激光金属沉积（LMD）增材制造工艺因能够制造各种工业应用中复杂的组件而越来越受欢迎。然而，确保沉积过程的可靠性已被证明是一个具有挑战性的任务。

尽管在LMD过程中已经设有控制机制，但工艺偏移仍可能发生，并在层生长方向上传播，负面影响组件。仅依赖先前的时间步长来预测后续时间步的沉积可能不足以保证准确性。

为了实现稳健的实时几何控制，本期谷·专栏所分享的研究论文中提出了一种基于时空邻接特征的预测模型。为了验证所提出的方法，制造了九个样本的整体结构。最初，比较了五种不同的机器学习算法，这些算法未使用邻接特征，从中选择了长短时记忆（LSTM）网络进行后续分析。通过三组不同的实验进行了交叉验证，以检查所选预测模型的稳健性。实验结果验证了所提出方法在提高熔池高度预测模型性能方面的有效性。

论文链接：
https://link.springer.com/article/10.1007/s40964-025-01047-y

 引言

金属增材制造（AM）作为一种有效的技术，已经成为经济地生产定制化小批量产品的手段，同时与传统的减材制造相比，能够将废料减少约一半。激光金属沉积/激光送粉（LMD）和线弧增材制造（WAAM）都属于定向能量沉积（DED）技术范畴，这是金属增材制造的一种类别，但它们在能量来源和材料类型上有所不同。LMD利用激光束将金属粉末熔化并与基材平面上的焦点熔融，形成精确的复杂几何形状沉积层。

文献中的一个关键空白是缺乏能够融合时空信息的预测模型，特别是对于大体积结构，这些模型捕捉了跨越时间和空间的邻近数据点之间的关系。在实际的LMD过程中，沉积层的几何形状不仅受到先前时间步长的影响（时间依赖性），还受到同一层内和相邻层的邻近区域的影响（空间依赖性）。

DED中沉积层的几何形状受到与前层和邻近区域的相互作用的强烈影响，这些相互作用源于表面条件、热效应和工艺不稳定性。

一个关键因素是球化效应，即喷溅物和部分熔化的颗粒积聚在基材或先前沉积层表面上。这改变了预设的间隙距离，影响了局部能量密度，导致不均匀的熔化。因此，这些不规则性会导致沉积层厚度不均、表面粗糙度增加以及局部缺陷，从而影响尺寸精度。

然而，球化并不是唯一的影响因素。连续路径的热积累会随着时间的推移增加熔池的大小，导致沉积材料的层高逐渐增大。除了层间效应外，层内相互作用——特别是与同一层内沉积轨迹的重叠有关——也会影响沉积层的几何形状。理想情况下，当新形成的熔池与先前沉积的熔池重叠时，它应该形成均匀的融合轮廓，尽管它仍然略微增加新轨迹的高度。然而，预先存在的表面缺陷可能会扰乱润湿角度，导致不一致的融合效率。这增加了诸如缺乏融合和内层孔隙等缺陷的可能性，进一步降低了表面质量。如Imran等人所指出，这些缺陷的组合可能会传播到后续层，导致层高的变化和多次沉积循环中几何不准确的累积。这些相互作用突显了将时空信息集成到预测模型中的必要性，因为它们直接影响着制造过程的稳定性和精度。

据作者所知，本研究首次尝试将时空信息集成到LMD的时间序列熔池高度预测模型中，利用层间和层内相互作用。由于现有相关研究未考虑这些时空特征，限制了它们预测模型在捕捉大体积多层结构真实动态方面的有效性。这一空白凸显了开发新型预测框架的需求，该框架集成了时间和空间信息，为LMD过程的实时监控和控制的进一步发展提供了基础。

因此，在利用双目视觉监控系统捕捉熔池高度的LMD背景下，本研究的突出贡献如下：

研究提出了一种数据驱动时空预测框架，用于预测轨迹级别的层高，而非平均层高度，针对LMD过程中特定应用的体积结构。该框架利用层间和层内邻接特征提高熔池高度预测的准确性，并结合关键的工艺参数（如时间索引、层索引、激光功率、与边界的欧几里得距离等），为预测框架提供全面的数据。层间特征提供了来自底层的信息，捕捉累积效应，而层内特征则反映了同一层内的空间关系。这一方法克服了传统方法的局限性，通过实现体素级别（轨迹级别）的预测，而不是将层或轨迹的高度测量视为独立观察——这种做法本质上忽视了时空信息。

本研究在LMD背景下严格评估了几种先进的基于数据的预测模型的性能。我们比较了门控循环单元（GRU）、长短时记忆（LSTM）、人工神经网络（ANN）、极限梯度提升（XGBoost）和支持向量机（SVM）等模型，并通过均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）等指标定量评估它们的性能。为了展示所提出框架在实时过程控制中的实际应用，预测模型在九个大体积（长方体）结构上进行了测试，使用了三组交叉验证集，确保了不同数据集和实验条件下的稳健性和通用性。

本文的其余部分结构如下：第二节介绍了熔池几何特性及其监控技术的背景信息，并回顾了相关的先进数据驱动预测模型。第三节提供了本文采用的方法，包括数据收集与预处理、特征生成、使用的不同模型以及性能度量的详细信息。第四节对预测结果进行了比较和深入讨论，并给出了实验材料和细节。最后，第五节总结了本研究的主要内容。

 02 相关工作

2.1 几何感知

熔池监控常用于确保增材制造（AM）部件的质量达到特定标准，因为熔池信息对整体产品的属性至关重要。当监控在尽可能接近制造过程的点进行时，质量控制的效率最大，例如，在机器上和过程中的计量。机器上计量研究的是在AM机器内对部件制造过程的测量。原位测量用于获取信息，同时执行过程中；通过检查正在制造的部件（逐层和/或逐轨迹），并观察LMD机器中与过程相关的其他变量。通常，有两种监控技术用于获得熔池的几何特征：基于激光扫描的方法和基于视觉的方法。

基于激光扫描的方法沿激光线捕捉高度数据，而不仅仅是单个兴趣点，从而产生表面高度的高分辨率扫描，数据以点云数据结构表示。然而，基于激光扫描的方法实时监控熔池存在诸多问题。首先，它仅限于在每层完成后进行逐层扫描。虽然最近的一项研究通过结合具有蓝光特性的激光扫描仪，开发了每个沉积轨迹剖面的实时扫描，但由于blown powder、能量束和熔池辐射的强烈光干扰，仍然存在导致偏差较大的问题。此外，他们的实验仅验证了单轨多层结构，而大多数实际应用涉及具有大体积结构特征的复杂物体。其次，基于激光扫描的系统表面覆盖区域有限，较大的物体可能需要反复扫描，从而导致较长的交付时间和更高的制造成本。本质上，重复扫描之前沉积的区域也可能导致重叠扫描。即使调整扫描宽度，也有可能遗漏某些区域的扫描。对于大体积结构的应用，仍需进一步研究。第三，存在遮挡和阴影效应。前者发生在扫描仪扫描表面时，但探测器无法看到该区域，而后者则发生在部件设计具有复杂形状或表面不规则性，导致激光扫描仪无法到达某些区域时。

相比之下，高度多功能的基于视觉的感知方法提供了许多优势，特别是在通过高速光学成像分析熔池动态和形态学方面，并且适用于闭环控制应用。熔池的特征为典型缺陷提供了重要的见解，这些缺陷包括融合不足、孔洞形成和气孔，所有这些缺陷都源于熔池的复杂动态。例如，喷溅物（即激光与粉末相互作用产生的喷溅物）可以用来检测可能导致部件缺陷的过程不稳定性[61, 62]。

仅依赖单目视觉相机设置可能导致高度估算不准确，因为视线角度发生变化，这些变化可能是由于初始标定过程中的方向变化。为了解决这个问题，专家们已经将多个视觉相机设置与先进的图像处理技术集成。此外，环境因素，包括照明，也可能影响结果，需要通过经验来确定图像处理阈值。虽然调整照明可以提高精度，但也可能破坏特定光谱信号。为了减少LMD过程中文件制造过程中质量波动，Hu等人研究了两种测量方法（基于激光扫描的和基于视觉的）以建立闭环反馈系统。经过详细分析，他们发现使用互补金属氧化物半导体（CMOS）相机捕捉熔池图像具有优势。首先，它不需要复杂的信息捕捉设置。其次，它提供了实时数据，收集效率更高。最后，它在LMD过程中捕捉最完整的熔池图像和动态。相比之下，基于激光扫描的方法仅捕捉部件最上层的固化轨迹。此外，研究人员发现，使用CMOS相机、高分辨率线激光扫描仪和实验部件的横截面尺寸之间的测量误差可以忽略不计，这使得基于CMOS相机的在线测量系统成为可行且有效的。

考虑到这两种几何感知方法的优缺点，基于视觉的方法似乎在捕捉熔池形态学方面更具多功能性和鲁棒性，尤其是在使用多个相机设置时，无论设计的复杂性如何。

2.2 基于数据的熔池几何预测

近年来，研究人员对LMD过程中的熔池几何形状的基于数据的模型给予了大量关注。根据Iravani-Tabrizipour和Toyserkani的研究，由于熔池横截面轮廓形状在过程中不可预测且波动，因此无法通过解析方法计算层高。为了解决这个挑战，他们展示了一个早期的RNN模型示例，该模型预测了单轨/单层结构的熔覆高度。除了RNN架构外，ANN模型也被用于预测。Song等人的研究比较了ANN与响应面模型（回归分析）的预测能力，旨在预测平均轨道宽度和高度。研究表明，ANN模型生成的结果精确且与实验值非常接近。随后，Pant和Chatterjee建议将粒子群优化（PSO）算法——一种进化算法——与ANN模型结合，以通过估计初始权重来提高ANN的收敛速度。他们进行了实验，将他们提出的PSO-ANN模型与标准ANN模型进行了比较，预测了轨道的平均层高、宽度和粉末捕获效率。研究结果显示，PSO-ANN模型的性能更好。Feenstra等人开展了一项研究，研究了不同输入参数对熔池几何特征（包括高度、深度、宽度、面积和稀释）的影响，针对Inconel 625、Hastelloy X和不锈钢316L。他们的发现表明，ANN模型未能产生令人满意的结果，但他们推测数据集的大小限制可能是一个因素。

与前述研究类似，Yang等人预测了薄壁结构中每个轨道的层高——即当前层与先前累积高度之间的平均差异。每层使用了一组固定的变量，包括激光功率、扫描速度、进料速率和层索引。随后，考虑了来自激光扫描仪的先前平均层高、先前累积层高和喷嘴到工件的距离等信息。他们的研究采用了一种基于ANN模型的迁移学习方法，并通过批次更新估算薄壁结构中带有角落特征的层间高度，初始训练时使用直线特征。为了弥补角落特征可能影响局部能量密度的速度损失，修改了扫描速度。作为每层预处理步骤的一部分，从激光扫描仪获取的原始数据通过样条曲线拟合，并细分为多个轨道块，每个块有一个平均层高。每层内的重复层分离也是必要的。然而，他们的研究并未考虑每个子区域沿轨道的空间分辨率。

Kim等人进行了一项研究，探讨了使用ANN预测LMD中多轨/多层结构的层高。为了训练网络，他们利用了包括工艺参数、熔池尺寸和热特性在内的十个不同输入变量。研究人员创建了90个样本，每个样本包含一个由三个轨道组成的单层沉积，层数从0到5，并且使用了15种不同的工艺参数组合。值得注意的是，作者排除了前10%和最后10%的数据，仅使用中间部分80%的数据进行训练，以消除打印时的边缘效应。因此，数据集被划分为48,784个训练数据集和12,200个验证数据集。此外，他们通过激光扫描方法获得了每个轨道的225个高度点。然而，他们并没有利用整个轨道上的高度数据，而是对每个轨道的层高进行了平均，以表示该层的单一代表性高度。作者还声称，他们开发的层高估算系统能够提供实时反馈，每层高度估算时间少于20毫秒。他们建议未来的研究可以结合实时反馈控制系统，基于实时层高估算系统来减少目标组件和尺寸精度。然而，模型评估仅在顶部层进行，该层沉积在预先沉积的大体积结构上，这使得他们模型的性能存在可疑性。此外，这一过程几乎与多轨单层沉积相似，因为它未考虑由于前层的热积累引起的工艺波动，这在打印大体积结构时可能出现。

Hu等人指出，通过利用时间索引和层索引捕捉红外相机图像中的热积累效应，可以更全面地理解LMD过程。为此，研究人员提出了一种名为CNN-BiLSTM的预测方法，这是一个结合了双向LSTM和卷积神经网络（CNN）架构的混合方法，它考虑了熔池几何的CMOS图像中的空间特征。该方法结合了与沉积和热积累现象相关的工艺参数，以提高预测精度。通过在薄壁部件制造中的实验，验证了该数据驱动方法的有效性，表现超过了基于物理的方法，并在预测性能上显著提高了速度。值得注意的是，图像索引从每个轨道/层的1到79不等，每层的初始图像因质量差而被排除。作者还表示，他们的预测模型将为未来设计一个能够自适应控制LMD过程的闭环控制系统奠定基础。

另一项试图解决LMD过程中热积累和逐步沉积的时间特性的研究由Wang等人进行。作者将数据驱动模型和基于物理的分析模型结合起来，推导出了熔池温度。然后，使用工艺参数作为输入，通过1D-CNN模型预测沿轨道的累计层高和熔池宽度。Marangoni指数是提议的研究中的一个参数，它通过规范化沿扫描方向构建的结构的高度得出。然而，该方法仅适用于薄壁结构，可能无法用于复杂结构或多轨多层情况。

Shin等人强调了在进行分析之前对通过线扫描仪获得的熔池图像和高度数据进行预处理的重要性。这个预处理步骤对于对齐两个数据集至关重要，因为通过线扫描仪收集的试样尺寸的变化可能会导致数据行和列的大小不一致。为此，采用了插值方法将输入的熔池数据标准化为每轨道（时间序列×特征）200×10的预定形状，而输出数据集（高度数据）设置为每轨道（时间序列×高度）200×1的形状。所选的预定形状考虑了多轨道分割为单个轨道的情况，适应了相邻轨道之间的重叠。为了使用1D-CNN模型预测数据高度，采用了之字形扫描策略测试了九种不同的情况。

在LMD过程中，控制层高的常见方法是通过对每层的熔池高度进行平均，以得出一个反映沉积过程整体性能的单一代表值，并使用基于激光扫描的感知方法来获取熔池高度。虽然这种方法可能对于简单结构（如单轨单层或薄壁结构）足够，但它可能隐藏了沉积过程中层的真实表现，尤其是在处理大型打印或大体积结构时，层内可能存在的局部缺陷可能无法被检测到。这最终可能会对构建过程产生不利影响，随着层的增长，问题会变得更加严重。直到现在，沿轨道的高度预测仅在简单结构（如单轨/单层、薄壁或多轨单层）中进行过测试，且采用的是基于数据的方法。例如，在他们的研究中，Shin等人为多轨单层结构使用了高度预测模型，在预处理步骤中将每个轨道视为独立的打印轨道。他们假设沉积焦点附近的几何波动不会影响后续沉积焦点的结果。基于这些相关研究和表1中总结的内容，本研究旨在探讨在大体积结构沉积过程中，当前层内的几何变化如何影响后续沉积焦点的预测，跨越空间和时间。这项研究采用了一种新框架，集成了两个额外的空间特征：层间和层内邻接特征，这将在后续章节中详细讨论。

“ 3D Science Valley 白皮书 图文解析

”

 03 研究方法

本研究引入了创新的空间邻接特征，以增强LMD过程的预测能力：层间特征和层内特征，如图1所示。层间特征指的是当前层兴趣点下方的数据点，增强了模型预测因底层变化而产生的效应的能力。相比之下，层内特征关注来自兴趣点中心的邻近数据点，提供了关于影响熔池动态的即时空间关系的详细洞察。除了这些空间特征外，模型还结合了到边界的欧几里得距离，以考虑熔池的塌缩，并使用时间索引和层索引来有效建模热积累效应，已知这一效应与时间直接相关。这些特征，包括空间邻接特征以及时间和边界相关的因素，提供了一个全面的预测因子集，这些特征在先前的基于数据的高度预测模型中未曾同时考虑过，如表1所列。

本研究采用激光功率作为主要控制参数，其选取依据在于其对控制信号的快速响应特性——可在微秒级时间内实现调控，而当前设备激光脉冲宽度范围为35至120毫秒。这一特性与基于机械运动的位移控制和送粉速率控制形成鲜明对比，后两者受固有机械惯性限制响应较慢，且可能引入显著延时。尽管扫描速度和送粉速率对熔池形貌具有重要影响，但现有模型中二者的主要作用在于预测沉积完成后的平均层高，这恰好符合批量处理或分层控制策略的需求。本研究则致力于实现更精细的预测维度，通过逐体素（voxel-by-voxel）的方式预测熔覆层高度。这种精细化的预测能力对于在沉积过程中实施闭环控制系统至关重要，能够确保实时制造条件下工艺的高精度与自适应调控能力。

为了验证这一假设，研究采用了稳健的实验设置，涉及一种大体积结构类型的固体三维形状。数据预处理包括将一维时间序列数据转换为三维坐标空间内等距采样点。在每层完成后，额外的步骤重新校准了先前层采样点的原始熔覆层高度。这一系列的n个数据点（由输入变量集组成）随后被用于预测处理后的熔覆层高度，在各种预测模型（包括SVM、XGBoost、ANN、GRU和LSTM）中进行预测。通过RMSE、MAE和R2等性能指标对这些模型的表现进行了细致评估。

最终，本研究的主要目标是开发一个复杂的时空相关框架，利用基于数据的预测模型的优势，显著提升金属增材制造中的预测准确性和操作效率。

3.1 数据收集与预处理

数据收集使用了一种集成的双目视觉现场监控系统，如图1所示。

该系统通过一系列图像处理步骤捕捉沉积过程中的熔池高度，进而从像素数据中确定熔池高度。同时，机器还记录了熔覆层高度的原始观测值，以及激光功率和坐标系统，这些数据根据机器日志中的时间索引t进行了同步。

记录的数据点代表熔池，这些数据以四维数据流（x, y, z, t）结构化，其中x、y和z代表三维空间中的空间坐标，t代表时间索引。然而，这种结构化数据存在几个挑战：传感器捕捉到的数据点通常是无序的，并且相邻点之间的采样不均匀，且数据点的数量和位置随着每层的变化而变化。与在三维空间中保持一致的行列深度索引的有序点云（如图2所示）不同，数据点的变化要求一个稳健的预处理策略，以确保数据的可用性和完整性。

为了管理这些挑战，本研究实施了一种预处理方法，将实时数据聚合为有序的点云数据结构，区分每一层的横截面轮廓[52]。每个点云p(t)在给定的时间索引t处封装了x、y、z坐标，∀t ∶ (1 ≤ t ≤ n)，其中n是该层的有序点云中的总点数。点云集

包含所有有序点pijk，其中i、j、k分别代表它们的对应索引。此外，每个p(t)还关联一组属性，包括层索引、时间索引、到边界的距离，以及激光功率和处理或重新校正的熔覆层高度。

每层完成后，传感器的基准读数会重新校准为零参考平面，以解决由于先前层的累计偏差导致的熔池高度读数差异。熔池高度校正过程使用以下公式进行，其中hijk和h′ijk分别为P中第i、j、k索引处的处理后的和重新校正的熔池高度实例。常数dz代表用户设置的z轴增量。例如，如果当前第1层的高度hij1 = 300µm，且第0层的先前记录高度为hij0 = 50µm，且z轴增量dz = 250µm，则重新校正后的高度hij1应调整为500µm，以考虑第0层的欠沉积。

3.2 时空邻接特征生成

时空邻接特征旨在捕捉围绕焦点数据点的互相关联特性，这些数据点位于体积结构内。这些特征在两个层面上进行操作：

时间层面：特征涵盖了在与工具路径对齐的移动窗口内的历史数据。该数据集包括时间索引、层号、到边界的欧几里得距离、以及每个体素的设置激光功率和实际激光功率值，捕捉沉积过程随时间的动态演变。

空间层面：在这一层面上，特征分为两类：层间特征和层内特征。层间特征由直接位于焦点下方的不同层的数据点组成，有助于预测由于底层变化而产生的影响。另一方面，层内特征考虑的是在同一层内，立即围绕焦点的邻近数据点，提供了关于影响熔池动态的即时空间关系的见解。

