本发明涉及增材制造，尤其涉及一种悬垂结构优化的无支撑3d打印方法、构件、装置和设备。
背景技术：
1、3d打印过程中，支撑结构的设计对于构建复杂形状的构件起着至关重要的作用。例如在航空航天典型复杂构件中存在大量以空腔或悬空为代表的悬垂结构。然而，在采用传统的3d打印工艺时，悬垂结构的成形过程中常常面临着翘曲变形、下表面粘粉挂渣等问题，极大降低了成形精度与表面光洁度，甚至可能导致成形失败。
2、传统3d打印工艺中，例如lpbf(laser powder bed fusion，激光粉床熔融成形)工艺，由于悬垂结构的特殊性，成形过程中容易出现翘曲变形与下表面粘粉挂渣问题。这些问题直接影响了悬垂结构的成形质量与表面光洁度，尤其在悬垂角高于一定值时更为明显。为了克服这些问题，通常需要添加支撑结构，其作用主要体现在传导熔池热量、降低残余应力引起的变形、抵抗刮刀作用力。支撑的加入在一定程度上保障了悬垂结构的成形，但也带来了一系列问题，如增加前后处理的难度与时间、去除支撑后表面质量差、原材料利用率下降等。
3、因此，现有技术中亟需一种能够保障悬垂结构成形精度与表面质量的无支撑3d打印工艺，以实现悬垂结构的高质量无支撑增材制造。
技术实现思路
1、本发明实施例提供一种悬垂结构优化的无支撑3d打印方法、构件、装置和设备，用于实现悬垂结构的高质量无支撑增材制造。
2、为达到上述目的，本发明的实施例采用如下技术方案：
3、第一方面，本发明实施例提供一种悬垂结构优化的无支撑3d打印方法，所述方法包括：对待成形构件的几何拓扑模型进行至少包括悬垂结构的特征识别，生成所述悬垂结构的目标几何参量；获取所述悬垂结构的工艺参数并将其与所述目标几何参量一同作为输入，通过机器学习模型预测并输出与其匹配的实际几何参量，其中所述机器学习模型至少指示悬垂结构的目标几何参量、工艺参数和实际几何参量之间的映射关系；根据所述实际几何参量与目标几何参量计算出所述悬垂结构的变形量；根据所述变形量对所述悬垂结构进行变形补偿，生成补偿修正后的几何拓扑模型；将补偿修正后的所述几何拓扑模型作为所述待成形构件的目标打印模型以进行无支撑3d打印。
4、在第一方面的可选实施方式中，所述对待成形构件的几何拓扑模型进行至少包括悬垂结构的特征识别，包括：从获取的所述待成形构件的几何拓扑模型中分别提取出轮廓和骨架；对所述轮廓和骨架进行逆向拟合；根据逆向拟合结果获取至少包括所述悬垂结构的特征。
5、在第一方面的可选实施方式中，所述根据逆向拟合结果获取至少包括所述悬垂结构的特征，包括：从逆向拟合结果中获取悬垂角大于预设阈值的结构以将其确认为所述悬垂结构。
6、在第一方面的可选实施方式中，所述目标几何参量与实际几何参量包括几何构型尺寸、悬垂角、长宽比、跨度、约束情况中的至少一种。
7、在第一方面的可选实施方式中，所述工艺参数包括激光功率、扫描策略、光斑直径、铺粉层厚中的至少一种。
8、在第一方面的可选实施方式中，所述根据所述变形量对所述悬垂结构进行变形补偿，包括：将所述几何拓扑模型进行以三角片面为单元的划分；根据所述变形量分别对每个三角面片进行独立的悬垂结构变形补偿。
9、在第一方面的可选实施方式中，所述机器学习模型指示悬垂结构的目标几何参量、工艺参数、实际几何参量、过程参量和成形质量之间的映射关系。
10、在第一方面的可选实施方式中，所述方法还包括：至少将所述悬垂结构的目标几何参量作为输入，通过所述机器学习模型预测并输出与悬垂结构匹配的优化的工艺参数；将优化的工艺参数作为所述悬垂结构的目标工艺参数以进行无支撑3d打印。
11、在第一方面的可选实施方式中，所述至少将所述悬垂结构的目标几何参量作为输入，包括：使用所述悬垂结构的目标几何参量和成形质量作为输入。
12、在第一方面的可选实施方式中，所述通过所述机器学习模型预测并输出与悬垂结构匹配的优化的工艺参数，包括：根据所述悬垂结构的特征识别结果对其进行角度区域的所属划分，并将划分后的角度区域作为所述悬垂结构的目标几何参量的至少一种，以作为输入；通过所述机器学习模型预测并输出与所述悬垂结构所属角度区域相匹配的优化的工艺参数。
13、在第一方面的可选实施方式中，所述角度区域至少为三种，分别为q1、q2、和q3。
14、在第一方面的可选实施方式中，q1＜20°，20°≤q2＜35°，q3≥35°。
15、在第一方面的可选实施方式中，所述过程参量包括熔池尺寸形貌、熔池温度分布、应力分布中的至少一种。
16、在第一方面的可选实施方式中，所述成形质量包括缺陷特征、粗糙度、尺寸精度中的至少一种。
17、第二方面，本发明实施例提供一种构件，所述构件是根据第一方面中任一项所述的方法打印而成。
