激光增材制造未熔合缺陷抑制的双阶优化小样本机器学习算法

本发明公开了一种激光增材制造未熔合缺陷抑制的双阶优化小样本机器学习算法，属于激光增材制造技术领域，包括：打印成形若干金属块体试样并构建熔池数据集；提出一组熔池转换因子，以修正既有Eagar‑Tsai模型，获得Eagar‑Tsai修正模型；将Eagar‑Tsai修正模型编码为多任务高斯过程回归模型的先验分布，以建立由理论物理规律和真实数据分布共同约束的双阶优化算法，实现对目标工艺窗口内任意激光工艺参数组合下的熔池深度和宽度的高精度预测，并基于所预测的熔池数据进一步预测相应金属块体试样是否存在层间缺乏熔合缺陷，从而克服传统工艺优化方法的时间复杂性和高成本问题，实现新材料工艺探索效率的提升。