新的机器学习框架提高了金属 3D 打印的精度和效率，促进了可持续制造

快速阅读: 据《科学日报》称，研究团队开发了一种名为AIDED的新框架，优化了激光3D打印技术，能快速确定最佳工艺参数，提升成品精度与稳健性，适用于多行业。该技术有望推动制造业向智能制造转型。

在《增材制造》期刊上发表的一篇新论文中，研究团队介绍了一种他们称之为激光定向能量沉积精准逆向工艺优化框架（激光定向能量沉积精准逆向工艺优化框架，简称AIDED）的新框架。这项突破性的进展优化了激光3D打印技术，显著提升了成品的精度和稳健性。研究团队希望通过预测金属熔化和凝固的过程，找到最理想的打印条件，从而为航空航天、汽车、核能以及医疗等行业生产高品质的金属部件。

“目前，定向能量沉积技术——一种主流的金属增材制造方式，由于通过反复试验寻找最佳工艺参数的成本高昂，限制了其广泛应用，”该研究的第一作者、博士候选人尚晓表示，“我们的框架能够依据行业需求快速确定各类应用的最佳工艺参数。”

金属增材制造技术利用高功率激光有选择性地融合微小金属粉末，根据精确的3D数字模型逐层构建零件。与传统的切割、铸造或加工方式不同，金属增材制造技术能够直接生成复杂的高度定制化组件，几乎不产生材料浪费。“3D金属打印的一大挑战在于制造过程的速度和精度，”邹博士说道，“打印条件的变动可能导致最终产品质量的不一致性，这使满足行业对可靠性与安全性要求变得困难。”

另一个重大难题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学领域的钛，还是适用于核反应堆的不锈钢——都有其独特的属性，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费时的任务。

这些挑战激励了邹博士及其团队研发出他们的新型框架。AIDED在一个闭环系统中运行，其中遗传算法——一种模拟自然选择以寻找最优解的方法——首先提出工艺参数组合，然后机器学习模型评估这些组合的打印质量。遗传算法会检查这些预测是否达到了最优效果，并不断重复这一过程，直至找到最佳参数。

“我们已经证实，我们的框架能够在短短一小时内从可调目标中识别出最佳工艺参数，并准确预测从工艺参数到几何形状的结果，”尚博士指出，“它非常通用，适用于多种材料。”

为了开发该框架，研究人员进行了大量实验，收集了庞大的数据集。这一关键但耗时的步骤确保了数据集覆盖了广泛的工艺参数。展望未来，该团队正致力于打造一种增强型自主或自动驾驶增材制造系统，这种系统能在最少人工干预的情况下运行，就像自动驾驶汽车一样，邹博士表示：“通过结合尖端增材制造技术和人工智能，我们旨在构建一种新颖的闭环控制系统，即自动驾驶激光系统。该系统不仅能实时感知潜在缺陷，还能提前预测问题并自动调整处理参数，以确保高质量生产。它足够通用，能与不同的材料和零部件几何形状兼容，这将彻底革新制造业。”

同时，研究人员希望AIDED框架能彻底改变依赖金属3D打印的行业的工艺优化。“像航空航天、生物医学、汽车、核能等行业将欢迎这种低成本且精准的解决方案，助力它们从传统制造向3D打印转型，”尚博士说道。邹博士补充道：“预计到2030年，增材制造将重塑多个高精度行业的制造模式，而具备自适应修正缺陷和优化参数能力的技术将加速其普及。”

最终，这项创新不仅提高了生产效率，还为未来的智能制造铺平了道路。

(以上内容均由Ai生成)