» AI

增材制造钛合金等效弹性张量的细观力学建模与实验研究 …l 【焦点 l 模拟、AI】

3DScienceValley — Fri, 25 Apr 2025 02:30:37 +0000

增材制造钛合金等效弹性张量的
细观力学建模与实验研究

谭若涵1宋永锋1,2陈超3李丹3成庶1李雄兵1
1.中南大学交通运输工程学院2.广东工业大学省部共建精密电子制造技术与装备国家重点实验室3.中南大学粉末冶金研究院

孔隙和织构均为增材制造多晶体金属的重要特征，但已有的细观力学模型无法研究2者的耦合作用对材料力学性能的影响机理。因此，本工作构建了双相金属材料改进的Mori-Tanaka （modified Mori-Tanaka,MMT）模型，在此基础上预测增材制造（AM） Ti-6Al-4V合金的等效弹性张量，进而探究AM多晶体材料的微观结构对材料宏观力学性能的影响规律。本模型结合了传统MT模型和微分法，可综合分析各向异性多晶体织构和孔隙2个耦合因素与宏观力学性能的内在联系。通过有损和无损实验，研究了2种不同孔隙率和织构的AM Ti-6Al-4V试块的相变行为、取向分布函数、孔隙率和孔隙形貌特征。为验证理论预测的准确性，采用了稀疏法与所建立模型进行对比分析；同时开展了拉伸实验和超声实验，基于MMT模型得到的Young’s模量与拉伸实验结果的平均绝对百分比误差（MAPE）分别为0.87%和2.51%，基于MMT模型得到的等效弹性刚度张量Ceff与超声实验结果的MAPE分别为9.47%和4.45%。可见，实验结果从力学角度和无损检测2个角度验证了MMT模型的有效性，为研究AM多晶体材料的微观结构与宏观力学性能的作用机理提供了一种有效的细观力学分析方法。

基于晶粒形貌的
增材制造力学行为数值模拟

王艺飞、陈静远、张昭
大连理工大学工业装备结构分析优化与CAE软件全国重点实验室

为了研究电弧增材制造中材料的各向异性力学行为，本文建立了双椭球热源模拟电弧增材制造过程中的温度场，建立Monte Carlo模型模拟增材层截面微观组织的变化，建立晶体塑性模型表征晶粒形貌对材料力学行为的影响规律，从而修正位错动力学模型，得到基于晶粒形貌特征的电弧增材制造中各向异性的力学行为数值模拟方法。修正后的位错动力学模型可以很好地反映出电弧增材制造工艺特征导致的材料各向异性行为，且与试验结果一致。电弧增材制造构件在增材高度方向上的力学性能显著低于热源移动方向的力学性能，在增材高度方向上和热源移动方向上晶粒尺寸比达到7.5 mm/1.3 mm时，屈服强度比达到787.8 MPa/865.2 MPa。钛合金在600℃以上出现明显的材料软化，这主要是晶粒球化导致的。

电弧增材制造传热传质
数值模拟技术综述

郭鑫鑫1魏正英1张永恒1张帅锋1,2
1. 西安交通大学精密微纳制造技术全国重点实验室2. 中国船舶集团有限公司第七二五研究所

电弧增材制造过程涉及丝材的送入和熔化，熔融金属向熔池的过渡，熔池中液态金属的对流、凝固和成形。缺陷的形成与电弧增材制造过程中发生的复杂多物理场现象密切相关。因此，需要借助高保真数值模拟技术来深入理解这些物理现象，并将其作为优化工艺条件、制造高质量产品的理论依据。本文综述了电弧增材制造传热传质数值模拟涉及的关键技术，并对未来研究方向进行了展望：首先，介绍了几种典型的热源模型，鉴于电弧增材制造过程中熔池的形成与演变是多种驱动力共同作用的结果，分析了浮力、电磁力、表面张力、电弧压力、电弧剪应力模型对流体流动和熔池表面变形的影响；然后，总结了三种金属过渡模型，包括速度入口填充液态金属、指定位置添加球状质量源项以及直接建立固态金属焊丝；最后，介绍了常用的气液界面跟踪方法。

基于RSM-RVEA的FDM
增材制造工艺参数优化方法

赵欣1黄金杰1,2,3
1. 哈尔滨理工大学计算机科学与技术学院2. 哈尔滨理工大学自动化学院3. 哈尔滨理工大学黑龙江省复杂智能系统与集成重点实验室

与传统制造生产的效率相比，当前的3D打印生产效率仍相对较低。因此，如何优化工艺参数，以提升打印件性能、缩短打印时间和减少材料成本，对于提升制造效率来说至关重要。针对这一问题，借鉴传统多目标问题优化方法并结合数值分析，给出一种面向熔融沉积制造(Fused deposition modeling,FDM)的工艺参数优化方法。具体来说，该方法通过响应面法来引导和减少数值分析次数，所得到的回归方程采用基于参考向量引导的进化算法(Reference vector guided evolutionary algorithm,RVEA)来寻找工艺参数的Pareto最优解。同时引入角度惩罚技术，使得该方法在进化初期注重收敛性，在进化末期注重多样性，有效地提高了迭代计算的平衡性。相较于其他工艺参数优化方法，本方法能够更好地提升打印效率并降低制造成本，且具有较好的可靠性。

肠道支架五轴增材制造
人工智能监测方法研究

高欣宇、赵一坤、戴源、顾志杰、林乐乐、崔浩鹏、徐婧嵋、王慧敏、杨继全、李宗安
南京师范大学电气与自动化工程学院、江苏省三维打印装备与制造重点实验室

针对肠道支架五轴增材制造技术存在的成型质量监测及可追溯性的问题，本文提出了一种基于YOLO8的五轴肠道支架增材制造人工智能监测方法。首先采用轻量级通用上采样内容感知重组(CARAFE)模块，在上采样过程中实现细节丰富和边缘平滑；其次基于特征融合金字塔网络能够融合多尺度特征的性能，提出重参数泛化特征金字塔融合网络，可提供有效的信息传输方式，扩展网络的深度；然后引入强效交并比损失函数改进网络模型，增强对中等质量锚框地聚焦能力，实现了平均精度的提高；最后通过消融对比实验，验证了本文提出的算法，结果显示本文提出的监测算法针对层间剥离、喷头堵塞、局部欠挤出等问题的精度分别达到了91.3%、76.6%和71.8%，在FDM增材制造人工智能监测领域具有一定的应用前景。

基板温度对激光增材制造
熔池特征影响的数值模拟研究

钱学海、赵吕、李振环
华中科技大学航空航天学院&智能制造装备与技术全国重点实验室

激光粉末床熔融增材制造技术具备成形自由度高和制造周期短等优势，在航空航天和生物医疗领域复杂结构一体化成形中展现出卓越潜力。激光粉末床熔融工艺涉及极高的升温、冷却速率和极强的温度梯度，不可避免地在构件内产生热应力和残余应力，严重损害构件的力学性能。因此，选取合理的工艺参数，降低熔池区域温度梯度幅值，对提高成型件质量有着重要的意义。本文基于流体动力学方法，使用多相流方法追踪粉末形状变化，考虑了反冲压力和马兰戈尼效应，计算分析了熔池流动行为和基板温度对温度梯度的影响。结果表明，熔池边界的温度梯度显著高于熔池内部，提高基板初始温度可有效降低温度梯度幅值，有望减小热应力和残余应力。

l 谷专栏 l

欢迎高校及科研机构、企业科学家加入谷专栏，与业界分享对推动增材制造发展起关键作用的共性基础科研与应用成果，欢迎扫描下方图片二维码提交您的信息。

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

新加坡国立大学等 l 下一代自主增材制造系统的未来发展方向

3DScienceValley — Tue, 25 Mar 2025 01:28:10 +0000

1 作者
范昊林，刘辰澍，边世杰，马长语，黄俊霖，刘轩，Marshall Doyle, Thomas Lu, Edward Chow，陈连义，傅盈西，卢文峰，李冰冰

2 机构
美国加州州立大学北岭分校，新加坡国立大学，美国威斯康星大学麦迪逊分校等

3 Citation
Fan H L et al. 2025. New era towards autonomous additive manufacturing: a review of recent tre

01 文章导读

基于数字化制造和人工智能技术快速发展的背景下，增材制造系统仍面临知识碎片化、高度依赖人工操作等挑战，严重限制了其自主化运行能力。近期美国加州州立大学北岭分校、新加坡国立大学、美国威斯康星大学麦迪逊分校等的研究人员合作在制造工程领域排名第一的学术期刊《极端制造》（International Journal of Extreme Manufacturing, IJEM）上发表了题为《New era towards Autonomous Additive Manufacturing: a review of recent trends and future perspectives》的综述文章，系统性地阐述了自主增材制造(AAM)系统的关键技术架构、知识驱动、智能预测、运行验证及认知决策等前沿进展，提出了基于多源数据融合、闭环控制系统和极端环境适应等发展思路，对推动增材制造向更智能、更自主的方向发展具有重要的指导意义。

