深圳技术大学校标与校名 “人工智能+”虚拟仿真实验教学项目金属激光粉末床熔融工艺参数智能优化虚拟仿真实验
公开资料 · 免登录阅读
未来制造 人工智能+ 虚拟仿真实验教学项目

金属激光粉末床熔融工艺参数智能优化
虚拟仿真实验

认识→建模→校准→判据→寻优→检验→决策

以 IN718 镍基高温合金为对象,把增材制造工艺参数开发的完整流程转化为学生可亲手完成的 24 步实验。

建设单位
深圳技术大学 · 创意设计学院
专业类
机械类(0802)
所属课程
模型塑造与3D打印(36 学时)
实验类型
综合设计型 · 4 学时 · 24 步交互操作

材料免登录阅读。“专家进入实验”打开独立的评审演示站:自动准备一个合成课堂,直接进入实验首页,可切换学生、教师两个视角;演示课堂 24 小时后失效,不进入真实课程。进入方式说明

学生上课请从 学生进入实验 ↗ 使用学校账号登录,按所在班级进入。

项目简介视频10 段2:54
项目简介视频封面
中文字幕 · 1080p · 点击后加载新窗口打开 / 下载
教学引导视频11 章4:53
教学引导视频封面
中文字幕 · 1080p · 点击后加载新窗口打开 / 下载

点击播放后才加载视频,均配中文字幕;视频中的进入方式以本页“专家进入实验”“学生进入实验”为准。

PROJECT COVER

项目封面与简介

封面与两段视频均为公开材料,不含个人联系方式。特色与依据 →

项目封面(查看完整图)

激光粉末床熔融是金属增材制造的主流工艺。新材料或新设备投产前,必须先找到“既无缺陷、成形效率又高”的工艺参数;真实试制占用昂贵机时、消耗高温合金粉末,试样不能撤回重做,熔池过程又无法直接观察。本实验以 IN718 镍基高温合金为对象,把这一完整流程转化为学生可亲手完成的 24 步实验:用 NIST 公开实测数据校准物理模型,用公开判据圈定工艺窗口,在有限试制预算内借助高斯过程代理模型与贝叶斯优化寻优,再检验稳健性并作出决策。
教学与 24 步 →

24步交互操作
6个阶段
10个知识点
100分客观评分
4学时
LASER · MELT POOL · PARAMETERS

从一个熔池到一组工艺参数

实验以 IN718 镍基高温合金为对象,按“认识—建模—校准—判据—寻优—检验—决策”递进。24 步详解 →

当前浏览器不支持三维显示,请参看右侧说明。

三维示意模型拖动旋转 · 基板上的 IN718 试样与成形中的零件,激光扫描顶层

一条完整的工艺开发链

模型上的四个编号对应实验的主要阶段。

  1. 1

    熔池建模

    运行 Rosenthal 点热源与 Eagar–Tsai 高斯热源两种解析模型,读出熔池长、宽、深,在温度场上标出液相线与熔池边界。
    第 5—7 步

  2. 2

    实测校准与工艺窗口

    用 NIST 公开的单道熔池实测数据校准激光吸收率 η,在验证集上定位模型失效区;设定未熔合、球化、匙孔判据,生成功率—速度工艺窗口图。
    第 8—14 步

  3. 3

    虚拟试制与智能寻优

    在固定试制预算内先人工迭代,再训练高斯过程代理模型、按贝叶斯优化推荐点试制,同等预算下比较两种寻优方式的效率。
    第 15—20 步

  4. 4

    稳健性检验与决策

    施加功率和吸收率波动检验推荐参数的稳健性,做敏感性试验,提交实验报告和推荐工艺参数。
    第 21—24 步

WHY VIRTUAL SIMULATION

为什么用虚拟仿真

激光粉末床熔融(LPBF)是金属增材制造的主流工艺,用于航空发动机与燃气轮机热端部件、医疗植入物、模具随形冷却等高价值零件。真实产业场景 →

申报书勾选的必要性高成本、高消耗 · 不可逆操作 · 大型综合训练
高成本、高消耗每一轮试制都要占用昂贵的设备机时、消耗高温合金粉末和惰性保护气,周期以天计。
不可逆操作试样熔化凝固后不能撤回重做;单靠试错的次数远超课堂所能承受。
大型综合训练从任务书、单道实验、窗口圈定、试制迭代到参数推荐,是一条完整的工艺开发链。

