本發(fā)明涉及增材制造，具體涉及一種增材制造殘余應(yīng)力的優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、選擇性激光熔化技術(shù)(selective?laser?melting,slm)，尤其是選擇性激光熔化(slm)，作為一種先進(jìn)的三維打印技術(shù)，通過(guò)逐層沉積金屬粉末并用激光熔化成形，展現(xiàn)出工藝簡(jiǎn)便、材料利用率高以及縮短生產(chǎn)周期等顯著優(yōu)點(diǎn)。這些特性極大提升了設(shè)計(jì)的自由度，使其在航空航天、汽車工業(yè)、醫(yī)療器械制造等領(lǐng)域成為備受青睞的制造手段。然而，slm技術(shù)在成形過(guò)程中伴隨著顯著的溫度梯度變化。在材料快速熔化和凝固的過(guò)程中，熱影響區(qū)的不均勻熱膨脹與收縮現(xiàn)象導(dǎo)致內(nèi)部殘余應(yīng)力的累積。若不采取措施控制，這些高殘余應(yīng)力會(huì)引發(fā)零件的變形、裂紋等質(zhì)量問(wèn)題，進(jìn)而削弱材料的機(jī)械強(qiáng)度和抗疲勞性能。

2、為解決上述技術(shù)問(wèn)題，現(xiàn)有技術(shù)通過(guò)大量實(shí)驗(yàn)和物理模型分析，研究了激光功率、掃描速度、艙口間距等工藝參數(shù)對(duì)殘余應(yīng)力的影響。例如，mugwagwa等人發(fā)現(xiàn)高激光功率和低掃描速度會(huì)加劇殘余應(yīng)力的形成。然而，實(shí)驗(yàn)方法耗時(shí)費(fèi)力，且難以覆蓋所有可能的參數(shù)組合，限制了其在復(fù)雜參數(shù)空間中的應(yīng)用。li等人和yang等人等開發(fā)了熱機(jī)械耦合模型和瞬態(tài)耦合的熱機(jī)械分析方法，通過(guò)數(shù)值模擬預(yù)測(cè)溫度演化和殘余應(yīng)力分布，為工藝參數(shù)優(yōu)化提供指導(dǎo)。gusarov等人提出的熱彈性模型進(jìn)一步驗(yàn)證了預(yù)熱作為降低殘余應(yīng)力的有效手段。過(guò)去的研究揭示了工藝參數(shù)與殘余應(yīng)力間的復(fù)雜關(guān)系。盡管單個(gè)參數(shù)的優(yōu)化能部分緩解殘余應(yīng)力，但由于參數(shù)間復(fù)雜的非線性相互作用，單一策略難以實(shí)現(xiàn)全局最優(yōu)。此外，受制于時(shí)間和成本，廣泛的實(shí)驗(yàn)研究難以全面構(gòu)建工藝參數(shù)與殘余應(yīng)力演變的詳盡關(guān)聯(lián)，使得基于數(shù)值模擬的優(yōu)化方法成為優(yōu)選。然而，現(xiàn)有的優(yōu)化方法，如局部搜索策略，往往受限于模型精度和數(shù)據(jù)量，難以有效尋得多工藝參數(shù)的全局最優(yōu)解。其次，基于模擬和實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練的代理模型應(yīng)用于元啟發(fā)式優(yōu)化算法，雖然考慮了多參數(shù)之間的復(fù)雜相互作用，但是受限于原始訓(xùn)練數(shù)據(jù)，無(wú)法保證尋優(yōu)精度。

3、綜上，現(xiàn)有技術(shù)解決方法的主要問(wèn)題集中在：

4、1、實(shí)驗(yàn)方法的局限性：耗時(shí)長(zhǎng)，成本高，難以覆蓋所有可能的參數(shù)組合。

5、2、數(shù)值模擬的局限性：雖然能提供高精度預(yù)測(cè)，但局部搜索策略難以找到全局最優(yōu)解。

6、3、代理模型結(jié)合智能算法的局限性：具有全局尋優(yōu)策略，但是受限于數(shù)據(jù)精度和數(shù)量。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問(wèn)題：針對(duì)現(xiàn)有技術(shù)的上述問(wèn)題，提供一種高精度、成本低的增材制造殘余應(yīng)力的優(yōu)化方法及系統(tǒng)，可實(shí)現(xiàn)多類型工藝參數(shù)的高精度協(xié)同優(yōu)化。

