首页/文章/ 详情

机器学习助力激光粉末床熔融/定向能量沉积全流程优化:材料选择、工艺参数优化与过程监控

31分钟前浏览42
激光基金属增材制造技术(激光粉末床熔融 PBF‑LB/M、送粉式激光定向能量沉积 DED‑LB/P)已经在航空航天、汽车、生物医疗、能源领域得到广泛应用。该类工艺需要跨越 6 个数量级的多尺度协同,存在激光工艺参数、原料特性、热流体动力学之间复杂交互作用。由此产生覆盖材料、工艺参数、激光‑金属交互、零件最终性能的高维数据集,给揭示工艺‑组织‑性能 (P‑S‑P) 关系带来巨大挑战。

机器学习(ML)能够从海量高维数据挖掘隐藏规律与关联,为金属增材制造的研发优化提供变革性手段。本文是一篇综述文章,全面总结各类机器学习算法在两大主流激光金属增材制造工艺中的最新进展与现存挑战,从三大方向展开梳理: 1)材料选择:面向增材制造的新材料开发、金属粉末筛选; 2)工艺参数优化:工艺地图构建、多目标优化策略; 3)增材制造原位监控与质量保障:基于声发射、可见光、红外、同步辐射 X 射线、多传感器融合的传感系统。

同时文章剖析不同机器学习模型的特点、局限性、数据需求,为模型选型与试验设计提供参考。从机器学习视角,指明未来研究方向,助力自主化金属增材制造系统开发,加速激光金属增材制造工艺迭代优化。

图片

https://doi.org/10.1016/j.jmsy.2026.06.018

图文解读

文章主要亮点

1、全流程视角,覆盖两大主流金属增材制造工艺同时聚焦PBF‑LB/M(激光粉末床熔融)DED‑LB/P(送粉式定向能量沉积),从原料选材→工艺参数优化→在线监控质量保障完整工艺链梳理机器学习应用,区别于大多数只聚焦单一环节的综述。

2、系统对比全部主流机器学习算法对线性回归、SVM、GPR、随机森林、XGBoost、ANN、CNN 等模型,总结各自优缺点、适配数据集规模、典型使用场景;重点指出高斯过程回归 GPR 非常适合小样本增材制造数据,CNN 在图像类传感监控任务表现突出

3、五大传感监控方案全面盘点详细拆解声发射 AE、可见光、红外热成像、同步辐射高速 X 射线、多传感器融合 5 套原位监测方案,对比不同传感器适用缺陷类型、数据形式、机器学习实现方案,整理完整应用表格。

4、直面行业真实痛点,给出未来机会方向不只是罗列文献,深度剖析行业现实瓶颈:高质量数据集匮乏、模型泛化迁移差、可解释性不足、不同设备之间模型难以复用;提出物理信息融合机器学习、主动学习、大语言模型文献挖掘、回收粉末质量预测、多模态传感器融合等前沿方向。

5、多种先进技术结合案例汇总梳理高通量实验 HTE、CALPHAD 相图计算、多物理仿真、同步辐射 X 射线与机器学习结合的大量最新案例,给科研人员提供大量可参考思路。

6、明确区分两种工艺的差异性指出 DED 更适合高通量合金快速筛选;PBF/DED 各自特有缺陷、传感监测难点,工艺之间机器学习迁移存在壁垒。


图片                  

图 1 两种激光金属增材制造工艺原理示意图:(a) 激光粉末床熔融 PBF‑LB/M;(b) 送粉式激光定向能量沉积 DED‑LB/P

图片                  

图 2 (a) PBF‑LB/M 工艺主要缺陷与激光‑金属交互效应示意图;(b) 原位同步辐射 X 射线观测得到的缺陷与激光金属交互现象

图片                  

图 3 (a) DED‑LB/P 工艺主要缺陷与激光‑金属交互效应示意图;(b) 原位同步辐射 X 射线观察熔池与孔隙推移现象

图片                  

图 4 机器学习三大范式示意图:(a) 机器学习分为监督学习、无监督学习、强化学习及其子任务,以及与计算机视觉的关联;(b) 三种机器学习范式原理示意图;监督学习基于已知输入输出标签对做分类;无监督学习依靠数据内在模式聚类;强化学习通过与环境交互、获取奖励反馈完成决策。