02 图文解析

在生成式人工智能时代，人工智能代理的引入为解决增材制造领域的诸多挑战带来了新的契机，包括知识碎片化、操作自主性不足以及人工干预复杂等问题。得益于大型基础模型的出现，人工智能代理具备了强大的推理能力，使其能够自主选择和运用合适的工具，并通过闭环控制实现工具优化。这一突破性进展有望解决智能增材制造中的工具使用离散化问题，全面提升控制、监控和流程的自主性水平。

图1 人工智能代理的采用与协作。

图1重点展示了利用人工智能代理的训练与协作技术，提升增材制造过程控制的核心方法。其关键在于如何将增材制造硬件与传感器数据有机结合，并针对复杂的增材制造过程实现高效协作。数字孪生、增强现实和仿真技术为代理提供了丰富的训练环境，通过物理驱动的机器学习，代理能够表征工艺-结构-性能等复杂关系，并具备泛化和迁移能力，从而适应实际增材制造中的多样化任务，例如调度优化、设计改进、人机监控与在线监测等。通过多代理的推理、执行与反馈机制，代理不仅可以在特定任务中进行本地化训练，还能实现知识共享。这种仿真与协作相结合的技术路径，使代理能够更好地应对实际增材制造过程中的复杂挑战。

03 总结与展望

图2 增材制造的未来发展方向：自主增材制造（AAM）。

本文系统性综述了人工智能在增材制造领域的应用现状，重点阐述了从智能增材制造(IAM)向自主增材制造(AAM)系统演进的发展趋势。研究表明，当前IAM系统仍存在三个主要局限：一是各个子系统相互独立，缺乏集成解决方案；二是未能有效利用现有文档和物理驱动的先验知识；三是缺乏高层次控制器，无法基于局部观察做出全局性决策。

针对这些挑战，文章提出了AAM系统框架，如图2所示。该框架由知识层、生成解决方案层、运行层和认知层四个关键层级组成。其中，知识层通过整合传感器数据、模型、仿真和先验知识来获取系统洞见；生成式解决方案层主要通过大型多模态模型和知识的结构化表示，致力于增材制造过程的学习与推理；运行层负责验证人工智能代理的性能，并探索其在不同增材制造工艺及生命周期阶段的应用潜力；认知层则作为高层控制器，赋予人工智能代理感知、推理、规划、执行和自我反思等能力。这四个层级的有机结合，最终构建成一个完整的端到端自主增材制造系统。

展望未来，AAM系统框架将通过集成人工智能驱动的认知能力与预测分析能力，在提升制造自主性、效率和适应性方面发挥重要作用。这一框架不仅能够提高产品质量、降低成本、增强柔性，更为增材制造技术的下一代发展奠定了基础。后续研究将进一步探索人工智能在推动制造技术革新中的关键作用，为实现更智能、更自主的增材制造提供新的思路和方法。

04 作者简介

来源
极端制造 l

极端制造｜下一代自主增材制造系统的未来发展方向

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

增材制造镍基高温合金成形过程数值模拟研究进展 …l 【焦点 l 模拟、AI】

3DScienceValley — Mon, 10 Feb 2025 02:45:50 +0000

根据的市场洞察，数值模拟以及机器学习在每个特定领域发挥着越来越重要的作用，包括：缺陷检测和纠正、在构建过程中和构建之后减少残余应力和故障、原位计量和设计精度、微结构设计、合金设计和优化。

本期，通过节选近期国内在模拟、人工智能算法等方面的实践与研究的多个闪光点，与谷友一起来领略的这一领域的发展近况。

“ 3D Science Valley 白皮书图文解析

”

增材制造镍基高温合金成形
过程数值模拟研究进展

胡勇1,2,3张文格1,2,3马好放1,2王泽1,2杨小康1,2
1.兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室2.兰州理工大学材料科学与工程学院3.兰州理工大学温州泵阀工程研究院

摘要：

增材制造技术为镍基高温合金复杂零部件的制造带来了前所未有的机遇，然而在实验研究和实际生产中仍然面临着较大的竞争压力，制约了增材制造镍基高温合金的快速发展。

“ 3D Science Valley 白皮书图文解析

”

近年来，不同尺度的模拟方法逐步应用于指导镍基高温合金的增材制造和开发。具体来说，宏观尺度模拟关注成形过程中的热历史、成形控制、残余应力分布和力学行为；介观尺度模拟主要用于解决成形过程中的激光吸收、熔池内熔体流动、熔化凝固、缺陷形成以及裂纹防治等问题；微观尺度模拟则聚焦于制造过程中构建材料的微观组织演化；而多尺度模拟通过耦合不同类型的模型，实现了材料成形过程中的跨尺度研究。

本课题通过综述宏观、介观和微观以及多尺度条件下镍基高温合金增材制造过程数值模拟研究进展，分析了不同模拟方法对于解决增材制造镍基高温合金成形和控性相关问题的策略和思路。最后，针对如何推动数值模拟在增材制造镍基高温合金开发中的应用进行了展望，并指出其发展方向。

基于晶粒形貌的
增材制造力学行为数值模拟

王艺飞、陈静远、张昭
大连理工大学工业装备结构分析优化与CAE软件全国重点实验室

摘要：

为了研究电弧增材制造中材料的各向异性力学行为，本课题建立了双椭球热源模拟电弧增材制造过程中的温度场，建立Monte Carlo模型模拟增材层截面微观组织的变化，建立晶体塑性模型表征晶粒形貌对材料力学行为的影响规律，从而修正位错动力学模型，得到基于晶粒形貌特征的电弧增材制造中各向异性的力学行为数值模拟方法。修正后的位错动力学模型可以很好地反映出电弧增材制造工艺特征导致的材料各向异性行为，且与试验结果一致。电弧增材制造构件在增材高度方向上的力学性能显著低于热源移动方向的力学性能，在增材高度方向上和热源移动方向上晶粒尺寸比达到7.5 mm/1.3 mm时，屈服强度比达到787.8 MPa/865.2 MPa。钛合金在600℃以上出现明显的材料软化，这主要是晶粒球化导致的。

增材铜合金拉伸力学行为的
卷积神经网络预测

肖庆晖1张仁嘉2刘士杰3胡文轩1吕晨晞1朱思瑛1易敏1
1.南京航空航天大学航空航天结构力学及控制全国重点实验室2.北京宇航系统工程研究所3.北京航天动力研究所低温液体推进技术实验室

摘要：

深度学习因其在处理复杂数据和解决复杂问题方面的显著优势而备受关注，已应用于材料性能预测领域。

“ 3D Science Valley 白皮书图文解析

”

本课题提出了一种结合卷积神经网络模型与晶体塑性有限元方法的预测框架，在晶体塑性模型中考虑了增材铜合金(CuCrZr)固溶强化、位错强化以及晶界强化的贡献，实现了基于增材铜合金的晶体学织构极图、微结构图和晶粒尺寸预测单轴拉伸力学行为的目标。

首先，基于实验结果对晶体塑性模型参数进行校正，验证了模型的准确性及预测能力。随后，使用参数校正后的晶体塑性模型对增材铜合金不同的代表体积元进行了一系列的有限元模拟，并利用这些模拟结果对卷积神经网络模型进行了训练、验证与测试。研究结果表明，该卷积神经网络模型在保证预测精度的同时，显著减少了计算时间，展示了其在增材铜合金力学性能预测方面的应用前景。

激光熔覆四通道喷嘴
结构参数对外流场的影响研究

陈春雨1,2邵中魁2沈小丽2鲁玉军1
1.浙江理工大学机械工程学院2.浙江省机电设计研究院有限公司新技术研究所

摘要：

为了解决激光熔覆四通道同轴送粉喷嘴粉末流汇聚效果不佳这一问题，对四通道同轴送粉喷嘴的结构参数进行了仿真优化研究。首先，建立了喷嘴二维结构图，利用理论模型分析了喷嘴结构参数对粉末汇聚形态的影响；然后，基于气固两相流理论，采用有限元仿真软件对激光熔覆四通道喷嘴的结构参数进行了仿真分析，探究了不同结构参数下粉末流参数的变化规律，以及外流场浓度的分布规律，得到了合理的结构参数范围；最后，对参数优化后的喷嘴进行了送粉测试，根据测试结果与仿真结果进行了对比验证。

研究结果表明：当喷嘴粉管倾角增大时，焦距增大，同时粉末浓度快速增大后稳定，倾角在60°～75°间合适；当喷嘴粉管内径增大时，粉末浓度和焦距先增大后减小，粉斑直径则先减小后增大，内径在1.5 mm左右合适；当喷嘴粉管出口处间距增大时，焦距增大，间距在12 mm左右合适；当喷嘴入射管内径增大时，送粉速度增大，同时粉末浓度减小，入射管内径应尽量与输送管匹配；当喷嘴外保护气倾角为35°～65°时，保护气作用在粉流汇聚处。测试结果验证了模型的准确性，其粉斑直径为2.2 mm，粉末焦距为16.1 mm，粉末汇聚效果良好。该模型可为改善喷嘴送粉效果提供参考。