集成时间和空间信息增强了增材制造中高度预测模型的预测性能，促进了实时、逐体素预测熔覆层高度。这一综合方法提供了对空间关系和时间动态的细致理解，显著提高了预测模型的精度和响应速度，超越了传统方法，这些方法依赖于简单的工艺参数，如激光功率、扫描速度和粉末进料速率。

预测模型包含五个默认输入特征：时间索引、层号、到边界的欧几里得距离、设置的激光功率和实际激光功率，并输出当前层在(t+1)时刻的重新校正的沉积高度。层高是我们预测模型的主要输出，受到多层沉积过程中多种因素的影响。控制该输出的关键输入之一是激光功率，这是决定轨迹几何形状的关键参数。激光功率的调整通过补偿热积累、热传导、层间温度变化和表面条件变化等干扰，直接影响层高。此外，到边界的欧几里得距离是检测打印边缘熔池塌缩的关键输入，这对于确保每层的结构完整性至关重要。层号和时间索引也起着重要作用，它们有助于捕捉热积累效应——这一现象对层间的几何一致性产生重要影响。这些输入共同帮助模型考虑并适应沉积过程的复杂动态，从而实现对最终层高的精确控制。

除了五个默认输入特征外，模型还考虑了两类邻近区域的高度，这些区域邻近处理后的沉积高度：层间邻接和层内邻接。pijk ∈ P的层间邻接可以在集合Nijk中汇总：

自然地，矩阵中的非零元素总数会根据当前的位置和工具路径而变化。靠近边缘的点，其矩阵中的非零元素比内部点少。类似地，在过程开始时，由于历史点数量有限，这个矩阵中的零元素相对较多。图3展示了体素化结构的表示，突出了围绕待预测的中心体素在 t + 1 时刻的层内和层间邻接体素关系，有助于理解预测过程中使用的索引约定。

3.3 模型选择

预测模型的选择是精心定制的，符合本研究的独特需求，每个模型的选择都基于其在处理特定类型数据和问题中的优异表现。选择支持向量机（SVM），因为它已被作为与其他机器学习模型比较的方法来解决回归问题。XGBoost 和递归神经网络（RNN）架构，包括门控递归单元（GRU）和长短期记忆（LSTM），由于它们在时间序列预测中的优异表现以及对噪声的抗干扰能力，也被选中。此外，选择人工神经网络（ANN）是因为它在相关的基于数据的高度预测研究中具有广泛的应用，如表1所述。这些模型的任务是处理之前识别的复杂时空特征，这些特征对于准确预测增材制造过程中的层高变化至关重要。

3.3.1 支持向量机（SVM）

支持向量机（SVM）是一种强大的机器学习工具，可用于分类和回归任务。其通过在高维空间中构建超平面来工作，该超平面有效地以最大的可能边距分离不同类别的数据。该边距定义为超平面与每个类别的最近数据点之间的距离，确保超平面尽可能远离任何数据点，从而增强模型的泛化能力。SVM 的多功能性使其能够使用各种类型的核函数来适应线性或非线性关系。常用的核函数包括径向基函数（RBF）、双曲正切和多项式核，每种核函数都适应不同的数据特性。这种适应性使得 SVM 特别适用于小型数据集，能够在相对较少的训练数据下提供高准确度。

为了确保在选择的数据集上达到最佳性能，SVM 模型经过了精心的微调。通过网格搜索方法系统地优化了超参数，如核函数类型（RBF、线性），决策边界值（0.01、0.1、1）和最大迭代次数（1000、5000、10,000）。这一精细的调整过程对于将 SVM 适应数据集所面临的特定挑战和复杂性至关重要，旨在实现最佳的预测准确性。

3.3.2 极限梯度提升(XGBoost ）

XGBoost 是“极限梯度提升”（Extreme Gradient Boosting）的简称，由 Friedman 提出，描述了传统梯度提升框架的一个高级扩展。这一强大的算法通过集成方法克服了单个决策树的局限性，其中每棵树都是顺序构建的，旨在优化和改进前一棵树留下的残差。这种方法增强了模型捕捉数据中复杂模式和细微差别的能力，使其在广泛的预测任务中非常有效，包括分类、回归和排名。XGBoost 的一个关键优势是其能够处理线性和非线性关系，适用于不同的数据集。它特别因其计算效率而受到重视，因为它支持并行处理，允许在单台机器上更快地执行学习任务。这种效率使得它在处理大量数据时成为一种非常有吸引力的选择，尤其是在快速模型训练至关重要的情况下。

在优化阶段，XGBoost 模型的特定超参数经过了精心调整，以最大化在选定数据集上的性能。这些参数包括树的最大深度（测试了深度为 5 和 7）、子样本率（试验了 0.1 和 0.7，以确定每棵树生长时使用数据集的最佳比例）、以及最小子节点权重（设定为 1 和 5，以控制树内的决策过程）。通过网格搜索过程系统地探索了这些调整，确保对每个配置进行了严格评估，以找出最有效的设置，确保最佳的预测准确性。

3.3.3 人工神经网络（ANN）

人工神经网络（ANN）是一种多功能的机器学习模型，由输入层、输出层、一个或多个隐藏层组成，使其在各种预测和分类任务中都非常适用。作为通用函数逼近器，ANN 擅长建模大型且多样化数据集中的复杂非线性关系。优化 ANN 涉及调整其架构和微调多个超参数，以增强其在特定数据集上的性能。此过程包括选择合适的神经元数和层数，这对于网络捕捉数据中的详细模式至关重要。模型测试了128和512个神经元，以及一到三层隐藏层，允许根据数据集的复杂性采取量身定制的方法。此外，还探索了包括“Adagrad”和“随机梯度下降”（SGD）等不同优化器选项，以确定它们对网络学习动态的影响。学习率设为 0.01，以确保在训练过程中平稳收敛，不会超过最小误差点。为了高效地在可能的配置范围内导航，本研究采用了贝叶斯优化，目标是最小化 RMSE，作为性能评估的目标函数。此外，Rectified Linear Unit（ReLU）激活函数被集成到网络中。ReLU 在神经网络中特别有用，因为它可以防止梯度消失问题，从而在学习过程中保持有效的梯度流，特别是在更深的网络结构中。这一功能对于确保 ANN 从典型的预测建模数据集中持续而有效地学习至关重要。