2、為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：

3、一種增材制造殘余應(yīng)力的優(yōu)化方法，包括采用多物理場(chǎng)數(shù)值模擬與智能優(yōu)化算法相聯(lián)合來(lái)從工藝參數(shù)空間中尋找使得增材制造零件的殘余應(yīng)力最小的全局最優(yōu)解，所述多物理場(chǎng)數(shù)值模擬包括使用優(yōu)化算法從工藝參數(shù)空間中抽樣得到工藝參數(shù)，將抽樣得到的工藝參數(shù)輸入有限元模型，基于有限元模型對(duì)所述工藝參數(shù)進(jìn)行熱分析，通過(guò)熱分析得到瞬態(tài)熱分布，使用瞬態(tài)熱分布進(jìn)行結(jié)構(gòu)分析以獲得當(dāng)前工藝參數(shù)下的殘余應(yīng)力，并將得到的殘余應(yīng)力傳遞給優(yōu)化算法以用于實(shí)現(xiàn)工藝參數(shù)尋優(yōu)。

4、進(jìn)一步的，所述基于有限元模型進(jìn)行熱分析獲得瞬態(tài)熱分布時(shí)，所采用的溫度場(chǎng)的函數(shù)表達(dá)式如下式所示：

5、

6、上式中，ρ為密度，cp為比熱容，t表示粉末材料的溫度，t表示熱源與粉床的相互作用時(shí)間，k表示導(dǎo)熱系數(shù)，(x,y,z)表示熱源所依附的坐標(biāo)系坐標(biāo)，q表示部件內(nèi)每體積產(chǎn)生的熱量；所采用的邊界條件的函數(shù)表達(dá)式如下式所示：

7、

8、上式中，k表示導(dǎo)熱系數(shù)，t表示金屬粉末在某一時(shí)刻的溫度，n表示求積分中無(wú)限趨與無(wú)窮大，hc表示熱對(duì)流系數(shù)，t0表示初始溫度，εθ表示熱輻射系數(shù)，σ表示斯蒂芬-玻爾茲曼常數(shù)，q表示熱流量，(x,y,z)表示熱源所依附的坐標(biāo)系坐標(biāo)，s表示受熱流、對(duì)流、輻射的表面。

9、進(jìn)一步的，所述基于有限元模型進(jìn)行熱分析獲得瞬態(tài)熱分布時(shí)，模擬激光能量所采用的熱源模型為下式的高斯表面熱源：

10、

11、上式中，qr表示激光熱源能量，a表示增材制造使用的粉末材料的吸收率，p表示激光功率，exp(·)表示e的指數(shù)次冪，ω為激光光斑的等效半徑，r表示某一點(diǎn)(x,y)到激光光斑中心的徑向距離。

12、進(jìn)一步的，所述使用瞬態(tài)熱分布進(jìn)行結(jié)構(gòu)分析以獲得當(dāng)前工藝參數(shù)下的殘余應(yīng)力包括：

13、s101，分區(qū)、分層構(gòu)建增材制造零件模型，并完成對(duì)所述增材制造零件模型的網(wǎng)格劃分；

14、s102，定義熱分析過(guò)程中的網(wǎng)格類型，輸入材料在不同狀態(tài)下的熱物性參數(shù)，加載移動(dòng)熱源模型，并定義材料的狀態(tài)轉(zhuǎn)變函數(shù)；

15、s103，定義好初始條件與邊界條件后，進(jìn)行瞬態(tài)溫度場(chǎng)計(jì)算，所述瞬態(tài)溫度場(chǎng)計(jì)算包括模擬所述增材制造零件模型在制造過(guò)程中的溫度變化，直到所述增材制造零件模型冷卻到室溫，獲取全時(shí)間狀態(tài)下的溫度場(chǎng)數(shù)據(jù)；

16、s104，定義彈塑性力學(xué)力分析過(guò)程的網(wǎng)格類型、材料的力學(xué)相關(guān)參數(shù)以及材料塑性硬化函數(shù)，加載邊界條件和激活條件，用于評(píng)估所述增材制造零件在增材制造過(guò)程中的力學(xué)行為和殘余應(yīng)力分布；