激光选区熔化钨基复合材料
形貌演变及缺陷形成机制研究

乔湛1胡章平2
1.国家能源集团新能源技术研究院有限公司2.南京航空航天大学航天学院

摘要：

钨基复合材料具有优异的综合性能，如高熔点、优异力学性能、低热膨胀系数、高硬度、良好热导率及优异耐腐蚀性能等，因此被广泛应用于航空航天、核工业、医疗装备及电子器件等领域。针对传统粉末冶金工艺制备钨基复合材料存在的结构设计受限及性能提升困难等瓶颈问题，采用激光选区熔化（SLM）技术制备钨基复合材料。

“ 3D Science Valley 白皮书图文解析

”

首先，研究了激光体积能量密度对W-Y2O3钨基复合材料物相结构的影响；其次，研究了激光体积能量密度对W-Y2O3钨基复合材料表面形貌及内部组织演变行为的影响；最后，阐明了SLM成形W-Y2O3钨基复合材料缺陷形成机制。

结果表明：通过优化SLM成形工艺参数可以抑制未熔化球形粉、孔洞及表面凹凸不平等缺陷的形成，但依旧无法抑制钨基复合材料中裂纹成形缺陷的萌生。SLM工艺特性引入的高温度梯度和高热应力与钨的高韧脆转变温度二者协同作用能够诱导裂纹萌生，并沿着低结合强度钨晶界进行扩展形成网状裂纹。本研究的开展不仅能为SLM成形钨基复合材料缺陷形成机制提供理论基础，还为增材制造制备无成形缺陷钨基复合材料提供技术支撑。

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

上海理工大学王皞教授课题组 l 机器学习辅助增材制造金属材料疲劳寿命预测的最新进展综述

3DScienceValley — Wed, 05 Feb 2025 09:53:52 +0000

第一作者：王皞

通讯作者：王皞，Aijun Huang，Lai-Chang Zhang，Daolun Chen

通讯单位：上海理工大学

DOI: 10.1016/j.jmst.2024.01.086

01 全文速览

增材制造以其制造复杂几何形状和内部结构的能力，广泛应用于生物医学和航空航天等领域。然而，由于存在随机缺陷和各向异性，增材制造部件的疲劳性能预测仍面临挑战。本工作综述了通过机器学习模型预测增材制造金属材料疲劳寿命预测的最新进展。

02 研究背景

增材制造通过逐层增加材料来构造部件且拥有制造复杂几何形状和内部结构的能力，是一种快速、灵活且生态友好的技术。但在当前的工艺条件下，仍难以避免孔洞、未熔合等冶金缺陷，这给打印态金属材料的疲劳性能预测带来困难。随着大数据和人工智能的快速发展，作为人工智能的一个分支，机器学习的出现有望为增材制造金属材料的疲劳预测提供新的视角。

03 本文亮点

传统方法在增材制造金属材料疲劳寿命预测中存在诸多挑战。本文综述了不同机器学习模型在增材制造金属材料疲劳寿命预测中的应用，探讨了影响疲劳寿命预测的关键因素，揭示了疲劳寿命与缺陷、微观结构及工艺参数的关系，并提出了相关改进预测性能的建议。

04 图文解析

图1. 1 用于增材制造部件性能预测的机器学习模型双向流程图。

图1. 2 增材制造金属材料疲劳应力与疲劳寿命的关系。（a）铝合金；（b）钢；（c）钛合金。

图1. 3 不同机器学习模型预测增材制造金属材料疲劳寿命的文献数量。（a）文献包含某种模型；（b）文献仅使用某种模型。

图1. 4 不同机器学习模型利用物理知识的比例

05 总结与展望

本工作回顾了增材制造金属材料疲劳寿命预测中常见的机器学习模型，并强调了物理知识在小数据集情况下的重要性。主要结论包括：

（1）机器学习模型可以显著提高钛合金、铝合金、钢和镍基合金等增材制造金属材料的疲劳寿命预测能力。尤其是在数据集较小且稀疏时，依然能够提供有效的预测结果。

（2）数据集大小和质量对数据驱动的机器学习模型疲劳预测精度至关重要。为了扩展和优化数据集，可以采用生成对抗网络、连续介质损伤力学、蒙特卡罗模拟和有限元模拟等方法。

（3）超参数选择对机器学习模型的疲劳预测性能有重要影响。例如，人工神经网络的隐藏层数和神经元数量、支持向量机回归的惩罚因子和核函数、随机森林的树的数量和最大深度等。

（4）融入物理知识可有效解决机器学习模型“黑箱”问题。特别是在模型构建、算法学习、样本输出和数据观察等方面，可以提升机器学习模型的透明度、可解释性和预测精度。

06 作者介绍

王皞，中国科学院金属研究所，研究员/PI，曾任上海理工大学材料学院特聘教授/PI，增材制造研究院院长。本科毕业于南京大学，博士毕业于中国科学院金属研究所。长期从事金属结构材料研究，建立了面向钛基合金等先进结构材料的集成计算和数据平台以及增材制造全流程仿真平台，开展合金成分、微观机理、显微组织、成型工艺等多尺度计算模拟和实验研究，为合金设计、性能预测、工艺优化和产品评价提供理论和方法支撑。担任中国材料学会计算材料学分会委员、中国计算机学会高性能计算/大数据/虚拟现实与可视化技术专委会委员、上海市增材制造标准化委员会委员、九三学社上海市委上海制造专门委员会委员、中广核苏州热工院特聘高级技术顾问、Scientific Reports编委、MGE Advances青年编委、金属学报青年编委；主持国家和省部级项目20余项；在Science、Nature Mater、Acta Mater等期刊发表SCI论文120余篇，高被引论文2篇，软件著作权登记6项，授权专利4项；入选辽宁省百千万人才工程千人层次、中科院青促会、沈阳市高层次人才拔尖人才。

高帅龙，北京理工大学在读博士研究生，硕士毕业于上海理工大学，研究方向增材制造+机器学习+性能预测（力学和电磁隐身性能）。截至目前，已在Journal of Materials Science & Technology、Chemical Engineering Journal、Composites Part B、Metals等期刊发表SCI论文8篇。参加过中国材料大会、第六届材料基因工程高层论坛、人工智能驱动下的增材创新智造等学术会议，并获得2023年中国材料大会Z-材料模拟、计算与设计分会学术墙报优秀奖，2024年上海市/上海理工大学优秀毕业生称号。

07 引用本文

H. Wang, S.L. Gao, B.T. Wang, Y.T. Ma, Z.J. Guo, K. Zhang, Y. Yang, X.Z. Yue, J. Hou, H.J. Huang, G.P. Xu, S.J. Li, A.H. Feng, C.Y. Teng, A.J. Huang, L.-C. Zhang, D.L. Chen, Recent advances in machine learning-assisted fatigue life prediction of additive manufactured metallic materials: A review, J. Mater. Sci. Technol. 198 (2024) 111-136.

来源
材料科学和技术 l

上海理工大学王皞教授课题组（JMST）：机器学习辅助增材制造金属材料疲劳寿命预测的最新进展综述

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

机器学习在增材制造材料和工艺中的进展和机遇

3DScienceValley — Thu, 16 Jan 2025 12:19:43 +0000

全文速览

本文综述了机器学习在增材制造（3D打印）材料和工艺中的应用进展与机遇。文章首先介绍了机器学习技术在增材制造中的应用背景，然后详细分析了机器学习在质量控制、工艺优化、设计优化、微观结构分析和材料配方等领域的应用情况，并展望了未来的发展方向，包括先进机器学习模型的应用、新型传感器的开发以及机器学习在新兴增材制造相关领域的应用。

背景介绍

近年来，随着技术进步、数据可用性增加以及社区合作的加强，机器学习技术在增材制造中的应用日益广泛。增材制造技术通过逐层构建的方式制造复杂三维结构，而机器学习能够从大量数据中识别复杂模式，从而优化增材制造过程中的决策。文章指出，机器学习与增材制造的结合有望彻底改变增材制造零件的设计和生产方式。

图文解析

图1展示了机器学习在增材制造过程中的整合应用。左侧将机器学习分为监督学习、无监督学习、半监督学习和强化学习四类，并介绍了新兴的Transformer模型。右侧详细介绍了各种增材制造技术。中间部分展示了机器学习为增材制造带来的潜在好处，底部展示了从航空航天到电子和食品等广泛行业的实际应用。该图强调了机器学习在增材制造中的多样化应用，展示了其在不同领域的广泛影响。

图2分为四部分：a) 过去10年中与机器学习相关的增材制造出版物数量。b) 2013年至2022年每种打印技术的年度出版物数量。c) 2013年至2022年不同机器学习应用在增材制造研究中的年度出版物数量。d) 2013年至2022年不同关键增材制造研究领域中机器学习应用的年度出版物数量。该图通过数据展示了机器学习在增材制造领域的研究趋势和应用分布，揭示了其在不同技术和领域的研究热点。

图3总结了机器学习在不同增材制造过程中的质量控制应用。该图提供了机器学习在质量控制方面的全面概述，展示了其在不同增材制造技术中的具体应用和挑战。

图4展示了用于检测激光粉末床融合中异常的机器学习流程图。该图详细描述了如何使用机器学习技术结合传感器数据来检测增材制造过程中的缺陷，展示了其在实际应用中的具体步骤和方法。

图5展示了使用标记的X射线CT数据训练机器学习模型的工作流程。该图展示了如何通过结合多种传感器数据和机器学习模型来预测增材制造过程中的缺陷，强调了数据融合和模型训练的重要性。

