研究论文
开放获取
机器学习强化金属3D打印：高通量优化和材料迁移可扩展性
-
摘要:
研究论文 ● 开放获取阅读更多
1. 文章导读
本文提出一种将高通量方法与机器学习相结合的优化策略，用于提升3D打印金属材料的性能。研究中，在316L不锈钢上构建了54组不同打印参数的样本，通过结合机器学习与贝叶斯主动学习，实现了对孔隙率、力学性能及耐腐蚀性能的精准预测与优化。优化后的样品孔隙率低于0.1%，抗拉强度达609 MPa，伸长率达50.67%，且具备优异的耐腐蚀性能。进一步将该策略迁移至AlSi7Mg合金，验证了其在不同材料系统中的通用性与高效性。该方法为金属增材制造中的参数快速筛选与自适应设计提供了有力支撑。
下载:
