机械工程学报

作者：李玉梅, 陈健, 李亚冠, 陈韵之, 聂振国

单位：1. 北京信息科技大学高动态导航技术北京市重点实验室 北京 100192;2. 北京信息科技大学现代测控技术教育部重点实验室 北京 100192;3. 清华大学机械工程系 北京 100084;4. 太原理工大学机械与运载工程学院 太原 030024;5. 清华大学高端装备界面科学与技术全国重点实验室 北京 100084;6. 清华大学精密超精密制造装备及控制北京市重点实验室 北京 100084

关键词：增材制造,残余应力,图神经网络,3D全局残余应力场,温度梯度场；

基金：北京市自然科学基金(L242044)和国家自然科学基金(52175237)资助项目。

增材制造过程产生的残余应力导致工件发生变形、开裂以及多种结构缺陷，在工业应用中严重制约了金属工件的形状控制与性能稳定性。提出了一种基于图神经网络的直接能量沉积工艺残余应力预测方法，该方法首先通过有限元计算将红外热像仪和结构光相机构建的3D工件表面温度场计算为3D工件全局温度场，然后利用图神经网络建立打印结束时瞬态温度场与冷却后残余应力场之间的映射关系，从而实现对工件冷却后3D全局残余应力场的快速预测。验证实验结果表明，所提出的方法能够在2 s预测不同形状和边界条件工件的3D全局残余应力场，比有限元计算速度提高大约7 200倍，平均相对误差为13.72%，满足实时性与准确性的双重需求。此外，通过对比实验得出，使用温度梯度场预测残余应力场比直接使用温度场预测更准确，整体精度提升28.61%。所提出的方法为AM过程中工艺参数动态调整提供了可行性数据支持。

来源：2026年第1期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2026年第1期