图6展示了从不同传感方法中提取的各种物理属性，并用于训练CNN架构。图中还展示了不同模型在分类激光斑点大小和孔隙类型方面的效能。该图展示了如何利用多种传感器数据和机器学习模型来提高增材制造过程中的缺陷检测精度，强调了不同模型的性能比较。

图7分为两部分：a) 展示了用于检测LPBF过程中飞溅事件的ID-CNN模型的示意图。b) 展示了用于检测不同材料中各种缺陷的模型流程图。该图展示了如何使用机器学习模型结合声发射信号来检测增材制造过程中的缺陷，强调了其在不同材料中的应用潜力。

图8概述了使用混合深度学习模型进行LPBF过程监测的可变时间尺度。该图展示了如何通过结合不同传感器信号和深度学习模型来实现对增材制造过程的实时监测和缺陷分类，强调了模型在不同时间尺度下的应用效果。

图9展示了用于缺陷识别的卷积神经网络（CNN）设计，该网络使用来自不同传感器类型的3D图像切片。该图展示了如何利用多种传感器数据和机器学习模型来提高增材制造过程中的缺陷检测精度，强调了数据融合的重要性。

图10展示了用于实时更新参数的反馈流程，包括六个关键步骤，并提供了参数更新的具体数值范围。该图展示了如何通过机器学习模型实现对增材制造过程中的实时参数更新和误差校正，强调了其在提高打印质量和可靠性方面的应用潜力。

图11展示了多头神经网络在不同打印参数下的实时误差检测和快速校正能力。该图展示了机器学习模型在不同打印场景下的适应性和校正能力，强调了其在提高打印质量和可靠性方面的应用潜力。

图12展示了用于检测粉末进料不规则的流程图，包括沉积头的设计、模型的训练和验证以及预训练模型的实时应用。该图展示了如何使用机器学习模型结合传感器数据来检测增材制造过程中的粉末进料问题，强调了其在提高打印质量方面的应用潜力。

图13提供了机器学习在不同增材制造过程中优化工艺的应用概述，以及与工艺优化相关的各种目标。该图展示了机器学习在工艺优化中的多样化应用，强调了其在提高增材制造效率和质量方面的潜力。

图14展示了使用不同工艺参数进行粉末床融合时产生的不同线形，并展示了如何使用机器学习来分类和预测零件的可打印性。该图展示了机器学习在优化粉末床融合工艺中的应用，强调了其在提高打印质量和效率方面的潜力。

图15展示了使用响应面法（RSM）进行多目标优化的工作流程，以优化IPL烧结过程中的电导率和表面粗糙度。该图展示了如何通过结合RSM和遗传算法来优化增材制造过程中的多目标问题，强调了其在提高打印质量和效率方面的潜力。

图16展示了使用RNN-DNN和CNN模型预测3D打印过程中的温度场的示意图。该图展示了如何使用机器学习模型来预测增材制造过程中的温度场，强调了其在优化打印参数和提高打印质量方面的应用潜力。

图17展示了机器学习在增材制造相关应用中优化设计的应用概述。该图展示了机器学习在设计优化中的多样化应用，强调了其在提高设计质量和效率方面的潜力。

图18展示了使用机器学习和知识图谱构建增材制造设计规则的框架示意图。该图展示了如何通过结合机器学习和知识图谱来自动化和自主地构建增材制造设计规则，强调了其在提高设计质量和效率方面的应用潜力。

图19展示了用于设计复合机械超材料的优化框架，包括从随机过程中抽取样本、训练变分自编码器以及使用贝叶斯优化进行优化。该图展示了如何使用机器学习模型来优化复合材料的设计，强调了其在提高材料性能和设计效率方面的潜力。

图20展示了使用μCT扫描和SEM图像进行逆向工程的方法示意图。该图展示了如何使用机器学习模型结合成像数据来逆向工程复合材料零件，强调了其在提高设计质量和效率方面的应用潜力。

图21展示了机器学习在增材制造领域预测各种与微观结构相关的属性的应用概述。该图展示了机器学习在微观结构分析中的多样化应用，强调了其在提高材料性能和设计效率方面的潜力。

图22分为两部分：a) 展示了用于预测3D打印金属零件机械性能的机器学习技术的工作流程。b) 展示了用于预测新打印机制造的零件性能的机器学习模型训练工作流程。该图展示了机器学习在预测增材制造零件性能方面的应用，强调了其在提高设计质量和效率方面的潜力。

图23展示了机器学习在增材制造材料配方中的应用概述。该图展示了机器学习在材料配方中的多样化应用，强调了其在提高材料性能和设计效率方面的潜力。

图24展示了使用响应面法（RSM）优化墨水配方以提高电导率和线质量的工作流程。该图展示了如何通过结合RSM和遗传算法来优化增材制造过程中的多目标问题，强调了其在提高打印质量和效率方面的潜力。

图25展示了机器学习在典型生物打印过程中的应用概述。该图展示了机器学习在生物打印中的多样化应用，强调了其在提高打印质量和效率方面的潜力。

图26展示了基于材料挤出的3D打印示意图，以及用于多模态e3皮肤的机器学习框架。该图展示了机器学习在生物电子打印中的应用，强调了其在提高设备性能和设计效率方面的潜力。

图27展示了用于处理打印电极和传感器输出信号的机器学习应用示意图。该图展示了机器学习在处理增材制造过程中传感器数据方面的应用，强调了其在提高设备性能和设计效率方面的潜力。

总结展望

文章总结了机器学习在增材制造中的应用现状，指出其在提高增材制造过程的效率和可靠性方面具有巨大潜力。未来的发展方向包括先进机器学习模型的应用、新型传感器的开发以及机器学习在新兴增材制造相关领域的应用。文章强调，通过建立统一的数据社区，可以加速机器学习在增材制造研究中的应用，推动增材制造技术的进一步发展。

来源
计算化学前沿 l

机器学习在增材制造材料和工艺中的进展和机遇

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

清华大学 l AI与生物3D打印

3DScienceValley — Wed, 25 Dec 2024 11:36:07 +0000

近几十年来，生物3D打印因其能够操纵生物材料和细胞以精确创建复杂结构的能力而引起了广泛的研究关注。然而，由于技术和成本限制，生物3D打印产品(BPP)从实验室到临床的临床转化受到设计个性化和生产规模扩大方面的挑战的阻碍。

最近，人工智能(AI)技术的新兴应用显著提高了生物打印的性能。然而，现有文献在方法论探索AI技术克服这些挑战以推动生物3D打印走向临床应用的潜力方面仍然不足。为此，来自清华大学的熊卓/方永聪/张婷课题组以质量源于设计(QbD)的理论框架为框架，提出了一种用于AI驱动的生物打印。QbD（Quality by Design）是一种质量控制体系，强调通过事前设计控制质量，被广泛用于制药业。其核心概念主要包括关键质量属性（CQA）、关键物料属性（CMA）、关键工艺参数（CPP）、设计空间（DS）、控制策略（CS）、风险评估（RA）。相关研究成果以“AI-driven 3D bioprinting for regenerative medicine: From bench to bedside”为题于2024年11月23日发表在《Bioactive Materials》上。

图1 人工智能驱动的3D生物打印QbD路线图，包含多尺度和多模态感知、数据驱动设计和在线过程控制，可用于生物墨水形成、模型结构、打印过程和功能调控四个关键要素

本文首先将QbD理论引入生物打印，然后总结AI在3D打印中的集成技术路线图，包括多尺度和多模态传感、数据驱动设计和在线过程控制。本文进一步阐述了人工智能在3D生物打印关键环节的具体应用，包括生物墨水配方、模型结构、打印过程和功能调控。最后，讨论了人工智能技术在进一步推进3D生物打印临床转化方面的当前前景和挑战。

1.AI驱动的生物3D打印QbD框架和路线图

生物3D打印包括四个关键要素：生物墨水配方、模型结构、打印过程和功能调控。每个要素由多个单元操作（UO）组成，其中可以集成AI驱动的QdD，例如生物墨水材料设计、微结构设计、打印过程控制以及功能表征和评估（图1）。

在生物打印中，每个UO集成各种传感器来捕获多模态数据，从而有助于获取对个性化设计和扩大生产至关重要的多尺度信息。感测过程通常包含三个连续阶段：（i）预感测，涉及对感测对象的预处理，例如组织切片制备和染色；（ii）感测，涉及利用各种传感器测量感测对象的特定属性并生成相应的传感器数据；以及（iii）后感测，涉及处理和分析收集到的传感器数据以得出定量感测结果，包括CQA，CMA和CPP。传统感测方法在精度，快速性，经济性，可重复性，安全性和可扩展性方面存在不足，从而阻碍了BPP的临床转化。作者将这些不足主要归因于以下三个关键因素：（1）“规模-深度-精度”矛盾（图2a）；（2）信息丰富度不足；（3）自动化程度低。人工智能技术，尤其是深度学习方法，为上述挑战提供了可行的解决方案。因此，在生物打印过程中，人工智能驱动的传感产生了全面的结果，涵盖了打印结构的设计和制造以及生化和形态功能等方面（图2b）。