3.3.4 长短期记忆（LSTM）

长短期记忆（LSTM）模型是传统 RNN 的一个高级变种，专门设计用于更有效地分析时间序列数据。与标准的 RNN 不同，LSTM 通过独特的门控机制解决了梯度消失或爆炸的问题。这个机制由忘记门、输入门和输出门组成，允许 LSTM 有选择地保留或丢弃信息，使其在处理涉及序列数据的任务时非常高效。LSTM 的操作核心包括几个互联的门，这些门管理信息在网络中的流动。忘记门使用 sigmoid 函数决定要保留前一状态的哪些部分，范围从完全忘记（0）到完全记住（1）。然后，输入门处理新输入数据，将其与保留的信息整合，以更新网络的记忆单元。这个更新通过 tanh 函数实现，该函数将值规范化到 -1 和 1 之间，结合通过逐点乘法得到的sigmoid 输出，确保只有相关信息影响网络的状态。最后，输出门决定当前记忆单元的哪一部分将贡献到输出，从而影响时间步长的下一状态。LSTM 架构的详细公式和技术细节可以在 Yu 等人的综述研究中找到，该研究提供了有关其操作框架的深入见解。

优化 LSTM 模型涉及微调多个超参数，以使其性能适应特定的数据集。调整的关键参数包括学习率（0.01，0.001）、每层神经元数（128，512）、LSTM 层数（1，3）以及是否包含额外的 ANN 层（0，1，2）。为了优化这些设置，采用了贝叶斯优化，进行了最多 12 次试验，目标是最小化 RMSE。该模型还集成了 0.2 的丢弃率，并使用 Adagrad 优化器来提高学习效率并防止过拟合。LSTM 的全面设置使其能够有效捕捉并利用数据集的时间动态，确保准确预测并在不同时间尺度下保持强大的性能。

3.3.5 门控循环单元（GRU）

门控循环单元（GRU）是 LSTM 模型的一种简化替代品，旨在减少计算量。由于 LSTM 模型的计算需求较大，Cho 等人提出了 GRU，通过减少单元内的门数量（从三个减少到两个）来简化架构，从而减轻了计算负担并提高了处理速度。GRU 修改了传统的 RNN 架构，通过引入重置门和更新门，消除了单独的忘记门。重置门决定需要忘记多少过去的信息，而更新门定义新信息有多少会被用来更新当前的隐藏状态。这一配置允许 GRU 决定哪些信息在过去的时间步骤中是相关的，从而提高模型处理序列数据时的能力，尤其是当较早的输入对于未来预测仍然重要时。与 LSTM 类似，GRU 在任何时刻 t 的隐藏状态输出是基于该时刻的输入和之前的隐藏状态计算的，从而有效捕捉时间依赖性。GRU 内部的操作旨在解决标准 RNN 中常见的梯度消失和爆炸问题，从而在较长的序列上实现更加稳定和高效的训练。有关 GRU 功能的详细解释和公式，请参见 Yu 等人的综述。

GRU 模型的优化过程与 LSTM 相似，包括对超参数的微调，如学习率、神经元数和层数。这一系统的方法确保 GRU 模型能够最好地处理数据集的特定特征，最大化模型的效率和准确性。

3.4 性能评估

模型性能的评估被系统地分为三个不同的阶段。最初，使用五个默认特征（时间索引、层号、到边界的欧几里得距离、设置的激光功率和实际激光功率）评估了五个预测模型。这一初步比较旨在确定最适合进行详细分析的模型。随后，纳入了层间邻接特征，检验了这一额外的空间信息如何与默认特征一起影响模型准确性。最后，测试阶段采用了全面的实验设计，将层间和层内邻接特征与原始的五个特征结合起来。通过这种综合方法，可以评估每个因素在不同水平上的影响，邻接特征的参数范围从零到三。

为了评估每个预测模型在准确确定重新校正的熔池高度方面的精度和可靠性，采用了几种统计指标。这些指标是量化模型性能的关键工具，包括均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²）。

04 结果

4.1 实验设置与数据准备

在本研究中，实验设置使用了Hwacheon Machinery Co. Ltd的商业LMD打印机，具体型号为DLMF DMX 1，如图4a所示。该打印机配备了一台1 kW的镱光纤激光器，激光器对熔化过程至关重要，并配有屏蔽气体系统，以减少沉积过程中的氧化。实验中使用了氩气作为载气，将金属粉末输送到激光焦点区域，以进行熔化并沉积到基材或先前沉积的层上。标准DLMF打印模块800的工作设置为喷嘴与工件之间的9毫米偏移的间隙距离。

为了实时监控熔池高度，采用了分辨率为800×600像素、采样频率为60 Hz的双CMOS相机，并由系统内置软件进行管理。实验中使用的材料为Inconel 718金属粉末，这是一种由Sandvik生产的镍合金，粒度范围为53–150μm，因其在航空航天工业中的广泛应用而被选择。基材材料为20毫米厚的不锈钢（S45C）板。

进行了一共9次实验，使用长方体样本进行单轨多层配置实验，以模拟大体积结构的沉积过程。这些实验设计用来收集在不同激光功率下的熔池高度数据，即基于(t-1)时刻的熔池高度动态控制激光功率。激光功率作为主要控制参数被使用，因为它响应外部控制信号非常迅速，可实时调整。实验中的所有其他工艺参数保持恒定，包括850 mm/min的扫描速度、4.5g/min的粉末进料速率、0.25mm的层高增量、0.5mm的扫描间距和6.8l/min的保护气体和载气流量。每个长方体样本的尺寸为8.5mm×44mm，采用单轨多层双向锯齿形扫描策略（交替层）构建，最多可进行32层，如图4b和4c所示。每个样本引入了层号和时间索引，以精确捕捉每层中的熔池高度测量。相邻时间索引之间的时间间隔为0.036秒，确保以高时间分辨率记录熔池高度的动态变化。这些实验步骤确保了数据在受控条件下系统地收集，从而能够详细分析不同配置下的熔池行为。

数据收集后，记录的数据经过预处理，整理成有序结构以便进行模型训练。预处理包括将时间索引测量数据组织成结构化格式，反映每个长方体样本的熔池高度时空演变，使后续的机器学习模型能够有效学习层间和层内的依赖关系。在预测模型的训练中，数据主要来自7个涉及长方体结构的实验。其余实验用于模型验证和测试。为了确保全面评估，来自这些实验的数据被分为三种不同的数据集/案例，作为交叉验证策略的一部分，以测试模型的稳健性。这些数据集详细信息见表2。

表2

每个数据集包含了五个常见的默认输入变量，常用于现有研究：层索引、时间索引、设置和实际激光功率以及到边界的欧几里得距离，输出变量为基于公式(1)的重新校正熔池高度。每个案例都经历了三个测试条件，以评估空间特征对模型性能的影响。测试条件包括：

• 无层间和层内邻接特征（默认特征），
• 有层间邻接但没有层内邻接，
• 同时包含层间和层内邻接特征。

这种全面的测试方法评估了预测模型在不同数据集上的表现，突显了其适应性以及对大体积结构熔池动态的泛化能力。图5展示了本研究中用于预测过程熔覆层高度的整体流程。

4.2 熔池高度预测模型的比较分析

评估了五种不同的预测模型：SVM、XGBoost、ANN、GRU和LSTM。每个模型都使用来自案例1的数据进行严格训练，该案例涉及仅使用默认特征（不包括提出的层间和层内邻接特征）的长方体结构。此阶段对于评估模型的适用性至关重要。在训练之前，所有输入和输出变量都进行了标准化，以提高性能并加速收敛。

