3D科学谷洞察
“ 目前所有算法，包括监督、无监督和强化算法都已在 AM-增材制造中使用。无监督和强化算法可以从过程中本地学习并开发模型，并在同一构建中改变参数以减少错误、最小化缺陷或定制微观结构。在这种情况下，本地监控、本地数据处理、结果分析和本地控制反馈是必不可少的。”
近日，多伦多大学材料科学与工程系Yu Zou (邹宇) 教授以及第一作者Xiao Shang (尚笑) 等研究人员在增材制造（AM）领域取得重要进展，特别是在激光定向能量沉积（L-DED）工艺优化方面提出了全新的AIDED框架。该研究成果以《Accurate Inverse process optimization framework in laser directed energy deposition》为题，发表在增材制造领域顶级期刊《Additive Manufacturing》上。该研究得到了加拿大自然科学与工程研究委员会（NSERC）等多个项目的支持，为增材制造工艺的高效优化提供了新的解决方案。
“ 3D Science Valley 白皮书 图文解析
”
研究背景与挑战
增材制造，尤其是激光金属增材制造，因其能够制造复杂形状的部件而备受关注。然而，工艺参数的优化一直是该领域的一大挑战。传统的工艺优化方法通常依赖于耗时的试错过程，且难以同时满足多个优化目标。尽管模拟技术有所进展，但其计算资源需求大，难以在实时工业应用中推广。因此，开发一种快速、准确的工艺优化方法成为了推动增材制造技术广泛应用的关键。
Accurate Inverse process optimisation framework in laser Directed Energy Deposition (AIDED) 框架的创新
研究团队提出的AIDED框架结合了机器学习模型和遗传算法，能够快速、准确地预测单道、多道和多层熔池的几何形状，并通过逆向优化直接从用户指定的优化目标中识别出最佳工艺参数。
▲Figure 1 AIDED 框架示意
该框架的核心优势在于：
1. 高精度预测：AIDED框架能够准确预测单道熔池的面积（R²得分0.995）、多道熔池的倾斜角度（R²得分0.969）以及多层熔池的截面几何形状（宽度和高度误差分别为1.75%和12.04%）。
▲Figure 2 单熔道熔池截面形貌预测结果
2. 逆向优化：AIDED框架能够在1-3小时内从用户自定义的应用目标中逆向识别出最佳工艺参数，显著提高了工艺优化的效率。
▲Figure 3 基于机器学习和基因算法的参数优化结果
3. 材料通用性：该框架展示了良好的材料通用性，仅需少量额外数据即可将其应用于其他材料系统，如纯镍。
实验验证与应用
研究团队通过实验验证了AIDED框架的有效性，成功解决了多目标优化问题，识别出在保证高打印速度和小有效轨道宽度情况下的最佳工艺参数。实验结果表明，使用AIDED框架优化的打印件密度超过99.9%，且打印速度显著提升。例如，在打印一个10 mm × 10 mm × 5 mm的立方体时，最快打印时间仅为101.9秒，有效轨道宽度最小可达0.392 mm。
▲Figure 4 实验验证优化结果尺寸精度以及孔隙率
未来展望
AIDED框架的成功开发为增材制造工艺优化提供了新的工具，特别是在激光定向能量沉积领域。该框架不仅能够显著减少工艺优化的时间和成本，还能够通过逆向优化快速识别出最佳工艺参数，极大地推动了增材制造技术在工业中的应用。未来，研究团队计划进一步扩展该框架的应用范围，涵盖更多材料系统，并探索其在复杂形状零件制造中的潜力。
文章链接：
https://doi.org/10.1016/j.addma.2025.104736
总结
多伦多大学Yu Zou (邹宇) 教授团队提出的AIDED框架为增材制造工艺优化提供了高效、准确的解决方案，特别是在激光定向能量沉积领域。该框架的成功应用不仅提升了打印效率和质量，还为增材制造技术的广泛应用奠定了坚实基础。未来，随着该框架的进一步优化和扩展，增材制造技术将在更多工业领域发挥重要作用。
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3D科学谷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3D科学谷