图2 多尺度和多模式感知

随着模型精度（或问题复杂性）的提高，相关成本（如财务投入、时间和人力资源）也相应增加，而边际精度则逐渐降低（图3a）。目前，已经出现了四种建模范式，包括实验设计 (DoE)、理论、计算和数据驱动范式(图3a)。鉴于挑战的复杂性和成本限制，传统范式面临瓶颈，正在向基于机器学习(ML)的数据驱动范式过渡。基于ML的数据驱动范式通常采用监督学习方法，可以简洁地定义为在输入指纹和输出属性之间构建可泛化的映射模型（图3b）。它主要包括三个关键步骤：指纹识别、训练、预测。

图3 数据驱动设计

作者提出了一种基于人工智能的通用在线过程控制流水线（图4a）。为了将CQA保持在高水平，通过多个传感器现场监测CQA、CMA和CPP，并根据合理的控制策略在线校正 CMA/CPP。同时确定了涉及上述过程的四大类人工智能模型：（i）CMA/CPP设计模型；（ii）CMA/CPP预测模型；（iii）CQA/过程预测模型；（iv）控制策略。

在设计阶段，离线数字孪生模型能够在数字世界中快速执行大量虚拟实验。因此，CMA/CPP的设计和优化可以通过更少的实际实验完成，从而降低成本和风险。在生产阶段，在线数字孪生模型通过监控数据和控制命令与实际生产过程相联系，旨在提高生产效率和质量（图4b）。通过在数字世界中模拟过程演变并预测其结果，可以加深对过程的全面理解，从而促进过程的持续改进。

图4 在线过程控制

2.人工智能驱动的生物墨水配方方法

生物墨水作为生物3D打印的主要元素，是保证BPP免疫、组织和功能特异性的重要基础。生物墨水通常包含细胞和生物材料。AI技术可以应用于这些过程中的每个UO，以加速BPP个性化生物墨水的设计和生产（图5a）。

基于人工智能的虚拟染色技术提供了一种解决方案，可以对采样细胞进行无损、快速的表征。该技术已应用于各种器官，如肝脏、肾脏、胃和肺。监督学习（使用配对图像进行训练）或无监督学习方法（使用非配对图像进行训练）可以实现两类任务：（i）从未染色样本的原始图像生成染色图像，从而避免耗费细胞的染色程序；（ii）从基本染色图像生成多样而复杂的染色图像，从而通过单一染色过程表征多种特性（图5）。

图5 人工智能驱动的生物墨水配方方法

3.人工智能驱动的模型结构方法

在确定生物墨水配方后，另一个关键要素是打印模型结构的设计。由于BPP的组织、结构和功能特异性，打印模型的结构需要个性化设计以满足性能要求。设计打印模型的典型过程包括以下步骤：首先，使用CT和MRI等成像方式获取患者目标器官/组织的医学图像；其次，基于这些医学图像进行3D建模以生成宏观结构模型；最后，设计内部微观结构。AI技术可以应用于这些过程中的每个UO，以加快具有个性化结构的打印模型的精确设计（图6）。

图6 人工智能驱动的模型结构方法

4.人工智能驱动的印刷过程方法

在获得打印模型后，打印工艺要素需要在确保细胞活力的同时精确制造设计的多尺度结构。为了提高打印质量，应在正式打印过程之前离线设计最佳打印参数；随后，在正式打印过程中，需要实时调整打印参数以保持对打印质量的控制。作者将相应的案例展示在图7中。

图7 人工智能驱动的印刷流程方法

5.人工智能驱动的功能调节方法

完成高质量结构的打印后，最后一个要素是对打印结构的功能调控。首先，成熟条件的设计对于功能化打印结构至关重要，从而将其转化为具有所需生物功能的BPP。随后，对于功能化的体外模型和体内植入物，使用非破坏性检测方法表征和评估其生物功能，以促进药物筛选、病理/药理学研究和临床功能评估等应用。同时，作者给出了相应示例展示在图8中。

图8 人工智能驱动的功能调节方法

最后，作者指出了生物3D打印中AI技术的未来方向，包括构建自然器官的流程；闭环主动学习流程以及蛮力学习、主动学习和混合学习的“精度成本”图景。

图9 生物打印中AI技术的未来方向

展望未来，人工智能与自动化的整合有望超越离散的UO，涵盖整个流程（图10）。基于人工智能的系统设计方法将统一各种对象的设计，包括生物墨水、打印模型、打印参数和成熟条件。这种集成方法将有效地考虑它们对不同属性的相互依赖影响。此外，基于人工智能的智能工厂的建立，将通过工业云、数字孪生等先进技术，实现对物质流和信息流的高效管理，实现临床诊断、原材料制备、模型设计、3D打印制造、疗效评估等全生命周期质量管理。

图10 全流程集成自动化示意图

文章链接：

https://doi.org/10.1016/j.bioactmat.2024.11.021

来源
EFL l

清华大学-熊卓、方永聪、张婷《Bioact. Mater.》综述：AI与生物3D打印

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

新加坡科技局&港城大 l 4D打印马氏体时效钢！抗拉强度达到1538MPa

3DScienceValley — Tue, 24 Dec 2024 14:23:57 +0000

材料、结构、工艺和性能是提升增材制造（AM）加工部件多功能性的关键方面。因此，增材制造用新材料的蓬勃发展对于推动增材制造技术的成熟度和可持续性至关重要。

现有的用于增材制造的商用金属粉末是针对传统加工工艺路线（例如铸造、热等静压、放电等离子烧结等）进行设计和优化的，可能并非最适合增材制造，而且，经增材制造加工的商用金属材料大多需要进行后续热处理（PHT）才能获得良好的性能，这会消耗能源并排放二氧化碳。冶金行业是温室气体的最大排放源之一，其中热处理占据了相当大的比重。因此，进行可持续的合金设计以省去后续热处理是制造“绿色”金属材料的一个良好策略。

【成果速览】

现有的用于激光增材制造（LAM）的商用粉末是为需要后续热处理（PHT）的传统制造方法而设计的。激光增材制造独特的循环热历程会在沉积过程中对材料产生本征热处理（IHT），这为开发适用于激光增材制造的新型材料提供了契机。

本项工作中，新加坡制造技术研究院谭超林以及香港城市大学杨涛教授等人借助机器学习制备了一种新型Fe-Ni-Ti-Al马氏体时效钢，以利用本征热处理效应，在激光增材制造过程中无需后续热处理就能原位形成大量析出物。钢中快速的析出动力学、定制的间歇沉积策略以及本征热处理效应，有助于通过在高密度位错上异质形核，在马氏体基体中原位析出Ni₃Ti。

所制造的钢抗拉强度达到1538MPa，均匀伸长率为8.1%，优于众多经激光增材制造加工后的高强度钢。 在当前主流的非原位4D打印中，三维打印结构随时间变化的演变（即性能或功能变化）是在部件成型之后发生的。

该项工作着重强调了通过将与时间相关的析出强化与三维几何形状塑造同步整合实现的原位4D打印，这种方式展现出了较高的能源效率和可持续性。 本研究结果通过对本征热处理与材料相互作用的理解和利用，为开发适用于激光增材制造的定制材料提供了新思路。

相关成果以「Machine Learning Customized Novel Material for Energy-Efficient 4D Printing」为题刊登在Advanced Science上。

图1. 机器学习（ML）辅助Fe-Ni-Ti-Al新型马氏体时效钢（NMS）成分设计原理图。

图2. 用于拉弗斯相（Laves phase）和Ni₃Ti析出物替代建模的不同机器学习模型在以下方面的性能对比：a 决定系数以及b 平均绝对误差（MAE）。将真实数据与随机森林（RF）回归模型针对c 拉弗斯相和d Ni₃Ti析出物预测所给出的预测数据点进行绘图对比，结果表明在已知合金成分的情况下，该模型在预测相含量方面具有很强的能力。

图3. 概述了定制Fe-Ni-Ti-Al纳米材料的加工学习定制粉末、LDED工艺和力学性能。

图4. 粉末和LDED处理NMS的ILP沉积策略的微观结构分析。

图5. a 示意图展示了原位激光增材制造（ILP）样品中微柱的位置。bc 分别为从白色（微柱 1）和黑色（微柱 2）区域提取的微柱的形貌。d 取自原位激光增材制造样品（白色和黑色区域）以及原始粉末的微柱的压缩应力-应变曲线。ef 分别为粉末和黑色区域微柱的断口形貌。g 本项工作中4D打印纳米复合马氏体时效钢（NMS）的拉伸性能与众多经增材制造加工的高强度钢（均为成型态）的拉伸性能对比。

【结论展望】

总之，这项工作借助机器学习定制了一种新型马氏体时效钢，使得在激光直接能量沉积（LDED）过程中无需后续热处理（PHT）就能原位形成析出物。

原位激光增材制造（ILP）沉积策略促进了带有高密度位错的马氏体基体的形成，并构建出一种层级化的双相结构。材料快速的析出动力学以及激光直接能量沉积所特有的本征热处理（IHT）效应促进了大量纳米级Ni₃Ti的原位析出。