图片                  

图 5 各类机器学习算法原理示意图:(a) 线性回归 (LR);(b) 支持向量机 (SVM);(c) 高斯过程回归 (GPR);(d) 随机森林 (RF);(e) 人工神经网络 (ANN);(f) 卷积神经网络 (CNN)

图片                  

图 6 面向增材制造定制化材料开发:(a) DED‑LB/P 进行成分设计与试样制备;(b) 不同晶粒类型、晶粒占比、晶粒取向下的微观组织实例。

图片                  

图 7 基于粉末扫描电镜 SEM 图像,机器学习用于金属粉末选型的主要应用:深度学习方法实现粒度分布表征;基于人工特征方法实现粉末流动性预测。

图片                  

图 8 机器学习构建工艺地图与性能预测流程图,除工艺参数外,材料物理属性也可以作为模型输入;训练数据集来源包含试验设计、数据增强、高保真仿真、高通量试验。模型输出:致密度、表面粗糙度、力学性能、熔池几何形貌。

图片                  

图 9 高通量实验 HTE 在金属增材制造中的应用:(a) 高通量拉伸试样夹具与测试平台;(b) PBF‑LB/M 在不同激光功率、扫描速度下制备的单熔道试样。高通量方法大幅降低数据生成的时间与成本,加速增材制造工艺研发优化。

图片                  

图 10 不同优化策略实现工艺参数优化流程图:(a) 带元模型集成的非支配排序遗传算法‑II,优化打印件能耗、拉伸强度、表面粗糙度;(b) 结合 GPR 的贝叶斯优化,提升试样致密度。

图片                  

图 11 PBF‑LB/M 三种不同打印条件下声发射信号的产生、传播、采集示意图:无缺陷信号、裂纹信号、匙孔孔隙信号。

图片                  

图 12 监测系统的两种搭建方案:(a) 同轴监测系统以及采集的熔区图像;(b) 离轴监测系统以及采集的熔区图像。

图片                  

图 13 (a) 红外传感器采集熔池图像与孔隙率之间的对应关系;(b) 每个体素红外信号与其缺陷状态的对应关系。

图片                  

图 14 语义分割与目标检测模型处理 X 射线图像,识别感兴趣区域,提取匙孔长宽深等关键特征,用于激光吸收率预测。

图片                  

图 15 集成多类传感器的原位监测系统示意图:(a) 声发射 + 可见光传感器;(b) 可见光 + 红外传感器。

图片                  

图 16 PBF‑LB/M 和 DED‑LB/P 熔池内部熔体流动三维重建示意图。

图片                  

图 17 同步辐射 X 射线成像系统、高速红外相机、高空间分辨率红外相机集成系统示意图,用于加深对金属增材制造工艺的理解。

图片                  

图 18 金属增材制造 + 机器学习全流程总览:分为材料、参数、工艺监控三大阶段;分别列出各阶段现存挑战以及未来发展机遇。


结论/展望

  1. 机器学习已经深度渗透PBF‑LB/M 与 DED‑LB/P 从材料开发、粉末筛选、工艺参数优化到在线监测全链条,有效减少试验迭代次数,助力实现更加自主智能的金属增材制造系统。
  2. 不同机器学习模型各有适用边界:
  1. 小样本增材制造数据集,高斯过程回归 GPR 优势明显,可输出预测不确定性,但大数据场景算力受限
  2. 树类模型(RF、XGBoost)抗噪声,适合工艺‑性能回归预测;
  3. CNN 非常适合 SEM 粉末图像、熔池图像、X 射线影像等视觉数据,但依赖大量标注数据,可解释性差。
  1. 材料选择方向:机器学习可实现合金成分逆向设计、微观组织预测;依托 SEM 图像完成粉末粒度、流动性快速评估;但现有模型跨设备、跨牌号粉末泛化能力弱,回收粉末生命周期预测是未来重要方向
  2. 参数优化方向:仅依靠工艺参数输入的模型泛化有限,融入物理先验特征(马兰戈尼数、熔池最高温度等)可以显著提升模型精度;数据来源可以结合文献挖掘、多物理仿真、高通量实验弥补试验样本不足;贝叶斯优化、遗传算法、强化学习可以完成单 / 多目标工艺寻优;DED 公开基准数据集稀缺,单熔道优化很难直接迁移到大块实体打印。
  3. 过程监控方向:单类传感器各有短板,多传感器数据融合是提升缺陷检测可靠性的重要路径;同步辐射 X 射线能够揭示底层物理机制,但设备稀缺;借助迁移学习,把同步辐射数据知识迁移到工业低成本传感器,具备很高实用价值。
  4. 现存共性核心挑战:高质量标注数据集稀缺;同一参数下实验结果存在复现性波动;多数模型黑盒、可解释性不足;模型在不同机器、不同合金之间迁移泛化能力不足。未来发展重点是物理信息融合机器学习、主动学习、多模态传感器融合、大模型文献挖掘,推动机器学习真正落地工业生产    

来源:增材制造硕博联盟
化学航空航天汽车增材裂纹参数优化材料多尺度试验
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-09-09
最近编辑:31分钟前
增材制造博硕联盟
硕士 聚焦增材制造科研与工程应用,致...
获赞 129粉丝 96文章 629课程 0
点赞
收藏
作者推荐

新加坡国立大学顶刊丨磁场辅助增材制造实现金属延展性提升25%!磁场如何调控组织和性能?

在金属增材制造中,磁场、超声场、热场等外加物理场,正在成为调控组织和性能的重要手段。过去,磁场辅助增材制造常被理解为“减少孔隙”:孔隙少了,裂纹源减少,材料自然更容易拉伸。但云熔智算团队最新研究发现,当打印参数已经优化、样品本身孔隙率很低时,磁场仍然可以显著提升金属 3D 打印件的延展性。 Ductilizing additively manufactured paramagnetic alloys via auxiliary magnetic field: Beyond the porosity effecthttps://doi.org/10.1016/j.ijmachtools.2026.104422在这项工作中,我们以 LPBF 成形 316L 不锈钢为代表材料,将辅助磁场引入打印过程,并结合实验表征、高保真熔池模拟、晶体塑性有限元模拟和原位 EBSD 拉伸实验,系统揭示了磁场辅助增材制造中的新型增塑机制。实验结果显示,在水平拉伸方向上,也就是拉伸方向法向于构建方向时,磁场辅助样品的延伸率提升约 25%,同时强度没有降低。如果只看实验,我们只能知道“磁场让材料更能拉”。但通过仿真,我们进一步把这个现象拆解成了两个问题:通过高保真熔池仿真:我们看到了磁场如何改变熔池流动,并进一步影响枝晶偏转和晶粒形貌。通过晶体塑性仿真:我们看到了这种晶粒形貌变化如何改变局部变形与损伤分布,最终提升材料延展性。也就是说,仿真不只是验证实验结果,而是把“磁场为什么有效”这件事真正解释清楚。这也是这项工作的核心意义:磁场辅助增材制造不只是“控缺陷”,更可以通过仿真理解并设计“组织—性能”关系。 Part 1磁场辅助打印,难点不只是“加磁铁” 磁场辅助增材制造并不是简单地在设备旁边放一块磁铁。对于 316L 这类顺磁合金,粉末虽然只会产生弱磁响应,但在铺粉过程中仍可能被磁场吸引,造成团聚或铺粉不均,进而影响成形质量。因此,在这项工作中,我们将永磁体放置在基板下方,而不是打印区域侧面。这样既能让磁场作用于熔池和凝固过程,又能尽量避免粉末被横向吸走。同时,磁场强度也需要平衡:太弱,难以有效调控组织;太强,又会加剧粉末团聚。通过装置设计和参数优化,我们实现了低孔隙率条件下的磁场辅助 LPBF 成形。 图1:磁场辅助 LPBF 实验装置:永磁体放置于基板下方,在保证铺粉质量的同时向打印区域施加辅助磁场。Part 2性能提升,不是简单来自孔隙率降低 过去很多研究常把磁场辅助增材制造的性能提升归因于孔隙率降低。但在我们的研究中,有无磁场样品都已经具有较高致密度:无磁场样品相对密度约为 99.73%;有磁场样品相对密度约为 99.81%。两者孔隙率差异很小,孔径分布也非常接近。然而,在水平拉伸方向上,磁场辅助样品的延伸率提升约 25%,同时强度没有降低。这一点非常关键。如果磁场只是简单降低孔隙率,那么不同加载方向下都应该出现类似增塑效果。但实验显示,显著增塑主要出现在水平拉伸方向,也就是拉伸方向法向于构建方向。这说明,磁场的作用并不只是“少了一点孔”,而是改变了晶粒形貌相对于加载方向的空间排列。 