一种基于PyTorch框架与SLM仿真技术的优化支撑减少SLM开裂方法

本发明公开了一种基于PyTorch框架与SLM仿真技术的优化支撑减少SLM开裂方法，属于仿真技术领域，包括收集零件试件的SLM打印结果进行形态分析；采用PyTorch作为框架，建立神经网络模型；设计并计算试件的残余应力和变形，并对试件进行仿真计算，得到仿真计算结果，将仿真计算结果整理为神经网络训练所需的数据集；使用测试集对训练好的神经网络模型进行评估，通过准确率、召回率指标衡量模型的性能，得到最终预测开裂模型。本发明采用上述方法，利用先进的数据驱动方法，采用机器学习方法，较为系统地探索并预测激光选区熔化(SLM)过程中零件开裂的情况。