通过微柱压缩试验评估的局部力学性能表明，与原料粉末相比，原位形成的Ni₃Ti析出物增强了经激光直接能量沉积加工的纳米复合马氏体时效钢（NMS）的强度。所制造出的纳米复合马氏体时效钢抗拉强度达到约1.54GPa，均匀伸长率为8.1%，优于众多经增材制造（AM）加工后的高强度钢。

这项工作凸显了利用激光增材制造独特热历程来开发高性能金属的潜在方法，从而进一步推动开发出功能更优、可持续性更好的适用于增材制造的新材料。

来源
材料设计 l

Adv. Sci.｜新加坡科技局&港城大杨涛：4D打印马氏体时效钢！

链接
https://doi.org/10.1002/advs.202206607

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

智能模拟技术:亚琛SEPP项目使金属部件的3D打印更加高效和准确

3DScienceValley — Fri, 27 Sep 2024 09:20:18 +0000

根据德国ACAM亚琛增材制造中心，3D打印企业在全世界范围普遍来说并没有实现很好的盈利，一个关键点是从应用的产业化角度来看，可以实现盈利的制造模式应该是具有经济效益的数字驱动的端到端的制造工艺链为核心，而当前3D打印陷入在一个两难的境地，往往是当规模扩大的时候，随之而来的生产成本以级数级别的增加，这反过来使得要实现盈利成为非常具有挑战的事情。增材制造将朝着软件和数据驱动的自进化智造技术方向发展，智能模拟和人工智能的应用将使得硬件拥有更“聪明的大脑“，更”灵敏的神经“以及”更准确的双手“，让加工变得更高效。

▲SEPP项目：开发3D打印智能模拟技术

智能模拟

基于激光的增材制造技术，例如使用激光处理粉末材料的 PBF-LB/M 工艺，为功能性金属部件的生产提供了几乎无限的几何设计自由。尽管具有这种潜力，但由于某些与工艺相关的限制，这些技术仅得到部分利用。这些限制会影响工艺区局部和整个部件的物理过程，从而导致残余应力和部件变形等问题。

为了解决这些缺点，SEPP（基于模拟的激光束粉末床金属熔合工艺分析，PBF-LB/M）项目在过去几年中一直致力于优化 PBF-LB/M 工艺的模拟。

SEPP项目是一个专注于优化基于激光的粉末床熔融（PBF-LB/M）工艺的模拟研究项目。该项目的目标是通过智能模拟技术提高金属部件3D打印的效率和准确性。项目团队开发了简化的模拟模型，这些模型足够准确，能够预测如变形等缺陷，同时避免了复杂且计算密集的模型。项目由德国研究联盟（Deutsche Forschungsgemeinschaft，简称DFG）资助，这是一个独立的全国性科学资助机构，负责资助德国高等院校和公共性研究机构的科学研究，是欧洲最大的科研促进机构之一。

SEPP 项目的目标是通过智能模拟技术使金属部件的 3D 打印更加高效和准确。该项目没有依赖难以应用于大型部件的复杂且计算密集的模型，而是寻求开发简化的模拟，这些模拟仍然足够准确，可以预测变形等缺陷。

该项目进一步开发了 PBF-LB/M 工艺模型，该模型已通过实验测量成功验证。熔池尺寸计算的准确性得到了显着提高。现在，一种新方法可以在不到一小时内完成温度场计算。了解到目前该项目在模拟镍基合金 Inconel 718 方面特别成功，可以准确预测熔池几何形状和温度分布。

“ 3D Science Valley 白皮书图文解析

”

在PBF-LB/M工艺模型的开发上，SEPP项目取得了显著进展，特别是在模拟镍基合金Inconel 718方面。通过实验测量，项目验证了模型的准确性，并显著提高了熔池尺寸计算的准确性。项目还开发了一种新方法，能够在不到一小时内完成温度场计算，这对于预测熔池几何形状和温度分布至关重要。

这些结果为制定最小化残余应力和变形的策略奠定了基础。此外，SEPP项目还成功实施了数值模型简化技术，可以快速计算宏观尺度上的温度和应变分布，进一步提高了模拟过程的效率。还进行了实验变形测量，证实了模拟结果并为进一步优化模型提供了宝贵的数据。

SEPP项目通过智能模拟技术使金属部件的3D打印更加高效和准确，这些技术的应用为3D打印技术的发展和工业应用开辟了新的可能性。

该项目由 DGF – 德国研究联盟 (Deutsche Forschungsgemeinschaft Consortium) 资助，由RWTH DAP （亚琛工业大学数字增材制造生产研究所）和RWTH NLD联合完成。

RWTH DAP

RWTH Aachen University 的 Chair for Digital Additive Production (DAP) 亚琛工业大学数字增材制造生产研究所是一个专注于数字增材制造技术的研究和开发的部门。RWTH DAP 研究所涉及的研究领域包括增材制造过程链的所有垂直和水平元素，从组件设计、供应链、生产和组件处理到增材制造组件的应用属性。RWTH DAP 的研究重点在于面向可扩展规模化生产的增材制造设备、材料、设计、过程及系统技术的进一步发展，以及软件驱动的端到端过程。

RWTH NLD

RWTH Aachen的 Nonlinear Dynamics of Laser Manufacturing Processes (NLD) 是一个专注于激光制造过程中非线性动力学的研究和教学机构。RWTH NLD 与 Fraunhofer ILT-弗劳恩霍夫激光研究所、RWTH LLT亚琛工业大学激光技术、RWTH TOS光学系统技术和RWTH DAP 等机构合作，提供学生和毕业生的工作机会，并在激光技术领域进行基础和应用相关的研究。

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

行走式建筑3D打印机器人及其配套技术研发与应用…l 【焦点 l 机器人】

3DScienceValley — Thu, 19 Sep 2024 08:07:33 +0000

3D打印技术在机器人制造领域发挥着重要作用，它允许快速制造出复杂形状的部件，提高制造效率，降低成本，并且能够实现高度定制化，3D打印技术正在以革命性的方式重塑机器人制造流程，实现从定制化机器人零件和外壳到功能性机械系统的快速生产。

本期，通过节选近期国内其他科研机构在机器人增材制造方面的实践与研究的多个闪光点，与谷友一起来领略的这一领域的研究近况。

行走式建筑3D打印机器人
及其配套技术研发与应用

葛杰;白洁;杨燕;韩立芳;黄青隆;连春明;冯俊;许国文;王彬楠;熊浩;贾红学;马俊;沈鹏;陆杨;李鑫

中国建筑第八工程局有限公司

建筑3D打印是当前土木工程领域的前沿技术之一。本项目基于前序课题研究成果,以实现“室外环境下机器人原址打印大尺度建筑”为目标,对行走式建筑3D打印技术开展攻关,取得以下创新成果：

1、研发了由六轴工业机械臂、麦克纳姆轮全向移动底盘、双激光定位导航系统、混合支撑系统、末端供料系统、远程操控器等组成的行走式建筑3D打印机器人(M3DP-Rob)。设备具有零转弯半径、全向移动和垂直提升功能,可在狭小空间范围内灵活作业、在已完成楼面标高继续打印上层建筑,解决了复杂工况下室外原址大尺度建筑3D打印的难题。

2、研发了室外“自生长施工环境”下的一体化导航定位控制技术及无接触式激光标定装置,开发了上位机一体化控制软件(ConRob3D建筑机器人),解决了室外时变环境下行走式建筑3D打印机器人打印过程中导航定位和实时标定的难题,实现了室外现场打印范围内机器人的全自动打印作业。

3、首次提出了包含竖向切片、截面设计、充盈值控制和路径规划等内容的建筑3D打印切片算法,并开发了配套的建筑3D打印切片软件,实现了对打印构件高度误差、线段交叉点表观质量的精确量化控制,减少了打印断点、提高了打印效率,为建筑3D打印机器人施工的规范化和标准化提供支撑。

4、开发了面向空间多尺度的行走式建筑3D打印成套施工工艺,建立了打印参数实时控制方法,实现了打印材料、机械和施工工艺的高效协同,提高了建筑3D打印材料的现场环境适应性和建筑3D打印技术的应用范围。

项目形成专利53项(发明41项),工法1项,论文6篇,授权软件著作权2项。经上海市土木工程学会鉴定,成果总体达到国际先进水平,其中建筑3D打印切片算法达到国际领先水平。目前,项目成果已在深圳市新华医院、上海市机场联络线等多个项目成功应用,节约异形复杂曲面构件加工成本约30～40%、缩短工期约40%～50%,成果合计带来新增产值3491.36万元,新增利润314.22万元,社会、经济和环保效益显著。

行走式建筑3D打印工艺打破了传统打印工艺对构件尺寸的限制,精简工序的同时提升打印质量,适用于各类构件的高精度打印,以及建筑小品或大型建筑物的现场打印。本项技术对于各类劳动力紧张、施工环境恶劣的工程项目,以及定制需求高、环保要求严的城市更新及乡村振兴项目具有广阔的应用前景。