对于传统机器学习模型，包括SVM和XGBoost，采用了网格搜索方法来选择最优的超参数。网格搜索方法仔细测试了搜索空间中每个超参数组合，以找出能够产生最佳性能的设置。相比之下，神经网络架构（包括ANN、GRU和LSTM）采用了贝叶斯优化方法。这种方法采用概率模型，将超参数映射到其达到最佳性能的可能性，通过收敛到最有效的参数，避免了对每种可能性进行穷尽测试。

经过初步训练和超参数调整后，模型根据其在预测熔池高度方面的表现进行了评估。评估重点关注三个关键指标：RMSE、MAE和R²值。表3呈现了这一评估的详细结果。此比较对于确定最适合进一步分析和优化的基础模型至关重要，特别是在结合时空邻接特征后。

表3中的结果显示，SVM模型表现不佳，预测能力最弱，其RMSE和MAE分别为43.331和33.806，明显低于其他模型。类似地，ANN模型由于将每个观察值视为独立实体，处理时间序列数据时表现不佳，未能准确捕捉到顺序数据点之间的关联。XGBoost相比ANN和SVM表现更好，RMSE为31.046，MAE为23.724，R²为0.348，这得益于其抗噪声的能力。两种RNN架构，GRU和LSTM，展示了良好的性能指标，其中LSTM最终超越了所有其他模型。LSTM模型凭借其出色的处理时间序列数据的能力，获得了最低的RMSE（29.931）和MAE（23.065），以及最高的R²值（0.394）。这一结果为选择LSTM模型作为进一步研究的基础，特别是在加入层间和层内邻接特征后提供了依据。

表3 采用不同模型进行长方体结构沉积时，其预测模型的（性能/效能）评估指标

通过根据这些性能指标选择LSTM模型，证明该模型非常适合进入研究的下一阶段，在这一阶段中将引入时空依赖性，以进一步提高预测准确性。在后续部分中，基于这些发现，通过将时空邻接特征应用于LSTM模型，旨在提高其捕捉数据集中的空间和时间关系的能力。

总之，本研究在LMD过程中的层沉积行为和预测方面得出了几个重要发现。以下是本研究的关键点总结：

• 大多数研究使用了简单的结构，如单轨/单层、薄壁或多轨单层（表面熔覆层）配置。
• 大多数传统的数据驱动预测模型侧重于预测轨道的平均层高，而非沿轨道的详细层高剖面。这些模型往往忽视了单层或轨道内部的变异性，这种变异性可能由潜在的或外部因素引起，包括热积累或环境因素，未能有效地表示大面积范围内的完整高度谱。
• LMD过程与热积累密切相关，因为在添加层时，先前层的残余热量未能在沉积后续层之前完全散失。为了解决这一问题，本研究引入了时空邻接特征，旨在捕捉与预测的体素在t+1时刻相关的空间和时间变化。
• 此外，RNN/LSTM架构在提取与时间相关数据方面的有效性得到了证明。该模型擅长结合与热积累和沉积相关的时间特征，展示了热历史如何随着时间推移持续影响熔池。然而，随着时间的推移，先前热积累对熔池的影响逐渐减弱，RNN/LSTM模型能够逐步将这一变化纳入考虑。

来源：筑基手册

知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。

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 l 链接到3D科学谷网站原文

 融速科技VEAMTM
     开启激光送丝新时代

融速科技发布的多激光同轴送丝增材制造技术VEAMTM，以1200w高功率激光为热源，以金属丝材作为沉积材料，使用全栈自研的六激光同轴送丝3D打印系统，配置Matrix阵列激光控制器，可独立控制调节每束激光，确保能量分布更均匀，融化效率更高。VEAMTM兼具高精度、高效率、高性能、低成本的优势，同时具备零部件快速制造和快速修复再制造的能力，真正为用户提供优质高效的激光增材自动化解决方案。

融速科技揭示了VEAMTM技术的优势，具体如下：

1、成形精度高：出色的表面光洁度，粗糙度最高可达5um，打印精度远超电弧增材，高达100倍。

2、能量分布均匀稳定：六激光集成光内同轴送丝，丝材均匀受热，打印中稳定控制熔池大小。

3、材料利用率高：丝材利用率100%，真正实现无损耗加工。

4、沉积速率高：沉积速率高达1kg/h。

5、高度灵活性：Matrix阵列激光控制器，每束光路可独立调节控制，打印自由不受限。

6、环保更安全：激光送丝无粉尘污染，避免粉尘爆炸风险，熔融过程几乎无飞溅。

 结构件一次成型
     实现高精度低成本制造

根据融速科技揭示的数据，VEAMTM技术采用多激光同轴送丝，光路灵活可控，光丝耦合性好，加工自由度高，同时6束光斑对熔池产生的光压可细化晶粒，打印件表面粗糙度最高可达5um，可实现复杂结构件一次成型，大大减少后期机加成本，减少产品生产工序，缩短制造周期。

 赋能工业自动化
     激光送丝增材设备Laser One

Laser One（L1）是融速科技自主研发的新一代DED激光送丝增材制造装备，瞄准工业自动化增材制造，搭载自研VEAMTM激光同轴送丝3D打印系统，能够更好的控制打印过程。融速科技表示，其新一代DED激光送丝增材制造装备L1以更开放、更安全、更经济、易操作等优势，适配更多应用场景，为终端用户金属增材制造需求提供创新解决方案。

l 超级集成 灵活安装

L1一体化设计整合了冷却水、保护气、激光光路、送丝丝路、电气控制等多个系统，实现水路、气路，丝路、光路、电路等复杂链路全集成，提高设备综合性能的同时，安装简单灵活，并且后期的维护和运营变得更简单更容易。

l 全密防护 熔池监控

L1配备全局气密仓，可置换惰性气体，保证3D打印环境的稳定性，多重防护，无惧金属氧化。

采用融速科技自主研发的AMlens蓝光熔池相机监控，熔池动态纤毫毕现，可及时调整打印参数，大幅度提高打印质量，实现熔池、打印环境的可视化。

l 小型轻量 开箱即用

L1的集成设计，成型更紧凑稳固，设备尺寸小，占地面积小，结合可移动式设计，便于搬运和使用。采用触控交互大屏，拥有开放的用户交互系统和软件接口，满足个性化的3D打印需求。使用220V电压，快速上手，无需专业培训。

l  高效丝滑 稳定可靠

L1采用融速科技自主研发的全闭环精密送丝系统，使用双轮组送丝，减小送丝阻力，丝路通畅，集成控制，自动协调推丝和拉丝速度，保证送丝全程稳定丝滑。

l  高度适配 材无损耗

L1兼容0.8mm—1.2mm直径丝材，适配性高，且丝材利用率100%，真正实现无损耗加工。

 融速科技
     送丝增材制造专家

融速科技表示，此次VEAMTM激光增材技术及L1激光增材设备的发布，将加速推进国内金属增材制造的方向升级，填补国内WLAM增材设备的市场空白，其应用前景广阔，可广泛服务于航空航天、船舶、能源等重点行业，实现大尺寸、高效率、低成本、高精度增材制造。