17、s105，根據(jù)所述溫度場(chǎng)數(shù)據(jù)，將全時(shí)間過(guò)程的單元溫度作為載荷施加到力學(xué)模型上進(jìn)行耦合求解以及穩(wěn)態(tài)應(yīng)力計(jì)算以獲得當(dāng)前工藝參數(shù)下的殘余應(yīng)力。

18、進(jìn)一步的，所述采用多物理場(chǎng)數(shù)值模擬與智能優(yōu)化算法相聯(lián)合來(lái)從工藝參數(shù)空間中尋找使得增材制造零件的殘余應(yīng)力最小的全局最優(yōu)解時(shí)，采用的智能優(yōu)化算法為粒子群-遺傳混合優(yōu)化算法，所述從工藝參數(shù)空間中尋找使得殘余應(yīng)力最小的增材制造的工藝參數(shù)包括：

19、s201，從工藝參數(shù)空間中通過(guò)最優(yōu)拉丁超立方抽取樣本數(shù)據(jù)以初始化種群；

20、s202，將當(dāng)前的種群數(shù)據(jù)傳輸給多物理場(chǎng)模型，進(jìn)行熱-結(jié)構(gòu)分析來(lái)獲得殘余應(yīng)力；

21、s203，將所述殘余應(yīng)力數(shù)據(jù)傳輸給智能優(yōu)化算法，作為其適應(yīng)度值基于適應(yīng)度值以獲得種群和個(gè)體的最優(yōu)值；

22、s204，將當(dāng)前的種群基于適應(yīng)度值進(jìn)行遞減排序，再進(jìn)行交叉和變異操作，更新自適應(yīng)慣性權(quán)重和動(dòng)態(tài)學(xué)習(xí)因子，更新種群粒子的速度和位置；

23、s205，將新的種群數(shù)據(jù)傳輸給多物理場(chǎng)模型，進(jìn)行熱-結(jié)構(gòu)分析來(lái)獲得殘余應(yīng)力；

24、s206，再將殘余應(yīng)力數(shù)據(jù)傳輸給優(yōu)化算法，作為其適應(yīng)度值，基于適應(yīng)度值以獲得種群和個(gè)體的最優(yōu)值；

25、s207，判斷迭代次數(shù)是否滿足中止條件，若不滿足中止條件，則將迭代次數(shù)加1，跳轉(zhuǎn)步驟s4繼續(xù)迭代；否則輸出種群和個(gè)體的最優(yōu)值。

26、進(jìn)一步的，采用下式更新自適應(yīng)慣性權(quán)重因子和學(xué)習(xí)因子：

27、

28、上式中，ω1表示自適應(yīng)慣性權(quán)重，ωmax表示慣性權(quán)重最大值，ωmin表示慣性權(quán)重最小值，c1和c2為動(dòng)態(tài)學(xué)習(xí)因子，c1表示粒子從自身學(xué)習(xí)的學(xué)習(xí)因子，c2表示粒子向全局最優(yōu)粒子學(xué)習(xí)的學(xué)習(xí)因子，f表示粒子的適應(yīng)度值，favg表示當(dāng)前所有粒子的平均適應(yīng)度值，fmin表示當(dāng)前所有粒子的最小適應(yīng)度值，ti為當(dāng)前迭代次數(shù)，tmax為粒子群最大迭代次數(shù)。

29、進(jìn)一步的，采用下式更新種群粒子的速度和位置：

30、

31、上式中，表示k+1代粒子的速度，表示k代粒子的速度，表示k+1代粒子的位置，表示k代粒子的位置，表示k代的個(gè)體最優(yōu)值，表示k代的種群最優(yōu)值，k表示迭代次數(shù)，r1和r2表示從均勻分布[0,1]中抽取的隨機(jī)正數(shù)，α表示約束因子，用于控制速度的權(quán)重。

