激光定向能量沉积中熔池动态行为与熔覆层高度预测模型研究

作者及机构
本研究的通讯作者为上海交通大学材料科学与工程学院的Huabin Chen（陈华斌），合作作者包括Xu Li（李旭）和Kanghong Zhu（朱康宏）。研究团队来自上海交通大学材料科学与工程学院及上海市材料激光加工与改性重点实验室。研究成果发表于期刊《Additive Manufacturing》第83卷（2024年），文章编号104060，在线发布于2024年2月27日。

学术背景
激光定向能量沉积（Laser Direct Energy Deposition, L-DED）是一种近净成形增材制造技术，广泛应用于航空航天、汽车、医疗和能源等领域。然而，L-DED过程中高功率密度热源引发的复杂热物理过程（如熔池动态行为、温度场突变和快速凝固）导致熔覆层质量不稳定，易产生气孔、裂纹等缺陷。熔池（molten pool）作为连接工艺参数与成形质量的关键环节，其动态行为（如温度场波动和液态金属流动）对熔覆层表面质量和缺陷形成具有决定性影响。
本研究旨在揭示多层堆叠过程中熔池溢出（Molten Pool Overflow, MPO）现象的机理，建立数值辅助的熔覆层高度预测模型，以优化工艺参数并提高成形质量。

研究流程
1. 理论分析与模型构建
- 熔池温度与几何波动理论：通过热传导方程（式1）和能量平衡方程（式2）分析了温度场与熔池几何尺寸的自反馈波动机制，提出MPO现象的理论框架。
- 三维数值模型：基于计算流体力学（CFD）和流体体积法（Volume of Fluid, VOF），建立了L-DED过程的瞬态模型，模拟熔池温度场、速度场及自由表面形貌。模型忽略激光-物质相互作用和凝固过程，聚焦Marangoni力（由温度梯度引起的表面张力差）驱动的液态金属流动行为（图7-8）。

1. 实验验证

   • 多源信息采集系统：
     
     • 熔池温度监测：采用双色高温计（500 Hz采样频率）获取熔池中心温度波动（图10）。
       
     • 熔池形貌成像：通过侧向CMOS相机（20 Hz帧率）捕捉熔池边缘特征，定义MPO的量化指标（Hull Depth、Hull Length等，图13）。
       
   • 熔覆层几何测量：使用Keyence LJ-V7200轮廓仪获取熔覆层三维形貌数据（图15）。
     

2. 预测模型开发

   • 特征选择：基于随机森林（Random Forest, RF）算法筛选关键特征（Hull Depth和熔池高度，图16）。
     
   • RF-LSTM混合模型：
     
     • RF模块：处理低频熔池图像特征，预测熔覆层高度趋势。
       
     • LSTM模块：处理高频温度数据（1 kHz），捕捉熔覆层高度瞬时波动（图17）。
       
   • 数值辅助训练：将仿真结果作为训练数据，提升模型精度（图18d）。
     

主要结果
1. 熔池动态行为
- 数值模拟显示，非首层熔池因重力与Marangoni力共同作用，呈现向下和侧向的MPO现象（图7-8）。温度梯度增大导致熔池前端流动加剧，影响熔覆层形貌（图5-6）。
- 实验验证表明，送粉速率增加会加剧温度波动（标准差从7.67℃升至13.97℃），MPO特征（Hull Depth）与熔覆层高度变化显著相关（图15b）。

1. 预测模型性能
   
   • 采用2维特征（Hull Depth+熔池高度）的RF模型，其均方根误差（RMSE）为0.08758，较6维特征模型降低11.32%。
     
   • 数值辅助的RF-LSTM模型进一步将RMSE降至0.06485，较传统方法提升34.34%（表4），实现了熔覆层高度的高精度预测。
     

结论与价值
1. 科学意义：
- 首次通过理论模型与多源传感数据揭示了MPO现象的成因，阐明了温度梯度与熔池几何波动的耦合机制。
- 提出的RF-LSTM模型为增材制造过程监控提供了数据-物理融合的新范式。

1. 应用价值：
   
   • 模型可实时预测熔覆层高度波动，为工艺参数优化（如激光功率、送粉速率匹配）提供量化依据，减少试错成本。
     
   • 对航空航天等高精度零件的L-DED成形质量调控具有直接指导意义。
     

研究亮点
1. 创新方法：
- 结合VOF数值模拟与机器学习，突破了传统单一方法的局限性。
- 定义Hull Depth等MPO特征，弥补了熔池宽度方向表征的不足。

1. 重要发现：
   
   • 揭示了非首层熔池的“双向流动”特性（向下润湿与侧向溢出），为缺陷抑制提供了新视角。
     
   • 证实了温度信号的高频特性对熔覆层微米级波动的捕捉能力（图15）。
     

其他价值
研究数据可通过申请获取，模型代码框架为后续智能工艺开发奠定了基础。团队获中国国家重点研发计划（2022YFB4602100）支持，体现了国家在高端制造领域的战略布局。