基于SimVP-LC模型预测控制的激光熔覆热影响区温度场动态调控与裂纹抑制机制研究

本文创新性地将深度学习视频预测模型SimVP-LC与模型预测控制（MPC）相结合，实现对激光熔覆（LC）过程中热影响区（HAZ）温度场的精准预测与实时调控。通过热历史数据图像化处理和HAZ均方误差损失函数优化，模型在HAZ>500°C时仍能保持10°C的平均绝对误差，显著降低裂纹形成概率，为金属增材制造质量控制提供新范式。

硬件配置

本研究采用10千瓦光纤耦合二极管激光器（LDF 10000-60, Laserline）执行激光熔覆工艺，其激光光斑直径范围为2.2至5.5毫米，波长介于980至1080纳米之间。采用长波红外热像仪（PI 640i, Optris）采集热历史数据，该相机捕获640×480像素图像，经预处理后空间分辨率达1毫米/像素，帧率范围32至100赫兹以确保动态热场捕捉精度。

数据集与数据预处理

热像仪获取的热历史数据经预处理生成灰度图像，其中像素强度与实测温度值对应。这些热场图像作为视频预测模型的输入数据，最终数据集包含12,200张图像，按9:1比例划分为10,980张训练图像与1,220张测试图像。为提升模型泛化能力，训练集与测试集采用随机划分策略，并通过数据增强技术模拟实际工况中的热场波动。

SimVP-LC模型结果

为对比SimVP与SimVP-LC的预测精度，使用第3.1节所述的测试数据集进行评估。训练过程中采用Min-Max缩放将预测值归一化至[0,1]区间，为精确还原温度场，预测结果通过逆变换恢复至原始温度尺度（摄氏度）。经还原的预测图像与实测数据对比显示，SimVP-LC在37帧长时预测中对基体整体热场（含HAZ）的预测误差稳定控制在10°C以内，尤其当HAZ平均温度超过500°C时仍保持该精度水平。

案例研究：基于热场预测的自适应控制

为验证模型实效性，开发了集成预测控制的实时激光熔覆监控系统。本研究首次通过LC工艺量化激光束周边温度分布，并动态观测HAZ随时间演化行为。实验采用与前述章节相同的基材（S45C钢）与粉末（WC40Ni），工艺参数设定为：激光功率3千瓦，熔覆速度10毫米/秒，粉末输送速率2.5克/分钟。通过MPC算法实时调整激光功率，成功将HAZ宽度稳定控制在阈值以下，显著降低热累积导致的裂纹风险。

结论

本研究通过开发集成SimVP-LC预测模型与自动激光输出控制的监控系统，实现了对激光熔覆过程中热影响区尺寸的精准调控。实验证实该模型能有效抑制因热累积引发的裂纹形成，为提升激光熔覆涂层质量提供了可工程化的智能控制方案。