科技驱动升级，创造永无止境。融速科技在DED定向能量沉积领域不断布局完善产品线，设备功能不断更新迭代升级，不断提升核心竞争力，打破现有市场竞争格局，致力于在工业4.0时代引领新一轮智能制造技术变革浪潮。

知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。

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 l 链接到3D科学谷网站原文

这一国家标准的发布旨在规范金属粉末定向能量沉积设备激光熔覆头测试方法，为企业提供明确的技术指导，加强产品质量监管，推动行业的健康发展。

标准内容充分考虑了国内增材制造行业的实际情况，同时与国际上比对和借鉴，以确保标准的科学性和实用性。新标准的制定经历了多个论证和专家评审阶段，集结了来自行业内专业领域的顶尖专家和科研人员的智慧和经验。

西安增材制造国家研究院有限公司在标准的制定过程中发挥了牵头单位的重要作用，依托其在增材制造领域的科研技术实力和丰富经验，为标准的科学性提供了坚实支持。新标准的发布将推动我国增材制造技术的不断创新，提高产品质量，促进增材制造产业的可持续发展。此次发布的国家标准的立即实施，将对增材制造行业的技术水平、产品质量和行业竞争力产生积极影响。

在全国增材制造标准化技术委员会（SAC/TC562）的领导下，西安增材制造国家研究院有限公司不仅在本标准中起到了引领作用，而且参与了总计19项国家标准的制修订工作，并且在2023年发布的11项标准中做出了重要贡献，充分彰显了其在国家标准制定方面的卓越贡献，标志着我国在增材制造技术规范制定方面迈出了坚实的一步。

来源 l 国家增材制造创新中心

知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。

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 l 链接到3D科学谷网站原文

© 3D科学谷白皮书

等离子弧丝材增材制造技术（WPAAM）是DED 3D打印技术的一种，它是以等离子弧作为热源，以丝材为原材料，扫描成型零件经路径软件分层得到的成型路径，在金属基板上形成移动的熔池，将外部填充的金属丝材熔化而成的金属熔滴，不断送入熔池，通过在成型路径上逐点逐道逐层累积金属材料，实现零件的快速高效高性能成型。

优弧智熔依托诺贝尔奖获得者丹·谢赫特曼教授团队的新材料研究院，并通过自主研发创新，突破多项技术瓶颈，实现了完全自主知识产权。目前，公司自主研发了等离子弧丝材增材制造侧向送丝万向旋转机构、BARC-WPAAM1501高性能大型结构等离子丝材增材制造设备（可制备最大尺寸1500mm×1500mm×1000mm的高性能大型复杂结构件）、多热源复合丝材增材制造等设备。

 技术优势

与传统锻造、机加等工艺相比，等离子弧丝材增材制造技术具有以下优势：

材料利用率高：整体来说，在等离子弧增材制造过程中，丝材的利用率在99%以上；

增材效率高：钛合金成型效率3kg/h，与传统制造工艺相比，缩短近75%的加工时间；

性能可靠：钛合金TC4测试性能满足AMS7004标准要求，挪威钛等离子丝材产品已应用空客A350、波音787等零件；

性价比高：材料、设备、能耗成本低，与传统制造工艺相比，节约近70%的成本。

 技术难点

优弧智熔不断攻克技术难题，持续创新，在研发过程中攻克的难题总结如下：

1. 侧向送丝万向旋转机构

等离子弧丝材增材制造是侧向送丝，这是目前所有丝材增材制造里面较难的一种送丝方式，因为侧向送丝过程中，丝材不是横平竖直的，它随着方向千变万化。所以，等离子弧丝材增材制造首先需要解决的就是万向送丝旋转问题，即在哪里3D打印，丝材旋转方向立即就可以转到哪里。

优弧智熔通过自主研发的侧向送丝万向旋转机构和四轴以上的运行软件，从硬件和软件上成功解决了上述问题，实现了送丝方向实时旋转。

2. 等离子系统改造

等离子原本用于焊接或者切割，主要能量用来熔化或者切割母材。而等离子弧丝材增材制造需要将能量用来熔丝，部分用于熔化母材，这就需要对等离子电源和等离子枪进行改造，使其能量集中在熔丝上。这是优弧智熔目前已攻克的第二个技术难点。

3. 成型高度跟踪系统

任何热加工都存在一定的变形问题。等离子弧丝材增材制造成型的有效距离是7±1mm，过高或者过低都会影响打印质量。优弧智熔自主研发的高度跟踪系统，不惧工件的任何复杂形貌，可实时跟踪工件高度进行打印，保证有效距离始终在7±1mm。

当然，在等离子弧丝材增材制造技术开发的过程中，优弧智熔克服的还有很多细节问题，比如熔丝过程中的缺陷、3D打印过程中的路径规划等。

 应用案例

1. TC4钛合金上梁架

优弧智熔此次展出的这件上梁架，用于无人机发动机。发动机部位要承受高温，同时又有较高的强度要求，所以采用耐高温性和强度俱佳且质量较小的钛合金打印。

上梁架

2. AZ31镁合金壳体+火箭模型

优弧智熔的这两个展件，特殊点就在于材质-镁合金。

目前国内3D打印镁合金有两种方式：粉末打印和丝材打印。粉末打印成型质量很好，但是危险性太大，爆炸事件频起。安全重于一切，解决了安全问题才有下一步的打印问题。优弧智熔克服镁合金液滴流淌性弱、极易氧化、成型过程危险等问题，利用自有的丝材技术，开发了镁合金丝材等离子弧增材制造技术，实现了国内首次等离子弧丝材增材制造镁合金零件，已在航天行业有成熟应用。

镁合金壳体

火箭模型

3. TC4钛合金半球壳体

优弧智熔此次展出的这件半球壳体，意在展示其最新开发的六轴联动路径软件BAT Additive.我们可以很清晰地看到，在回转体内生长着横向和纵向的筋，采用六轴联动路径软件，可实现该打印过程六轴联动，无需任何支撑即可快速成型，节约材料同时提高效率。

半球壳体

 展望

虽然目前，优弧智熔的等离子弧丝材增材制造的部分部件已成功应用于商业航天，但是整体处于认证阶段。未来，关于等离子弧丝材增材制造的方向，优弧智熔和国外同类企业是一致的。类似挪威钛，已经实现在航空航天包括军机方面的批量零部件供应，如波音、空客、洛克希德马丁战机等，类似相对论空间（Relativity Space）也有很多等离子应用。只是，目前等离子弧丝材增材制造技术对中国是完全封锁的，包括设备封锁、技术封锁。

