维度预测和微观结构研究电缆弧添加剂制造的316L不钢基于人工神经网络和有限元模拟

科学领域:

• 材料科学 材料科学 材料科学
• 制造业 工程 制造工程
• 计算机建模 计算建模

背景情况:

• 电弧增材制造 (WAAM) 部件需要精确的尺寸精度和可控制的微观结构,以获得最佳的服务性能.
• 在WAAM组件中实现一致的几何和微观结构是一个重要的制造挑战.
• 现有的方法往往缺乏所需的综合方法,以同时解决尺寸和微观结构控制.

研究的目的:

• 开发和验证一个结合的人工神经网络 (ANN) 和有限元 (FE) 模型,用于调节WAAM零件的维度精度和微观结构.
• 使用优化的ANN,预测诸如珠子宽度 (BW) 和珠子高度 (BH) 等关键几何参数.
• 通过基于预测几何学的FE模拟来研究热谱对微观结构演化的影响.

主要方法:

• 开发与优化算法 (例如,甲虫天线搜索) 集成的反向传播神经网络 (BPNN),用于预测WAAM珠子尺寸 (BW和BH).
• 基于预测的珠子几何体的3D有限元素 (FE) 模型的创建,以模拟热概况和融化池动态.
• 预测尺寸和模拟的热微结构演变的实验验证.

主要成果:

• 该ANN模型实现了珠子宽度和高度的高预测准确度,误差低于6%.
• 与其他测试模型相比,甲虫天线搜索BPNN显示出更高的预测准确性.
• FE模拟准确预测了融化池的行为,与实验数据相比,错误率小于5%.
• 该研究确定了温度梯度与固化速率的比率以及谷物结构的演变 (细胞到柱状到等状树突) 之间的相关性.
• 发现增加的冷却速度可以增强初级树石臂间距和三角铁石含量.

结论:

• 合的ANN-FE模型提供了一种有效的计算途径,用于精确控制WAAM制造部件的尺寸和微观结构.
• 这种方法有助于优化WAAM过程参数,以实现所需的零件几何和材料性能.
• 这些发现为增材制造中的先进工艺控制和材料设计提供了基础.