基于Kriging模型和強化學習的激光直接能量沉積成形尺寸控制

摘要： 針對傳統(tǒng)的比例積分微分控制方法存在隨工藝參數(shù)變化需重新整定控制器參數(shù)的缺陷，采用了一種基于Kriging預測模型的強化學習校正框架，用于預測和控制沉積層尺寸，而無需進行參數(shù)整定。該框架通過不斷迭代學習工藝參數(shù)對沉積層尺寸的影響，對內置的Kriging預測模型進行校正，提高其預測性能，從而輸出更優(yōu)的工藝參數(shù)。實驗結果表明，該框架能夠抑制熔道回流效應，在減小成形件累計高度誤差的同時... （共11頁）