华南理工大学研究人员提出运用机器学习预测Ti6Al4V性能_3d打印增材制造展

华南理工大学的研究团队发表了一项研究成果，提出采用数据驱动的方法来预测3D打印钛合金Ti6Al4V制件的性能。

华南理工大学的研究团队该研究基于大规模激光粉末床熔融技术，运用堆叠集成学习算法，通过打印机参数和材料参数来预测成型效果。

来源：VoxelMatters

在LPBF工艺过程中，繁多的设备参数设置使得寻找最优组合颇具挑战。虽然可采用单一模型的机器学习方法，但交互工艺参数的复杂性限制了其预测效果。而堆叠学习模型则能更好地应对这种复杂性。

华南理工研究团队通过在大规格LPBF系统上设定钛合金测试件的参数范围，采用弹性网络、人工神经网络、核岭回归、梯度提升回归和LASSO回归等算法组合构建堆叠模型，用于预测制件的抗拉强度。研究过程中运用贝叶斯优化和交叉验证对模型进行调优，并采用多重指标评估模型性能。

分析结果显示：对抗拉强度影响最大的工艺参数是扫描速度，其次是激光功率。经优化后确定了堆叠模型的最佳基学习器组合。训练与测试结果表明，相较于单一的人工神经网络模型，堆叠模型展现出更高的预测精度和更强的稳定性，能更精准地捕捉工艺参数与抗拉强度间的复杂关系。

这项研究最终验证了堆叠集成学习模型能够更有效地预测钛合金3D打印制件的抗拉强度。

3D打印钛合金Ti6Al4V制件应用领域

3D打印钛合金Ti6Al4V(也称为TC4)制件凭借其高强度、低密度、优异的耐腐蚀性和良好的生物相容性，已成为高端制造领域的核心材料。其主要应用领域如下表所示：

值得注意的是，近年来3D打印Ti6Al4V的疲劳性能取得重大突破，中国科学院金属研究所开发的NAMP新工艺使其疲劳强度显著提升，进一步拓宽了其作为主承力构件在航空航天领域的应用前景。

文章、资料来源：启明增材制造