通过机器学习由面及体快速预测增材制造内部质量的方法

本发明公开了一种通过机器学习由面及体快速预测增材制造内部质量的方法，包括以下步骤：获取不同激光工艺参数下的成形试样并分别测量各成形试样的表面粗糙度和致密度，以构建数据集；数据集中的每一个元素，包括对应的激光工艺参数、表面粗糙度以及致密度；表面粗糙度包括表面算术平均高度Sa和界面扩展面积比Sdr；基于机器学习模型构建致密度预测模型，并采用所构建的数据集训练致密度预测模型；将待打印零件的激光工艺参数和表面粗糙度输入训练好的致密度预测模型，即可输出待打印零件的致密度预测数据。由此可见，本发明能够有效地预测出待打印零件的致密度，为LPBF成形合金复杂构件的成形质量快速评价与表征提供新方法。