AI 驱动的 Framework 以精确和速度改变 3D 金属打印

快速阅读: 《AZoAI》消息，多伦多大学工程师开发了一种AI驱动的框架，显著提升激光3D打印效率。该技术通过机器学习优化金属3D打印参数，适用于航空航天、医疗等领域，大幅降低试错成本，推动传统制造向3D打印转型。

告别靠猜的时代
——多伦多大学工程师展示一种由人工智能驱动的解决方案，以创纪录的速度优化激光3D打印技术，为航空航天、核工业和医疗级组件设定了新的标准

**研究：** 激光定向能量沉积中的精确逆向过程优化框架
多伦多大学工程学院的研究团队在余宙教授的带领下，利用机器学习改进增材制造（也常称为3D打印）。在一篇发表于《增材制造》期刊的新论文中，团队介绍了一个名为“激光定向能量沉积中精确逆向过程优化框架”（AIDED）的新方法。

新的AIDED框架优化了激光3D打印，提升了最终产品的精度与稳健性。这一进步旨在通过预测金属熔化和凝固的方式，找到最佳的打印条件，从而为航空航天、汽车、核工业和医疗等行业生产更高品质的金属部件。
“目前，定向能量沉积——一种主要的金属3D打印技术——的广泛应用受制于通过试错寻找最佳工艺参数的高昂成本。”博士候选人兼新研究的第一作者商晓说，“我们的框架能够快速识别基于行业需求的各种应用的最佳工艺参数。”

金属增材制造使用高功率激光选择性地融合细小金属粉末，从精确的3D数字模型逐层构建零件。与传统方法不同，后者涉及切割、铸造或加工材料，金属增材制造可以直接创建复杂且高度定制化的组件，几乎无材料浪费。

“3D金属打印的一大挑战是制造过程的速度和精度。”余宙教授说道，“打印条件的变化可能导致最终产品质量的不一致，这使得满足行业对可靠性和安全性的标准变得困难。另一个重大挑战是确定打印不同材料和部件的最佳设置。每种材料——无论是用于航空航天和医疗应用的钛，还是用于核反应堆的不锈钢——都有其独特属性，需要特定的激光功率、扫描速度和温度条件。在广泛的工艺参数范围内找到这些参数的最佳组合是一项复杂且耗时的任务。”

这些挑战激发了余宙教授及其实验室开发了他们的新框架。AIDED在闭环系统中运行，其中遗传算法——一种模拟自然选择以寻找最优解的方法——首先建议工艺参数组合，然后机器学习模型评估这些组合的打印质量。遗传算法检查这些预测是否达到最优，并重复此过程直到找到最佳参数。

“我们已经证明，我们的框架可以在一小时内从可定制的目标中识别出最佳工艺参数，并准确预测从工艺参数得出的几何形状。”商晓说，“它也非常多功能，可以适用于各种材料。”

为了开发该框架，研究人员进行了大量实验以收集庞大的数据集。这一重要但耗时的挑战确保了数据集涵盖广泛的工艺参数。

展望未来，团队正在努力开发一个增强型的自主或“自动驾驶”增材制造系统，该系统能够在最小的人类干预下运行，类似于自动驾驶车辆的操作方式。

“通过结合前沿的增材制造方法与人工智能，我们旨在创造一种新型的闭环控制自动驾驶激光系统。”余宙教授说，“该系统将能够实时感知潜在缺陷，预测问题并在发生前自动调整工艺参数，以确保高质量的生产。它足够灵活，可以处理不同的材料和部件几何形状，成为制造业的变革者。”

与此同时，研究人员希望AIDED能够彻底改变使用金属3D打印的行业的工艺优化。

“航空航天、生物医学、汽车、核工业等许多行业都会欢迎这样低成本但精准的解决方案，以促进从传统制造向3D打印的转型。”商晓说，“预计到2030年，增材制造将重塑多个高精度行业的制造方式。自适应缺陷修正和参数优化的能力将加速其采用。”

与此同时，研究人员希望AIDED能够彻底改变使用金属3D打印的行业的工艺优化。

**来源：**
多伦多大学应用科学与工程学院

**期刊引用：**
商晓, Talbot A., 李恩, 温浩, 吕天, 张杰, 余宙. (2025). 激光定向能量沉积中的精确逆向过程优化框架. 《增材制造》，102, 104736. DOI: 10.1016/j.addma.2025.104736
https://www.sciencedirect.com/science/article/pii/S2214860425001009

(以上内容均由Ai生成)