近日，我院石永军教授团队在增材制造工艺参数优化领域取得阶段性进展，相关成果《镍钛合金增材制造工艺参数的多目标优化及其在弹性热效应冷却中的应用》（Multi-objective optimization of additive manufacturing process parameters of nitinol alloys for elastocaloric cooling）发表在《Engineering Applications of Artificial Intelligence》。该期刊为人工智能方法在工程各领域的实际应用研究提供了一个国际交流平台，报道了人工智能在实际工程应用中的创新，最新影响因子为8（SCI一区TOP）。文章第一作者为博士研究生王淑尧，通讯作者为石永军教授，爱游戏app官方入口 （华东）为第一署名单位。该项研究获得了爱游戏app官方入口 （华东）研究生创新基金项目和中央高校基本科研业务费专项资金的资助。
文章首页
本研究提出应用智能优化算法优化工艺参数，从而实现能耗最小化、材料利用率提升及稀释率降低。目标是实现能源和材料的充分利用，从而提升增材制造效率。与传统实验方法相比，该方法消除了与测试条件和参数相关的限制，使增材制造工艺参数的优化更加有效。通过在更广泛的范围内设计和开展关键工艺参数（如激光功率、扫描速度、粉末送料速率和保护气体流量）的实验，可以为智能优化算法提供准确的数据。结果表明，建立的遗传算法优化反向传播神经网络预测模型对能耗、粉末利用率和稀释率具有高预测精度。通过帕累托前沿法对多目标优化问题进行优化，确定了最优工艺参数。该多目标优化使能耗和稀释率分别降低34.1%和27.2%，同时与实验结果平均值相比，金属粉末利用率提高了139.8%。
帕累托前沿曲线及工艺参数优化流程图
论文链接：https://www.sciencedirect.com/science/article/pii/S0952197625010127
