基于深度强化学习的激光功率参数优化方法

本发明公开了一种基于深度强化学习策略的激光功率优化方法，属于仿真及人工智能技术领域，适用于激光粉末床熔融(LPBF)工艺。该方法首先构建LPBF仿真模型，采用移动热源建立熔池三维温度场分布模型，并结合零件STL文件，模拟激光扫描路径下的成形过程。通过实时提取熔池状态特征，构建状态空间和奖励函数，并利用深度强化学习DQN网络模型优化激光功率调整策略。采用ε‑greedy算法生成最优激光调整动作，并基于经验池存储与更新智能体交互数据，以优化网络模型参数，确保熔池深度的稳定性和均匀性。本发明有效降低了内部缺陷，提高了LPBF工艺的质量与智能化控制水平，为高效精准的工艺参数优化提供了新思路。