基于EthernetKRL实时通讯的库卡机械臂
在线建筑3D打印控制研究与应用

叶华清1岳承涛1韩立芳2

1.上海机器人产业技术研究院有限公司2. 中国建筑第八工程局有限公司

六足仿生机器人
结构设计及运动仿真

周梦、郝同鑫、闰文彬、代文杰、韩宁豪

信阳学院理工学院

摘要：

为降低六足机器人制造成本，提高六足机器人在不同环境下的适应性，设计一款新型腿部结构的六足机器人。该机器人使用SolidWorks软件设计结构，机械结构采用3D打印机打印制造，机器人采用圆形六足式布局，腿部关节处使用弹簧机械结构来减少伺服系统的设计，并搭配适用不同地形可拆卸的模块化足端，可以利用较少的伺服系统完成复杂的运动。

通过对机器人进行运动学分析，以3种步态为例分析了不同环境下不同步态的特点，以单腿为例建立坐标系，使用DH法对机器人腿部进行运动学分析，Adams仿真结果表明，机器人在84 mm/s的情况下运行时，机器人重心的变化在9 mm以内，满足设计要求。机器人样机进行了不同地形下运动实验，实验结果与仿真基本一致。仿真实验以及样机运动实验验证了这种新型腿部结构的稳定性与可靠性，说明这种腿部结构在保证稳定性的前提下能够代替同类机器人并降低伺服系统的使用，从而降低了六足机器人的生产成本。

面向增材制造技术的
四旋翼无人机底座拓扑优化设计

朱振国1杨海东2王正宗1

1.安徽职业技术学院智能制造学院2. 合肥工业大学机械与汽车学院

摘要：

利用Inspire软件对四旋翼无人机底座进行拓扑优化和轻量化设计。首先根据逆向工程技术得到四旋翼无人机底座的三维模型，然后将三维模型导入到Inspire软件进行有限元分析和拓扑优化。结果显示：无人机底座优化前的质量为66.158 g（材料ABS），通过轻量化设计之后的质量为30.218 g，实现了54.32%的减重，同时，最大米塞斯等效应力为3.213MPa，最大位移为0.190 9 mm，最小安全系数为14，减重后的性能满足要求。最后利用3D打印方法将优化后的底座打印出来，并试验验证了拓扑优化方法的合理性和可行性。

高楼玻璃幕墙清洁机器人结构设计

侯贤州、庄梓嘉、卢桂芳、黄志维

广东科技学院机电工程学院

摘要：

针对高楼玻璃幕墙人工清洁作业所存在的安全风险高、劳动强度大、作业效率低等问题，设计了一种可替代人工作业的玻璃幕墙机器人。根据实际高楼玻璃幕墙清洁的需求，设计出能实现高楼玻璃幕墙清洁的机器人。运用SolidWorks对清洁机器人结构进行几何建模，运用有限元分析软件对机器人的运动方式进行分析优化，利用3D打印的技术打印出高空玻璃幕墙清洁机器人结构。选择STM32芯片对舵机、真空泵、清洁机构的控制，实现清洁机器人的爬行、吸附、清洁等功能。利用真空泵实现机器人吸附在非水平面上，利用舵机控制机器人的腿部关节移动，利用滚刷实现对幕墙的清洗。基于仿真与实物实验，计算清洁机器人能在高楼玻璃幕墙上行走所需的吸附力参数，并选用相应的真空泵；计算清洁机器人爬行所需的舵机转动角度；在满足清洁需求的情况下，对清洁机构进行优化。设计的清洁机器人具有整体尺寸小、行走灵活、通过性强、应用场合广等特点，为高楼玻璃幕墙清洁作业提供了技术方案。

多功能小型六轴机械臂的设计与制作

冯婧、莫谋艺、靳瑜、陈思伟、黄志维

广东科技学院机电工程学院

摘要：

针对新型机器人应用场所多样化的需求，以工业机器人为灵感设计了一种小型六轴机械臂，应用于餐厅、医院等场景，在提升人们生活质量的同时降低用人成本以及劳动强度。所设计的机械臂动作灵活性高，工作空间范围大，具有定位精准、制造成本低、体积小的特点。利用SolidWorks对机械臂机座、机身、手臂以及执行末端机构进行三维整体建模，设计出了小型六轴机械臂的主体，通过Arduino实现对机械臂运动轨迹的控制。通过更换机械臂末端执行器的类型实现不同功能的转化，应用于不同场景。针对餐饮服务业设计了菜盘夹紧机构，实现了对不同类型以及尺寸菜盘的夹紧。通过3D打印技术完成机械臂部分结构的制作，实现了设计目的。

基于3D打印硬磁软材料
的磁控软体机器人开发

黄麟阁1,2张治国1,2,3潘峰3

1.天津科技大学机械工程学院2. 天津市轻工与食品工程机械装备集成设计与在线监控重点实验室3. 新疆农垦科学院机械装备研究所

摘要：

近年来，磁软体机器人因其优异的生物安全性、环境适应性和快速响应能力受到广泛关注，在生物医疗等领域展示出巨大的应用潜力。本文针对磁软体机器人的墨水直写(DIW)3D打印问题，根据需求和材料特性进行材料设计优化，制备了具有稳定可打印性的硬磁软材料墨水。在此基础上，通过流变性实验验证了混合墨水的可打印性，使用DIW完成了对硬磁软体机器人的制造。之后，设计并制造了一种用于货物搬运的多模态磁软体机器人，在外磁场的作用下机器人可以以爬行和滚动两种模式运动，兼具货物搬运和放置的能力。本文所提出的磁软体机器人3D打印方法将为以后磁软体机器人的材料选择和广泛应用提供基础。

四足机器人腿部结构
拓扑优化设计及力学性能分析

李伟豪1茅健1郑武2张婷1

1.上海工程技术大学机械与汽车工程学院2. 华融普瑞(北京)科技有限公司

摘要：

基于变密度方法中的SIMP(Solid Isotropic Material with Penalization)模型，提出一种多复合材料3D打印制造的拓扑优化方法对四足机器人腿部结构进行优化设计。采用体积约束下最小应力的优化方式，同时引入复合材料的本构矩阵，使得优化结果更加合理。针对四足机器人常见工况进行静力学分析，并对最大位移下的载荷情况进行拓扑优化设计。为了验证优化后腿部结构的强度，分别制备拓扑增强和轮廓增强腿部结构并进行试验分析。

试验结果表明，拓扑增强结构最大位移比轮廓增强结构在外摆工况下降低了53.57%。拓扑增强结构承载比在0°和30°外摆工况下比轮廓增强结构分别提升了17.98%和24.57%。通过对四足机器人腿部结构优化前后的试验对比可知，经过拓扑优化设计，四足机器人腿部结构力学性能得到提升，优化设计具有可行性。该拓扑优化方法对于提高产品力学性能，具有一定作用。

高压输电线路机器人防滑挂线轮毂
的H型3D打印装置的研究

张立军1马哲1王钰文2张晓东3贺庆强1王智伟4王吉岱4马龙5王晓强1李明1

1.中国石油大学(华东)机电工程学院2. 河北北方学院农林科技学院3. 中国石油大学(华东)计算机科学与技术学院4. 山东科技大学机械电子工程学院5. 江苏省送变电有限公司

摘要：

针对目前桌面级3D打印机存在打印速度慢、打印精度低的问题，提出并设计了高压输电线路机器人防滑挂线轮毂的H型结构3D打印机。通过对3D打印机结构建模与运动学分析，建立了其数学模型，推导出其逆运动学方程；提出了H型结构3D打印机的控制算法，运用PID控制调节系统的输入信号和输出信号的误差，获得了3D打印机的稳定工作模式。试验结果表明，提出的H型结构的3D打印机的打印精度高于目前常见Prusa I3型结构，能够实现快速平稳打印，打印速度提高20%左右，末端执行器在80 mm/s速度下仍能平稳工作，且运动轨迹理想，应用前景好。

基于3D打印介电
弹性体驱动器的柔性机器人

宿森

青岛大学

摘要：

介电弹性体驱动器(DEA)作为柔性材料具有大应变、高效率、高能量密度和快速响应等优点,在近几年被广泛地应用于软体机器人、软夹具和各种人工肌肉等方面。但是目前介电弹性体一般都是旋涂制作,制作过程十分复杂,无法实现大量快速制作。本文研究了一种可以3D打印快速制作的DEA,这种介电弹性体材料可以通过紫外光快速固化,并且具有良好的力学性能和电驱动性能。该材料基于CN 9021(丙烯酸酯)进行改性,通过调整稀释剂和交联剂在油墨中的重量比,获得了可以用3D打印制作的粘度和最佳的力学性能。使用有限元分析DEA在驱动过程中的形变,通过添加增强纤维放大了DEA的单方向形变,制作了可以爬行的柔性机器人,在频率为1 Hz的4 k V电压下爬行速度大约为3 mm/s。使用改性后的油墨进行3D打印测试,分析并改进了打印过程。3D打印制作的DEA可以在2.5 k V的电压下产生7.6 mm的自由端位移。对比旋涂方法与3D打印制作的DEA的驱动性能,两种制作方式制作的DEA表现出了相同的性能,这表明3D打印方式在不降低DEA性能的情况下,简化了DEA的制作过程,提高了制作效率。本研究选用电吸附作为机器人攀爬的附着原理。通过仿真分析对比了不同的电极材料和不同的电极厚度对电吸附力的影响,选择多壁碳纳米管作为电吸附垫的电极材料,电极层厚度在nm级别。使用3D打印制作电吸附垫并测试了在不同材料的基板上产生的法向和切向电吸附力。基于3D打印制作的DEA和电吸附垫制作柔性机器人,测试了在不同电压下机器人的驱动力与伸长量的关系,测试了基板材料、驱动电压大小和驱动电压频率对机器人爬行运动产生的影响,本研究制作的柔性机器人在平面上的最大爬行速度约为5.4 mm/s,在45°倾斜面上的最大爬行速度约为1.8 mm/s。

