摘要
本文公开一种用于增材制造氧化物弥散强化钢的自适应调控方法,包括:根据成形参数对逐层堆叠的粉末材料进行能量束扫描形成构件层族并每隔预设层族采集温度分布数据;将当前构件层族的成形参数和温度分布数据输入训练完成的多输入‑多输出神经网络模型并根据多输入‑多输出神经网络模型预测的当前构件层族组织缺陷数据反演生成最优成形参数;根据预设温度密度均衡因子修正最优成形参数并将修正后的成形参数应用至下一构件层族的扫描成形;循环各个构件层族的成形,直至完成目标构件。本申请能够预测构件缺陷并反演生成最优成形参数,进而引入温度密度均衡因子修正最优成形参,以此动态调整下一成形参数,实现均匀温控冷却并提升成形质量。
技术关键词
前馈神经网络
成形
神经网络模型
氧化物弥散强化
参数
密度
调控方法
因子
粉末
生成训练数据
训练集
构件缺陷
组织
处理器
调控系统
电子设备
误差
存储器
模块
系统为您推荐了相关专利信息
逻辑数据结构
工作参数数据
扇区
数据存储位置
控制单元
监控视频图像
融合注意力机制
计算机程序指令
网络接口
矩阵
反馈方法
运动员
交互特征
心率监测设备
深度神经网络模型
数据智能分析方法
聚类算法
参数
邻域
数据智能分析系统