图2:有无磁场样品的孔隙率与拉伸性能对比:孔隙率差异很小,但延伸率显著提升,说明增塑机制并非主要来自孔隙减少Part 3磁场真正改变了什么?答案在晶粒形貌里 EBSD 表征显示,磁场并没有显著改变平均晶粒尺寸、主要织构方向、平均初始 GND 密度和孔隙率水平。真正发生变化的是:晶粒形貌。在 LPBF 成形的 316L 不锈钢中,常见一种典型的“柱状晶—月牙形晶粒”周期结构。无磁场时,月牙形晶粒倾斜角较大;加入磁场后,月牙形晶粒倾斜角明显减小,同时柱状晶区域变窄。这两个变化都很关键:月牙形晶粒倾斜角降低,会改变软晶粒和硬晶粒在拉伸方向上的相互约束关系;柱状晶区域变窄,会减少容易发生损伤局域化的区域比例。简单来说,磁场没有明显改变晶粒“大小”,而是改变了晶粒“怎么排列”。 图3:磁场对晶粒形貌的影响:有无磁场样品具有相近织构和晶粒尺寸,但月牙形晶粒倾斜角显著不同。Part 4高保真熔池仿真:磁场如何改变晶粒形貌? 那么,磁场为什么会改变月牙形晶粒倾斜角?这个问题很难只靠实验回答。EBSD 可以告诉我们最终晶粒长成了什么样,但它无法直接告诉我们打印瞬间熔池内部的流动如何变化。要理解磁场如何影响晶粒形貌,就必须借助熔池尺度的多物理场仿真。因此,我们进行了高保真熔池动力学模拟。模拟结果显示,有无磁场时,熔池整体温度场和温度梯度分布非常接近。这意味着,晶粒形貌变化不能简单归因于“热场变了”。真正明显变化的是:熔池流动。在磁场作用下,熔池内会产生洛伦兹力,进而改变糊状区附近的局部流动。而晶粒形貌来自凝固过程。当糊状区附近流动发生变化,枝晶生长方向就可能发生偏转,最终影响成形后的晶粒形貌。因此,仿真帮助我们建立了这条关键路径:磁场产生洛伦兹力,洛伦兹力改变糊状区熔池流动,局部流动影响枝晶偏转,枝晶偏转改变最终晶粒形貌。最终,在 EBSD 图像中表现为月牙形晶粒倾斜角降低,以及柱状晶区域变窄。需要说明的是,这条“熔池—枝晶—晶粒形貌”的路径,目前主要由高保真熔池模拟结果和已有枝晶生长理论共同支持。由于枝晶生长发生在极小尺度和极短时间内,未来仍需要进一步结合相场模拟、枝晶尺度模型或原位观测,对其中细节进行更直接验证。 图4:熔池模拟揭示磁场调控晶粒形貌的机制:热场变化不明显,但磁场显著改变糊状区流动,从而影响枝晶偏转与晶粒倾斜角。Part 5晶体塑性仿真:晶粒形貌如何提升塑性? 熔池模拟解释了晶粒形貌为什么会变。但晶粒形貌变化为什么能让材料更“能拉”,还需要另一个层次的仿真来回答。因此,我们进一步进行了晶体塑性有限元模拟。在模拟中,真实 EBSD 晶粒形貌被映射进计算模型,用来分析不同晶粒排列下的塑性变形和损伤分布。这样,我们就可以从“最终拉伸曲线”进一步深入到材料内部,看局部损伤究竟集中在哪里。在拉伸过程中,不同取向的晶粒变形难易程度不同。我们可以简单把它们理解为“软晶粒”和“硬晶粒”:软晶粒更容易发生塑性变形;硬晶粒变形阻力更高。如果软硬晶粒之间的空间排列不利于协同变形,软晶粒就会更容易单独变形,局部应变梯度会变大,损伤也更容易集中。模拟结果显示,无磁场样品中,损伤更容易集中在两个区域。第一,是柱状晶区域。柱状晶区域更容易形成明显损伤局域化。第二,是月牙形晶粒中软硬晶粒过渡明显的区域。当软硬晶粒界面相对于水平拉伸方向明显倾斜时,软晶粒更容易自由变形,局部应变梯度变大,损伤更容易集中。磁场作用后,晶粒形貌发生了两个关键变化:月牙形晶粒倾斜角减小,促进软硬晶粒之间的损伤离域化;柱状晶区域变窄,减少容易形成损伤热点的区域。这说明,磁场带来的增塑不是简单来自“孔隙减少”,而是来自晶粒形貌调控后的损伤重新分布。