AlSi10Mg铝合金凭借优异的流动性与综合力学性能，在航空航天及汽车等高端装备领域具有广泛应用前景。激光能量沉积（L-DED）技术为其复杂结构件的高效定制化制备提供了重要途径。然而，成形过程中多物理场强耦合作用显著，工艺参数与成形质量之间呈现高度非线性关系，易诱发气孔、未熔合等缺陷，严重制约构件性能与工程应用。针对上述问题，本文以AlSi10Mg合金为研究对象，构建了激光能量沉积多物理场耦合模型，综合考虑激光-材料相互作用、熔池流动、传热传质及相变行为，系统揭示工艺参数对熔池温度场、流场及凝固行为的影响机制。在此基础上，通过数值模拟获取熔池几何形貌、温度演化及冷却速率等多源过程特征数据。进一步地，构建了以工艺参数为输入、熔池几何特征及热物理状态参数为输出的深度神经网络（DNN）预测模型。通过融合高保真仿真数据与少量实验标定数据，实现了对熔道宽度、熔深及热影响区分布等关键成形指标的高效预测。结果表明，模型预测值与实验测量结果具有良好一致性，主要成形指标的平均相对误差低于5%，显著提升了工艺参数优化效率。本研究提出了一种数据-物理融合驱动的成形预测方法，为AlSi10Mg合金高质量增材制造及激光能量沉积过程的智能调控提供了理论依据与技术支撑。
 

激光能量沉积,AlSi10Mg,多物理场仿真,深度神经网络,成形预测