在激光材料加工过程中，包括激光焊接、重熔、熔覆、钻孔以及增材制造等多个工艺中，普遍观察到匙孔（keyhole）现象的存在。缺陷（如气孔）的形成通常与匙孔的动态演化行为密切相关。目前，准确预测匙孔特征，尤其是随时间变化的匙孔深度，仍面临诸多挑战。近日，多伦多大学材料科学与工程系Yu Zou (邹宇)教授团队Jiahui Zhang (张家珲, 第一作者)，和卡内基梅隆大学 Tony Rollett、西北大学 孙涛老师、美国国家标准与技术研究院，上海交大等王洪泽教授等研究人员建立机器学习+流体仿真融合模型，实现对激光加工匙孔动态的精准掌控——预测误差<10%，优化速度提升50%！该成果以《Accurate and efficient predictions of keyhole dynamics in laser materials processing using machine learning-aided simulations》为题，刊登在上热传递领域期刊《International Journal of Heat and Mass Transfer》。”
研究亮点
将真实实验激光输入数据引入数值模拟模型。
构建了用于预测激光吸收率的机器学习模型。
所采用的方法显著降低了计算时间。
该方法计算成本低，可推广性强，适用于多种金属材料及激光加工工艺。
研究背景与挑战
在激光焊接、3D打印等过程中，高能激光会瞬间汽化金属形成深窄的「匙孔」（Keyhole）。当其剧烈波动时，会在材料内部产生气泡，最终形成气孔缺陷。实验证明，这类缺陷可使零件强度骤降30%以上，成为制约高端制造的”阿喀琉斯之踵”。
“ 3D Science Valley 白皮书 图文解析
”
目前，科学家主要通过两种方式研究匙孔行为：
同步辐射X射线观测：虽然精准，但每次实验需动用价值数亿元的同步辐射装置，单次测试成本超万元；
计算机仿真：受限于激光吸收率数据的缺失，传统模型预测误差高达30-50%。而采用光线追踪（Ray-tracing）方法虽能提高精度，却会使计算耗时成倍增加，难以满足实际工程需求。
这项研究提出的”机器学习+流体仿真”智能模型，不仅能以90%以上的准确度预测匙孔动态，还将计算效率提升50%，为各种激光材料加工技术消除或减少缺陷开辟了新的途径 （图1）。
▲Figure 1.”机器学习+流体仿真”智能模型的图形摘要.
研究方法
AI增强仿真框架通过三步实现高精度预测：
1.实验校准： 在美国阿贡国家实验室同步辐射光源实测钛/铝合金的激光吸收率，建立基准数据库（图2）。
▲Figure 2. 钛合金（Ti64）在200W激光功率和铝合金（Al6061）在500W激光功率下的多物理场模拟（采用实验测得的激光吸收率数据）a、b图：实验测得的实时激光吸收率变化曲线，其中虚线标明了用于分析匙孔深度的稳态阶段；c、d图：通过仿真计算得到的匙孔深度与实验测量结果的对比分析。
2.流体仿真优化：开发计算流体动力学（CFD）模型，引入蒸发反冲压力、马兰戈尼效应等关键物理机制，仿真误差<10% (图3)。
▲Figure 3. 仿真模型的计算域范围设定为：1800 μm（长）× W μm（宽）×（H+150）μm（高）。
3.AI预测核心参数： 采用高斯过程回归（GPR）模型，仅需输入激光功率、扫描速度，激光半径参数，即可0.1秒预测吸收率，比传统射线追踪法快而且准 (图4)。
▲Figure 4. 针对Ti64（激光功率P：196 W，扫描速度v：1 m/s，光斑半径r₀：50 µm）和Al6061（P：540 W，v：0.6 m/s，r₀：50 µm）两种材料工况的匙孔失稳预测方法对比分析（以实验结果作为基准）
未来展望
未来，本研究将通过三方面改进拓展模型应用：首先补充多参数组合的激光吸收率实验数据以提升精度；其次将预测模型扩展至镍基合金等更多工程材料体系；最终突破裸金属板限制，开发适配粉末床激光增材制造的通用算法。这些改进将使该技术发展成为激光制造领域的标准化智能优化平台，为航空航天精密零件和新能源汽车电池等高端制造提供核心工艺支撑。
总结
这项研究，通过开创性地融合机器学习与流体仿真技术，成功攻克了激光制造中匙孔动态预测的难题。研究创新性地将同步辐射实验数据与计算模型相结合，为激光加工过程模拟提供了新范式。未来通过扩展材料体系、完善物理模型，该方法有望发展为激光增材制造工艺优化的标准工具。
文章链接
https://doi.org/10.1016/j.ijheatmasstransfer.2025.127279
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
