一种基于机器学习调控SLM增材制造中飞溅缺陷的方法

本发明公开了一种基于机器学习调控SLM增材制造中飞溅缺陷的方法，涉及激光增材制造技术领域，包括：基于选择性激光熔化法进行激光增材多层单道激光加工实验，利用高帧率高速相机获取不同工艺参数和层数的单道激光选区熔化飞溅图像数据；构建包括工艺参数和飞溅特征的回归算法数据集；基于随机森林多输出回归算法构建并训练飞溅信息回归模型；向训练好的飞溅信息回归模型输入不同的加工参数组合，预测飞溅特征，分析飞溅随体能量密度的变化趋势，确定最优的体能量密度范围，优化加工参数。本发明以更贴近实际SLM加工环境的方式探究飞溅特征，优化工艺参数，可以更好地调控先进合金在SLM过程中的行为，提高成型质量，确保所制备材料的一致性和可靠性。