研究目的
提出一个预测平均表面粗糙度(Sa)的模型,并分析相关工艺参数对Ti-6Al-4V激光粉末床熔融(LPBF)选择性激光熔化(SLM)过程的影响。
研究成果
结果表明,采用激光粉末床熔融(LPBF)工艺打印的Ti-6Al-4V合金,当热处理温度超过β相变点时,会因局部表面熔化、球化、未熔颗粒及残留颗粒等缺陷形成而导致表面质量下降。较高的激光功率(LP)和较低的扫描速度(SS)会使表面质量降低,这是由马兰戈尼效应引发熔融糊状区形成并增加匙孔缺陷概率所致。表面粗糙度算术平均值(Sa)与层间搭接率(HS)呈直接函数关系——较大的HS值意味着更小的重叠区域,从而降低了未熔颗粒黏附的概率。由于后续打印层对前序层的几何覆盖效应,较低的粉末层厚度(PA)能获得更好的表面质量。本研究表明,人工神经网络(ANN)是预测不同工艺参数及后处理条件下Sa数值及其变化趋势的精准工具。
研究不足
提供的内容中未明确提及实验的技术和应用限制,以及潜在的优化领域。
1:实验设计与方法选择:
采用田口L25正交实验设计(每个样本重复5次)选取多组工艺参数,随后应用人工神经网络(ANN)模型预测算术平均高度/表面粗糙度平均值(Sa)的数值。
2:样本选择与数据来源:
打印了125个采用不同工艺参数及后处理参数(包括激光功率LP、扫描速度SS、填充间距HS、扫描角度PA和热处理HT)的样本。
3:实验设备与材料清单:
使用最大激光功率200W的SLM Solutions 125HL激光粉末床熔融设备(配备YLR光纤激光器,最小光斑尺寸5μm)。本研究采用球形Ti-6Al-4V粉末。
4:实验流程与操作步骤:
通过不同工艺及后处理参数打印样本,采用非接触式轮廓仪测量表面形貌,将结果输入人工神经网络建立工艺参数预测模型。
5:数据分析方法:
展示了"主效应"与信噪比分析结果。最佳方案采用5层网络结构(5×4×3×2×1),层间传递函数为Sigmoid函数,迭代次数50,000次。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容