换句话说:熔池仿真解释了“组织为什么变”,晶体塑性仿真解释了“性能为什么提升”。 图5:晶体塑性模拟揭示磁场增塑机制:月牙形晶粒倾斜角减小和柱状晶区域变窄,共同降低损伤局域化。Part 6原位 EBSD:验证变形中的 GND 演化 为了进一步验证晶体塑性模拟揭示的损伤离域化机制,我们进行了原位 EBSD 拉伸实验。这里需要区分两个概念:初始 GND,和变形过程中演化出来的 GND。磁场对平均初始 GND 密度影响很小,因此初始 GND 并不是磁场增塑的主导原因。真正关键的是拉伸过程中软硬晶粒界面附近的 GND 演化。GND 可以反映局部应变梯度。如果某一区域在变形中出现明显 GND 局域化,通常意味着这里发生了更强的变形不协调,也更容易成为损伤集中的位置。原位 EBSD 结果显示,无磁场样品中,当软硬晶粒界面相对于水平拉伸方向明显倾斜时,界面附近更容易出现 GND 局域化;而磁场辅助样品中,月牙形晶粒倾斜角降低,软硬晶粒之间的相互约束增强,GND 局域化明显减弱。这证明,磁场调控晶粒形貌后,改变的不是初始位错密度本身,而是拉伸过程中局部应变梯度和损伤局域化的演化路径。 图6:原位 EBSD 拉伸验证:变形过程中软硬晶粒界面附近的 GND 演化,揭示局部应变梯度与损伤局域化机制。Part 7孔隙率降低不是性能提升主因 孔隙会造成应力集中,也会成为裂纹萌生位置。减少孔隙,确实有助于提升延展性。但在这项工作中,我们发现:孔隙率并不是主要原因。定量估算显示,磁场带来的孔隙率降低,只能解释不到 15% 的延展性提升。换句话说,如果只用“孔少了”来解释这次 25% 的延展性提升,是远远不够的。真正起主导作用的,是磁场改变了晶粒形貌。磁场作用后,月牙形晶粒倾斜角减小,柱状晶区域变窄,软晶粒和硬晶粒之间的空间排列随之改变。这样一来,拉伸过程中局部变形不再集中在少数薄弱区域,而是被更均匀地分散开来。这正是这项工作的关键意义:磁场辅助增材制造的价值,不只是减少孔隙,更是通过调控晶粒形貌来分散损伤。Part 8为什么这对顺磁合金很重要? 顺磁合金在工程中非常常见,包括:奥氏体不锈钢铝合金钛合金NiTi 合金部分镍基和高熵合金体系这些材料广泛用于航空航天、生物医疗、能源装备、功能器件等领域。过去,磁场辅助制造更多被用于强磁响应材料,或者主要围绕孔隙率降低展开。而我们这项工作说明:即使是弱磁响应的顺磁合金,也可以通过合理的磁场设计,在增材制造过程中实现组织与性能调控。更重要的是,LPBF 中常见的“柱状晶—月牙形晶粒”结构,不只存在于 316L 不锈钢中,在多种增材制造金属材料中都很常见。因此,这一机制有望推广到更多顺磁合金和更多增材制造工艺。Part 9仿真连接工艺、组织与性能 这项工作真正想说明的是:磁场辅助增材制造的价值,不只是减少孔隙,更在于调控组织和损伤演化。对云熔智算来说,这项工作的意义不仅是发现“磁场可以提升延展性”,而是展示了一条仿真驱动的研究路径:用熔池仿真解释工艺如何改变组织,用晶体塑性模拟解释组织如何影响性能,再用实验验证关键机制。这也是我们持续关注的方向:把工艺、熔池、组织和性能真正连接起来,让复杂制造过程从“经验调参”走向“可预测设计”Part 9结语 给金属 3D 打印加一个磁场,改变的不只是孔隙。更深层地,它改变了熔池流动、枝晶生长方向、月牙形晶粒与柱状晶的空间分布,也改变了材料在拉伸时损伤集中的方式。当这些看不见的过程能够被模拟、被验证、被设计,增材制造就不再只是“调参数”,而是走向真正的组织设计与性能设计。 来源:增材制造硕博联盟

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