真实工艺开发无法在课内反复试错

一种新材料或新设备投产前,必须先找到“既无缺陷、成形效率又高”的工艺参数:在金属打印机上打印单道和块体试样,再经线切割、镶嵌、抛光、腐蚀和金相测量得到熔池尺寸与致密度。参数空间涉及功率、扫描速度、光斑、层厚和扫描间距;高功率光纤激光与可燃金属粉末对操作安全要求很高,学生在本科实验课中通常只能参观,接触不到参数开发全过程。

熔池内部的物理过程无法直接观察

未熔合、球化和匙孔三类缺陷在毫秒级、百微米尺度内形成,只能事后切片推断。学生难以建立“参数→熔池→缺陷→致密度”的因果链,也就难以理解为何“体积能量密度相同”不能保证质量相同。

对应申报书:1 基本情况“虚拟仿真必要性”;3-1 一(一)(二)。

AI IN THE EXPERIMENT

人工智能分三层

人工智能是实验内容,不是附加的聊天窗口。AI 给出预测与建议,学生核验后自行决定。AI+特色详解 →

专项模型

代理模型 + 贝叶斯优化

  • 高斯过程代理模型与带可行性约束的贝叶斯优化,是实验内容本身
  • 练习和正式考核都可使用;只用学生本人的试制数据训练
大模型助教

第 1、10、14、19、21、23 步

  • 经平台统一接入的通义千问、DeepSeek 等模型
  • 解释偏差、判据差异和推荐依据,只讲原因和核对方向,不直接给出参数答案
  • 练习模式开放,正式考核时关闭
评价与画像

自动赋分 · 能力画像

  • 自动赋分、能力画像和教师复核由平台完成
  • AI 建议不计分
每次推荐都由学生决定:采纳不采纳· 理由与 AI 建议分开记录 · 正式考核关闭大模型
6 STAGES · 24 STEPS

六个阶段 · 24 步

按“认识—建模—校准—判据—寻优—检验—决策”递进,每步都要求学生完成实际输入、选择或读图标注后提交。逐步查看 →

第 1—4 步

① 问题定义

  • 优化目标与约束
  • 材料与设备参数核对
  • 体积能量密度与等价性
  • 单道实验参数范围

本阶段满分:12 分

第 5—7 步

② 熔池建模

  • Rosenthal 点热源模型
  • Eagar–Tsai 高斯热源模型
  • 液相线与熔池边界标注

本阶段满分:12 分

第 8—10 步

③ 实测校准与验证

  • 导入 NIST 实测数据并划分
  • 校准吸收率 η
  • 验证误差、指出失效区

本阶段满分:12 分

第 11—14 步

④ 缺陷判据与工艺窗口

  • 未熔合判据
  • 球化与匙孔判据
  • 功率—速度工艺窗口图
  • 两套判据对比

本阶段满分:16 分

第 15—20 步

⑤ 智能寻优

  • 预算与初始试验设计
  • 虚拟试制与人工迭代
  • 高斯过程代理模型
  • 贝叶斯优化推荐与决策
  • 人工与 AI 寻优效率比较

本阶段满分:24 分

第 21—24 步

⑥ 稳健性检验与决策

  • 稳健性检验
  • 敏感性试验
  • 实验报告
  • 推荐工艺参数与取舍

本阶段满分:24 分

不同操作,不同结果:参数范围、数据划分规则、判据选择、初始试验设计、人工选点、是否采纳推荐、稳健性候选与敏感性条件,都会改变后续计算与最终得分;所有计算由服务端按冻结版本重算,同一输入与种子结果一致。

ENVIRONMENT · SUPPORT

环境要求与技术支持

按申报书第 6 节说明。完整环境要求 →

运行环境

网络带宽
客户端带宽不低于 2 Mbps 即可流畅完成全部 24 步
浏览器
谷歌浏览器、火狐浏览器、Microsoft Edge(Chromium 内核),不需要插件
硬件
双核以上处理器,内存 4 GB 及以上,屏幕分辨率 1280×720 及以上,无需独立显卡

技术支持

技术支持
电话 18565685800 微信 wtobook 邮箱 kyjysz@126.com

进入实验

评审专家直接进入评审演示站,在合成课堂中体验学生与教师两个视角;学生使用学校账号登录,按所在班级进入。

专家进入实验 ↗