TPC-TCF发射率预测模型

实时预测热历史

针对分层形貌对发射率的影响，提出并行TCN-TrF构架结合交叉注意力机制，实现增材制造在线热历史预测。

Liu, Chenfei · 袁涛 · He, Shan · Yixiang, Wang · Honglie, Lai · 陈树君

Journal of Manufacturing Processes 2025

技术优势

发射率辨识更准

考虑沉积件表面形貌对发射率的影响，建立机器学习模型识别预测观测区域发射率值，提升红外测温精度。

长时间趋势预测

采用改进的TCN-TrF模型对热历史趋势进行长期时间预测，结合交叉注意力机制更好地捕捉时空特征。

未知数据表现好

数值与案例研究表明，所提方法在未知数据上达到优异性能，预测精度显著提升。

应用场景

• 增材制造过程监控：提供在线热历史预测，实现对熔池和沉积层温度的实时监控与反馈控制。
• 红外热像测温：校正发射率变化引起的测温误差，提升红外热像在复杂表面下的测温可靠性。
• 金属零件质量控制：通过热历史预测提前识别异常热状态，防止缺陷形成，保障零件性能。