仿人机械手臂一体化
结构设计及其控制系统研究

陈炳阳

北京化工大学

摘要：

伴随着人们日常生活需求的提高与各种机器人相关技术的快速发展,对仿人机器人的研究也逐渐增多。而仿人机械手臂作为仿人机器人重要的组成部分,对其进行设计与研究便具有了很重要的实际意义。

本课题通过对人体手臂的分析,并结合了当今国内外先进的仿人机械手臂的优点,基于解剖学、机器人学、控制系统仿真技术以及机电一体化技术等学科设计了一种仿人机械手臂一体化结构,并基于FOC控制算法对其进行控制。

通过参考人手臂的结构以及运动状况,确定了仿人机械手臂一体化结构的设计方案,并对传动方式与驱动方式进行选择,利用Solidworks软件设计三维模型。对仿人机械臂与机械灵巧手进行运动学分析,利用D-H参数法求解二者的运动学正、逆解,并利用Matlab软件验证运动学正、逆解的正确性,并对二者的工作空间与轨迹规划进行仿真。控制系统方面,基于FOC控制算法,设计了仿人机械手臂一体化结构的控制系统,并用Matlab软件进行仿真,验证控制系统的功能性、稳定性等,并利用试凑法得到合适的参数,使实际运动曲线贴合目标运动曲线。利用3D打印技术搭建仿人机械手臂一体化结构的样机,并搭建其硬件控制系统,利用Visual Studio软件开发上位机,使控制程序的调试与运动控制更加方便与高效。对搭建的样机进行运动试验,试验证明本文设计的仿人机械手臂一体化样机能够实现基本功能需求。

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源

跨材料、跨工艺、跨设备！具有通用性的AI或成为指挥3D打印的“中枢和大脑”

3DScienceValley — Thu, 12 Sep 2024 02:35:31 +0000

根据《算法 l 在增材制造（AM）过程中应用机器学习（ML）的算法》一文，传统的实验方法来确定金属增材制造（MAM）部件的机械性能不仅耗时，而且成本高昂，通常还受限于特定材料和工艺。这些限制使得实验方法难以广泛应用。机器学习提供了一种替代方法，它可以分析大量的数据，学习加工参数和材料特性与机械性能之间的关系，从而预测部件的性能。这种方法更加灵活，成本效益更高，并且可以处理更广泛的材料和工艺组合。

近日，卡内基梅隆大学和匹兹堡大学的研究人员在《Additive Manufacturing》期刊上发表了一篇关于金属增材制造（MAM）机械性能预测的研究。本期谷.专栏将对该文的研究背景、最新进展及总结进行分享。

“ 3D Science Valley 白皮书图文解析

”

▲基准研究中使用的工作流程，包括数据采集、特征提取、机器学习模型的训练、预测任务和模型分析。

▲论文链接：https://doi.org/10.1088/2631-7990/acded2

人工智能将重新定义增材制造，解决制约3D打印产业化方面有关产品质量的两个关键挑战：Predictability（质量的可预测性）与Repeatability（质量的可重复性）。人工智能将成为3D打印技术的内核，赋能3D打印技术突破成本与可复制性的束缚，将扫平原型制造与量产之间的鸿沟，开辟指数级别增长之路，也将重新定义增材制造领域的诸多商业模式。

低成本的预测手段

这项研究利用机器学习模型，通过广泛的数据集来预测金属增材制造构件的机械性能，如屈服强度、极限抗拉强度、弹性模量、伸长率、硬度和表面粗糙度等。研究中使用了多种机器学习算法，包括随机森林、梯度提升决策树、支持向量机、高斯过程回归、LASSO回归、Ridge回归、神经网络和XGBoost等，以评估它们在预测方面的性能。

研究的亮点在于，机器学习模型在多个机械性能预测实验中达到了85%以上的预测准确率，并且具有较高的可解释性。这为金属增材制造的工艺优化、材料选择和性能评估提供了一种低成本的预测手段，同时也是机器学习在制造领域的重大进展。

研究团队成功开发了能够准确预测MAM过程中机械性能的机器学习模型，研究人员比较了多种机器学习模型，包括随机森林、梯度提升决策树、支持向量机、高斯过程回归、LASSO回归、Ridge回归、神经网络和XGBoost等，以评估它们在预测机械性能方面的能力。这些模型具有跨不同材料、工艺和机器的通用性，并且通过SHAP分析提高了模型的可解释性。

“ 3D Science Valley 白皮书图文解析

”

与实验和模拟方法相比，ML 机器学习模型提供了更大的灵活性和适应性，可以根据需要轻松调整。因此，实施基于实验数据构建的 ML机器学习

模型可以提供一种更具成本效益的解决方案。此外，使用 ML 机器学习

算法可以检查加工参数对机械性能的集体影响，并有助于在实验数据点之外进行推断。

因此，将 ML 机器学习集成到 MAM 过程中不仅有助于预测各种加工参数的机械性能，而且还有助于确定最佳加工参数以确保所需的机械性能。认识到这些优势，数据驱动分析和机器学习的集成已成为先进制造的标准做法，并在增材制造研究中越来越普遍。然而，由于高度异构且获取成本高昂的数据可用性有限，机器学习算法在金属增材制造（MAM）中的应用遇到了挑战，当前可用于机器学习的增材制造数据明显小于可用于其他机器学习任务的数据集。

基于数据

凭借研究人员手中的大量数据集，研究人员在这项名为 MechProNet 的计划中的目标是通过制定一套专门针对增材制造的机器学习方法来预测增材制造部件的机械性能。还评估了与构建过程相关的各种参数如何影响所采用的 ML 模型的预测性能。此外，可解释的 AI 方法，特别是 SHAP 分析，用于阐明 ML 机器学习模型的预测结果，使其可解释。此外，还引入了一种基于数据的模型识别方法，以揭示 MAM金属增材制造工艺中加工参数、材料特性和由此产生的机械特性之间的明确联系。

“ 3D Science Valley 白皮书图文解析

”

研究人员框架的关键创新在于它适用于各种材料、加工条件和 MAM 工艺。基于物理的特征化确保研究人员的模型可以预测功率、层厚度、MAM 工艺、子工艺、构建方向和后处理方法的任意组合的机械性能。

这种适应性意味着研究人员的框架甚至可以预测数据集中未包含的材料（包括新开发的材料）的属性。这个全面且适应性强的框架代表了该领域的重大进步，因为以前从未开发过这样的通用方法。

▲图：显示了研究人员基准数据集中 Inconel 718 机械性能的 Pearson 相关矩阵。该矩阵是总结综合数据集的强大工具，可显示所有变量之间的相关系数和模式。值得注意的是，屈服强度、极限拉伸强度和弹性模量彼此呈正相关，而与伸长率呈负相关。此外，硬度（维氏硬度和洛氏硬度）与材料强度特性呈强正相关，但与伸长率呈负相关。

研究人员收集了一个全面的实验数据集，涵盖各种 MAM 工艺、材料和机器，特别关注它们对机械性能的影响。了解到，研究人员的基准机器数据集包括由各种 AM 机器（如 EOS、SLM Solutions、Renishaw、Concept Laser、3D Systems、Velo3D 和 AddUp）制造的增材制造部件的机械性能。出了PBF增材制造工艺，研究人员开发的数据集还涵盖了一系列 DED 工艺，包括 Optomec、Markforged、Meltio 和 Desktop Metal 等公司提供的工艺。此外，还包括 Sciaky 提供的 E-DED 工艺，以及电弧-DED 工艺。
“ 3D Science Valley 白皮书图文解析

”

研究人员探索了几种特征化技术来提高多个 ML 模型的性能，同时还研究了评估指标和超参数优化方法。在测试的 ML 机器学习算法中，包括随机森林、梯度提升和神经网络，研究人员发现这些模型的表现始终优于其他模型。因此，研究人员成功开发了一种能够预测 MAM 工艺中机械性能的精确基准 ML 模型，该模型可适用于不同的材料、工艺和机器。

总之，研究人员努力通过研究可解释的 AI 方法（特别是 SHAP 分析）来提高可解释性，以阐明 ML 模型对屈服强度等性能的预测。此外，研究人员还设计了一种数据驱动的模型识别方法，以基于数据集处理参数和材料特性建立明确的机械性能模型，旨在比所采用的 ML 模型具有更高的可解释性。

最重要的，通过提供一个标准化的比较和评估平台，研究人员建立的基准 MechProNet 将促进增材制造工艺的优化，并成为金属增材制造机器学习社区的宝贵资源。

来源
Additive Manufacturing l
Machine learning prediction of mechanical properties in metal additive manufacturing

l 谷专栏 l

白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源