18、第三方面，本发明实施例提供一种无支撑3d打印装置，包括模型修正单元和3d打印单元；其中，所述模型修正单元包括：特征识别单元，被配置为对待成形构件的几何拓扑模型进行至少包括悬垂结构的特征识别，生成所述悬垂结构的目标几何参量；数据预测单元，被配置为获取所述悬垂结构的工艺参数并将其与所述目标几何参量一同作为输入，通过机器学习模型预测并输出与其匹配的实际几何参量，其中所述机器学习模型至少指示悬垂结构的目标几何参量、工艺参数和实际几何参量之间的映射关系；变形量计算单元，被配置为根据所述实际几何参量与目标几何参量计算出所述悬垂结构的变形量；变形补偿单元，被配置为根据所述变形量对所述悬垂结构进行变形补偿，生成补偿修正后的几何拓扑模型；其中，所述3d打印单元被配置为将补偿修正后的所述几何拓扑模型作为所述待成形构件的目标打印模型以进行无支撑3d打印。
19、第四方面，本发明实施例提供一种电子设备，包括：至少一个处理器；至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理器，并且用于存储由所述至少一个处理器执行的指令，所述指令当由所述至少一个处理器执行时，使得所述电子设备执行第一方面中任一项所述的方法。
20、第五方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现根据第一方面中任一项所述的方法。
21、第六方面，本发明实施例提供一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述计算机可执行指令在被处理器执行时，使计算机实现根据第一方面中任一项所述的方法。
22、基于上述方案，本发明实施例所提供的无支撑3d打印方法，通过悬垂结构的特征识别和机器学习模型的应用，实现了对悬垂结构实际几何参量的精准预测。通过变形量的计算和修正，有效解决了悬垂结构在打印过程中的变形问题。通过机器学习模型智能预测并输出匹配悬垂结构的优化工艺参数，有效提高了无支撑3d打印的成形质量和表面光洁度。该方法结合了先进的3d打印技术和智能化的机器学习手段，为无支撑条件下的构件制造提供了高度可控性，最终实现了在无支撑状态下的高质量、高效率的3d打印。
1.一种悬垂结构优化的无支撑3d打印方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对待成形构件的几何拓扑模型进行至少包括悬垂结构的特征识别，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据逆向拟合结果获取至少包括所述悬垂结构的特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述目标几何参量与实际几何参量包括几何构型尺寸、悬垂角、长宽比、跨度、约束情况中的至少一种。
5.根据权利要求1所述的方法，其特征在于，所述工艺参数包括激光功率、扫描策略、光斑直径、铺粉层厚中的至少一种。
6.根据权利要求1所述的方法，其特征在于，所述根据所述变形量对所述悬垂结构进行变形补偿，包括：
7.根据权利要求1所述的方法，其特征在于，所述机器学习模型指示悬垂结构的目标几何参量、工艺参数、实际几何参量、过程参量和成形质量之间的映射关系。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述至少将所述悬垂结构的目标几何参量作为输入，包括：
10.根据权利要求8所述的方法，其特征在于，所述通过所述机器学习模型预测并输出与悬垂结构匹配的优化的工艺参数，包括：
11.根据权利要求10所述的方法，其特征在于，所述角度区域至少为三种，分别为q1、q2、和q3。
12.根据权利要求11所述的方法，其特征在于，q1＜20°，20°≤q2＜35°，q3≥35°。
13.根据权利要求7所述的方法，其特征在于，所述过程参量包括熔池尺寸形貌、熔池温度分布、应力分布中的至少一种。
14.根据权利要求7所述的方法，其特征在于，所述成形质量包括缺陷特征、粗糙度、尺寸精度中的至少一种。
15.一种构件，其特征在于，所述构件是根据权利要求1至14中任一项所述的方法打印而成。
16.一种无支撑3d打印装置，其特征在于，包括模型修正单元和3d打印单元；
17.一种电子设备，其特征在于，包括：
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至14中任一项所述的方法。
19.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机可执行指令，所述计算机可执行指令在被处理器执行时，使计算机实现根据权利要求1至14中任一项所述的方法。
