯微鏡（SEM）觀察樹(shù)枝晶尺度的微觀結(jié)構(gòu)。

在本研究中，重要的溫度范圍純粹是從實(shí)驗(yàn)數(shù)據(jù)中確定的，而不需要事先了解工藝條件或控制方程。確定的主要溫度范圍將有助于工藝結(jié)構(gòu)特性量化和材料設(shè)計(jì)。本研究證明了一種新的可能性，即通過(guò)利用機(jī)器學(xué)習(xí)發(fā)現(xiàn)工藝條件的主要特征，并量化其對(duì)機(jī)械性能的影響。它不僅可以應(yīng)用于添加劑制造，還可以應(yīng)用于更廣泛的先進(jìn)制造和材料設(shè)計(jì)領(lǐng)域。

與經(jīng)典機(jī)器學(xué)習(xí)方法的比較

將所提出的WT_CNN模型與幾種經(jīng)典的機(jī)器學(xué)習(xí)方法進(jìn)行了比較。我們確認(rèn)，鑒于少量不確定性實(shí)驗(yàn)數(shù)據(jù)，本文提出的方法具有最佳預(yù)測(cè)能力。圖10顯示了基于四個(gè)指標(biāo)的比較：決定系數(shù)（R2）、均方誤差（MSE）、平均相對(duì)誤差（MRE）和平均絕對(duì)誤差（MAE）。通過(guò)使用相同的訓(xùn)練、驗(yàn)證和測(cè)試集對(duì)十個(gè)候選模型進(jìn)行比較，如圖10所示。紅線表示每個(gè)子圖中測(cè)試集的度量值，因?yàn)樗�顯示了每個(gè)模型的預(yù)測(cè)性能。誤差條顯示了基于五個(gè)經(jīng)過(guò)訓(xùn)練的模型的每個(gè)指標(biāo)的標(biāo)準(zhǔn)偏差，這些模型來(lái)自5倍交叉驗(yàn)證。與其他模型相比，所提出的WT_CNN方法獲得了最高的R2分?jǐn)?shù)（0.7）和最低的誤差，包括MSE、MRE和MAE，這表明在給定如此少量的可用數(shù)據(jù)的情況下，所提出方法具有很強(qiáng)的預(yù)測(cè)能力。

圖10 十個(gè)候選模型與四個(gè)指標(biāo)的比較。

R2的值不接近1，因?yàn)橛性肼暤膶?shí)驗(yàn)數(shù)據(jù)和模型中的不確定性。實(shí)驗(yàn)數(shù)據(jù)點(diǎn)也作了標(biāo)記以進(jìn)行比較。結(jié)果清楚地顯示了實(shí)驗(yàn)測(cè)量UTS的不確定度。貝葉斯方法可以近似估計(jì)不確定性的范圍，這對(duì)模型的剖分和評(píng)估很有用。

討論
先前的研究人員已經(jīng)探索了用于金屬添加劑制造的機(jī)器學(xué)習(xí)，但尚未研究使用基本紅外熱歷史測(cè)量預(yù)測(cè)竣工機(jī)械性能的機(jī)器和深度學(xué)習(xí)。預(yù)測(cè)零件內(nèi)的機(jī)械性能變化，以評(píng)估最薄弱的位置，并提高增材制造材料的最終性能，這是很有價(jià)值的。我們還證明，可以使用數(shù)據(jù)驅(qū)動(dòng)方法提取有意義的機(jī)械特征，如臨界溫度范圍或臨界頻率。這為確定新材料系統(tǒng)的主要工藝條件提供了另一種方法。

通過(guò)選擇性激光熔煉進(jìn)行金屬合金的增材制造。

該方法嵌入了用于機(jī)械特征提取的熱歷史的多分辨率分析，可以減少訓(xùn)練所需的數(shù)據(jù)量，從而獲得相當(dāng)好的性能。使用數(shù)據(jù)驅(qū)動(dòng)方法進(jìn)行預(yù)測(cè)的挑戰(zhàn)包括熱歷史和機(jī)械特性中的數(shù)據(jù)不確定性、過(guò)擬合風(fēng)險(xiǎn)以及非最優(yōu)學(xué)習(xí)模型和參數(shù)。本研究證明了將熱圖像的紅外測(cè)量值作為監(jiān)督學(xué)習(xí)的輸入，這不僅為從工藝誘導(dǎo)熱歷史預(yù)測(cè)機(jī)械性能提供了堅(jiān)實(shí)的基礎(chǔ)，也為增材制造過(guò)程中微觀結(jié)構(gòu)和機(jī)械性能的實(shí)時(shí)控制提供了堅(jiān)實(shí)基礎(chǔ)。

與其他機(jī)器學(xué)習(xí)方法相比，我們提供了WT_CNN模型性能更好的兩個(gè)原因。（1）小波變換從高維熱歷史數(shù)據(jù)中提取多尺度時(shí)頻信息。小波尺度圖清楚地顯示了與時(shí)間相關(guān)的頻率，這是增材制造中固有的機(jī)械特性。這些頻率代表AM過(guò)程的多尺度性質(zhì)。值得注意的是，薄壁制造的時(shí)間尺度約為103秒，單層制造的時(shí)間跨度約為10秒，而熔池動(dòng)力學(xué)的時(shí)間尺度為103到1s。（2）CNN模型是一個(gè)強(qiáng)大的模型，它可以通過(guò)卷積的層次結(jié)構(gòu)從小波尺度圖中捕獲局部和全局頻率關(guān)系。通過(guò)定制架構(gòu)設(shè)計(jì)和超參數(shù)訓(xùn)練策略，性能也得到了改善。圖3顯示，由于使用各種CNN而導(dǎo)致的模型不確定性可能導(dǎo)致預(yù)測(cè)UTS值的變化小于5%。

未來(lái)的工作可能包括（1）對(duì)機(jī)械數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行嚴(yán)格的不確定性量化（2）使用計(jì)算熱歷史作為輸入。不確定性量化提供了預(yù)測(cè)的置信度，對(duì)決策有價(jià)值。利用提議的數(shù)據(jù)驅(qū)動(dòng)方法和高保真模擬，可以預(yù)測(cè)空間和時(shí)間機(jī)械特性。該方法提供了一個(gè)機(jī)械的數(shù)據(jù)驅(qū)動(dòng)框架，作為物理AM過(guò)程的數(shù)字孿生體。它將通過(guò)避免愛(ài)迪生式的反復(fù)試驗(yàn)方法，大大加快AM工藝優(yōu)化和可打印材料的發(fā)現(xiàn)。

來(lái)源：Mechanistic data-driven prediction of as-built mechanical properties in metal additive manufacturing, npj computational materials, doi.org/10.1038/s41524-021-00555-z

參考文獻(xiàn)：Additive manufacturing of metallic components–process, structure and properties. Prog. Mater. Sci. 92, 112–224 (2018).