32、進(jìn)一步的，所述采用多物理場(chǎng)數(shù)值模擬與智能優(yōu)化算法相聯(lián)合來(lái)從工藝參數(shù)空間中尋找使得增材制造零件的殘余應(yīng)力最小的全局最優(yōu)解時(shí)，多物理場(chǎng)數(shù)值模擬為基于comsol仿真軟件實(shí)現(xiàn)的，優(yōu)化算法為基于matlab實(shí)現(xiàn)的，所述將得到的全局殘余應(yīng)力發(fā)送給優(yōu)化算法包括：comsol仿真軟件通過(guò)comsol?multiphysics?server與matlab建立數(shù)據(jù)傳輸接口，通過(guò)comsol仿真軟件將得到的全局殘余應(yīng)力的模型數(shù)據(jù)從.mph文件另存為.m文件，然后在matlab里通過(guò)mphstart命令與comsol仿真軟件建立連接并通過(guò)mphopen命令導(dǎo)入.m文件格式的模型數(shù)據(jù)，再采用mphglobal命令將模型數(shù)據(jù)自動(dòng)導(dǎo)入到matlab中，從而實(shí)現(xiàn)comsol仿真軟件、matlab之間的無(wú)縫數(shù)據(jù)傳輸。

33、一種增材制造殘余應(yīng)力的多參數(shù)協(xié)同優(yōu)化系統(tǒng)，包括相互連接的微處理器和存儲(chǔ)器，所述微處理器被編程或配置以執(zhí)行增材制造殘余應(yīng)力的同優(yōu)化方法。

34、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被編程或配置以通過(guò)處理器執(zhí)行增材制造殘余應(yīng)力的同優(yōu)化方法。

35、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

36、1、本發(fā)明采用多物理場(chǎng)數(shù)值模擬與智能優(yōu)化算法相聯(lián)合來(lái)從工藝參數(shù)空間中尋找使得增材制造零件的殘余應(yīng)力最小的全局最優(yōu)解。其中多物理場(chǎng)數(shù)值模擬是使用優(yōu)化算法從工藝參數(shù)空間中抽樣得到工藝參數(shù)，將抽樣得到的工藝參數(shù)輸入有限元模型，基于有限元模型對(duì)工藝參數(shù)進(jìn)行熱分析，通過(guò)熱分析得到瞬態(tài)熱分布，使用瞬態(tài)熱分布進(jìn)行結(jié)構(gòu)分析以獲得當(dāng)前工藝參數(shù)下的殘余應(yīng)力，本發(fā)明能夠更準(zhǔn)確地預(yù)測(cè)和控制增材制造過(guò)程中的熱力學(xué)行為，從而更精確地計(jì)算出殘余應(yīng)力的分布。再將得到的殘余應(yīng)力傳遞給智能優(yōu)化算法，利用智能優(yōu)化算法能夠在較大的工藝參數(shù)空間內(nèi)搜索到全局最優(yōu)解，大大減少了實(shí)驗(yàn)次數(shù)和成本，提高了優(yōu)化效率，通過(guò)物理場(chǎng)數(shù)值模擬與智能優(yōu)化算法相聯(lián)合基于多次迭代優(yōu)化，可以持續(xù)改進(jìn)工藝參數(shù)，確保最終產(chǎn)品的質(zhì)量和性能達(dá)到最佳狀態(tài)，顯著提升了零件的尺寸穩(wěn)定性和機(jī)械性能，減少了因殘余應(yīng)力導(dǎo)致的變形、裂紋等問(wèn)題，降低了廢品率，從而提高了制造效率和經(jīng)濟(jì)性。

37、2、本發(fā)明進(jìn)一步采用最優(yōu)拉丁超立方初始化種群，通過(guò)最大距離準(zhǔn)則來(lái)滿足空間填充特性，確保了各個(gè)自變量采樣點(diǎn)在搜索空間內(nèi)的均勻分布，使得智能優(yōu)化算法在開始時(shí)就能覆蓋更大的搜索區(qū)域，更有利于發(fā)現(xiàn)全局最優(yōu)解。

38、3、本發(fā)明進(jìn)一步引入自適應(yīng)慣性權(quán)重因子和動(dòng)態(tài)學(xué)習(xí)因子，使得智能算法在早期階段能夠有效地探索整個(gè)搜索空間，提高全局搜索的能力，避免過(guò)早陷入局部最優(yōu)解。隨著迭代次數(shù)增加，自適應(yīng)慣性權(quán)重因子和動(dòng)態(tài)學(xué)習(xí)因子的變化策略能夠讓算法逐漸集中于較優(yōu)解附近，加速算法的收斂過(guò)程，提高求解效率。通過(guò)動(dòng)態(tài)調(diào)整算法參數(shù)，可以確保算法在搜索過(guò)程中既能廣泛探索又能精準(zhǔn)收斂，有助于獲得更加精確的解。