強化スキャン: 強化学習により,レーザー粉末床融合添加物製造における最適なレーザースキャン経路計画が可能になりました

科学分野:

• 材料科学と工学 材料科学と工学とは
• 製造プロセス 製造プロセス
• 計算科学 計算科学とは

背景:

• アディティブ・マニュファクチャリング (AM),特にレーザー・パウダー・ベッド・フュージョン (LPBF) は,残留ストレスと欠陥の課題に直面しています.
• LPBF印刷中の非均一な温度分布は,これらの問題の主要な原因です.
• 層内のスキャンシーケンスを最適化することは,熱均一性と部品品質の改善に不可欠です.

研究 の 目的:

• LPBFのためのインテリジェントなスキャン戦略を開発し,残留ストレスと変形を最小限に抑える.
• スキャンシーケンスの広大な検索スペースを処理する際に,従来の最適化方法の限界を克服するために.
• 金属添加物製造における熱的均一性および全体的な部品の完全性を高めるために.

主な方法:

• 強化学習を利用した"強化スキャン"という革新的なスキャン戦略を提案した.
• 温度変数と空間均一性の両方を考慮した新しい報酬関数を導入しました.
• 計算需要を減らすために最適化問題の階層的な構造を実装しました.

主要な成果:

• 強化スキャンは,従来のヒューリスティック方法と比較して残留ストレスを軽減する上で優れたパフォーマンスを示しました.
• NetfabbTM ローカル・シミュレーションを用いたシミュレーションとTi-6Al-4Vに関する実際の実験により,提案されたメソッドの有効性が検証されました.
• このアプローチは熱均一性を改善し,印刷された金属部品の欠陥を減らすことに成功しました.

結論:

• 強化スキャンは,LPBFのスキャン戦略を最適化するための効果的かつインテリジェントなソリューションを提供します.
• この方法は,残留ストレスを大幅に軽減し,添加材料で製造された金属部品の品質を向上させます.
• この強化学習ベースのアプローチは,LPBFにおける熱管理の課題に対処する上で有望な進歩を示しています.