一种基于深度学习进行冷金属过渡技术增材制造过程温度场预测的方法

本发明提出了一种基于深度学习进行冷金属过渡技术增材制造过程温度场预测的方法。该方法解决了深度学习数据集获取周期长、数量不足的问题。其主要步骤为:1.建立CMT电弧增材制造过程有限元模型并将模拟得到的结果与实验数据进行对比，实现对模型准确性的校核；2.在校核好的有限元模型基础上创建一个包含基本仿真流程的APDL命令流模板文件，其中的关键参数使用占位符表示；3.将Python和Ansys联合仿真，实现不同工艺参数下CMT焊接温度云图数据的计算、提取及保存；4.利用生成对抗网络GAN模型对已有温度云图数据进行增强并形成深度学习数据集，输入到ResNet模型进行训练、验证与测试，最终将训练好的模型应用于电弧增材制造温度场的在线预测。本发明适用于任意焊接方法下焊接温度场的批量计算，提高了仿真分析效率，扩大了深度学习数据集，使深度学习得到充分训练，提高深度学习的泛化能力。