过程参数对激光粉床化NiTiTi表面粗度的影响
Adriano Cebrian Carcavilla1,2, Shrinivas Bojanampati1, Wael Zaki3,4
1Khalifa University of Science and Technology, Abu Dhabi, 127788, United Arab Emirates.
Scientific reports
|November 13, 2025
概括
本研究探讨了激光功率和扫描速度如何影响激光粉末床融合制成的- (NiTi) 零件的表面粗度. 机器学习模型准确地预测了表面质量,超过了传统方法.
科学领域:
- 材料科学 材料科学 材料科学
- 增材制造 增材制造 增材制造
- 表面工程是什么?表面工程是什么?
背景情况:
- - (NiTi) 合金在生物医学和航空航天应用中至关重要.
- 实现所需的表面粗度对于NiTi元件性能至关重要.
- 激光粉床融合 (LPBF) 是NiTi的关键添加剂制造技术.
研究的目的:
- 调查过程参数对LPBF过程中NiTi表面粗度的影响.
- 为了确定制造参数和表面处理之间的相关性.
- 为了比较分析方法与机器学习在预测表面质量的有效性.
主要方法:
- 实验的全因数设计,可变化扫描速度和激光功率.
- 分析拟合以确定参数-粗度关系.
- 使用实验数据开发和训练机器学习模型.
主要成果:
- 表面粗性主要对激光功率的显著变化敏感.
- 输入能量密度不是LPBF NiTi表面质量的可靠预测指标.
- 机器学习模型在预测表面粗度方面表现出高准确度.
- 与分析方法相比,机器学习提供了更高的效率和更容易的部署.
结论:
- 激光功率是影响LPBF中NiTi表面粗性的主要参数.
- 机器学习为优化增材制造中的表面质量提供了一个强大而高效的工具.
- 预测模型可以显著提高NiTi元件的设计和制造.