优弧智熔表示，当下要做的事情就是让等离子弧丝材增材制造这件事情与国外越来越接近。在国内的应用才刚刚开始，希望有更多的高校、研究院所和企业，可以共同致力于等离子弧丝材增材制造的技术开发、工艺研究、标准制定、数据积累等，共同推进等离子弧丝材增材制造的发展与应用。

来源：格智大讲堂

知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。

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 l 链接到3D科学谷网站原文

增材制造（AM）为具有复杂内部特征的精密部件（例如以前不可能通过传统工艺加工出来的带复杂冷却流道的液体火箭发动机推力室）带来了重大的设计和制造机会。根据3D科学谷的了解，最近通过跟DM3D和奥本大学的合作，NASA 3D打印了大约2吨重的火箭喷管。

© 来源：奥本大学

281厘米高的火箭喷管

DM3D是总部位于密歇根州的定向能量沉积 (DED) 技术领域的企业，与奥本大学的国家增材制造卓越中心 (NCAME) 合作开展其与 NASA 的增材制造 (AM) 研发项目，以提高液体火箭发动机性能。

© 来源：NASA

奥本大学和 NASA处于增材制造研究的最前沿，大约在四年前开始与DM3D合作，当时打印一个大约两英尺大小的喷管，当时看起来很大。现在在RAMPT项目的支持下，正在打印的喷管高度是之前的五倍，这是有史以来最大的 3D 打印火箭发动机部件之一。

大约 2 吨的增材制造全尺寸 RS25 喷管衬里的确切尺寸为 111 英寸高（281厘米高）和 96 英寸直径（243厘米直径）。庞大的零件是在几个月的时间里制造出来的——与传统的制造技术相比，加工时间减少了 50% 以上。

根据DM3D，DM3D的使命是挑战不可能，其3D打印系统的同轴喷嘴带有局部氩气屏蔽，可以保护此类材料的熔池。可以精确地在零件上的选定位置添加各种材料，从而可以制造具有功能特性的多材料组件。

DM3D专有的直接金属沉积（DMD）技术是一种DED直接能量沉积技术类型的工艺，DM3D能够在一次构建中处理具有多种材料的中型到大型零件，据称具有高速的制造速度。

DED定向能量沉积3D打印技术通过同轴送粉或多喷嘴沉积头，将粉末与惰性载气一起注入到零件的熔池中。熔池是由中央激光能量源产生的，通过惰性气体的保护以最大程度地减少加工过程中金属的氧化。

根据3D科学谷的了解，NASA 已经建立了类似于与DM3D这样的公私合作伙伴关系，通过增材制造技术推进新方法、探索新工艺、开发新材料和新组件。目标是提高技术准备水平，以便融入未来的 NASA 任务和商业太空应用。

NASA与行业合作伙伴共同开发了薄壁通道的设计。在图中可以看到DED定向能量沉积3D打印技术加工的一些通道示例。这些通道演示了可能的设计选项，各种加工路径策略以及确定的过程几何形状限制。

© 来源：NASA

根据3D科学谷的市场研究，RAMPT项目集成了几种先进的制造技术，以实现完整的集成推力室组件。总体概念以GRCop铜合金燃烧室为核心，并通过基于粉末床的选区激光熔化（L-PBF）金属3D打印技术制造的整体通道。然后使用DED技术来沉积歧管焊接区，以便可以将前歧管焊接到腔室上。经过此操作和热处理后，使用碳纤维聚合物基复合材料（PMC）的外包装材料对大型推力室TCA进行外包装。

DED定向能量沉积增材制造技术，允许整个推力室总成（TCA）在火箭推力室喷管的制造过程中一次性形成所有的内部冷却通道，从而无需进行封闭操作，这样的好处是明显的，不仅可以显着减少零件和焊接操作，并使得整个推力室总成（TCA）更加可多次利用。通过DED定向能量沉积增材制造工艺在GRCop-42铜腔室的后端沉积双金属材料，形成带双金属轴向接头的火箭推力室喷管，并实现连续冷却，从而解决了一些设计挑战和螺栓连接设计的接口问题，随后通过碳纤维聚合物基复合材料（PMC）外包装将整个推力室总成（TCA）进行外包装。

DED定向能量沉积增材制造技术还具备多材料开发的想象和探索空间，根据3D科学谷的市场研究尽管复合材料外包装作为腔室护套表现良好，同时RAMPT项目仍继续关注增材制造双金属材料的开发，因为仍需要对焊接火箭推力室的喷管进行材料过渡。而双金属材料则使得火箭推力室的喷管具有优化材料的选择，理想情况下火箭推力室的喷管由非铜合金制成，例如高温合金或不锈钢材料。双金属增材制造材料可以帮助应对推力室总成（TCA）中的所有结构和动态载荷的复杂挑战和要求。

更多信息，请参考3D科学谷发布的《3D打印与航天研发与制造业白皮书第二版》

白皮书下载，加入3D科学谷QQ群：106477771
网站投稿请发送至2509957133@qq.com
欢迎转载，转载请注明来源3D科学谷，并链接到3D科学谷网站原文。

* 本文发表在机械工业信息研究院主办的《金属加工》杂志上

5个振镜、可扩展的下一代选区激光熔化金属打印技术。来源：Fraunhofer ILT

l 作者：王晓燕 ACAM中国董事，负责ACAM中国发展战略、企业文化、运营发展。曾与中国汽车工程学会合作出版发行了《3D打印与汽车行业技术发展报告》，与工业和信息部工业文化发展中心合作出版了《3D打印与工业制造》，王晓燕还与联合创始人Korinna Penndorf、朱琳一起创立了3D科学谷。ACAM亚琛增材制造中心是基于Fraunhofer IPT生产技术研究所、Fraunhofer ILT激光技术研究所、亚琛工业大学等工业研究领域成员的合作。ACAM致力于为制造企业提供一站式的增材制造专业技术，成立以来积累了不同先进科研领域的专业知识，并通过提供增材领域的认证与咨询、联合研发、专业技术培训和教育服务、软件和系统工程以及定制服务，帮助企业应对增材制造技术在应用中的挑战。

 技术突破带来更广阔的发展空间

3D打印普遍被认为是带来下一代工业革命的主要驱动因素，主要的原因是增材制造带来小批量生产的经济性和灵活性，个性化定制的可能性，以及复杂零件生产的可行性。不仅仅改变了我们对原来产品设计的印象，还带来了供应链的改变，缩短了产品上市时间，并且对环境更友好。

关于3D打印对制造行业的革新作用， SpaceX首席设计师兼首席执行官马斯克有着精辟的观点：通过3D打印，可以以传统制造方法的一小部分成本和时间就能制造出坚固且高性能的发动机零件。火箭比以往任何时候都更加高效，可靠和强大。同样的，不仅仅是航天领域，3D打印在其他工业制造领域的动力装备、结构件、液压阀门、热交换器、切削刀具、模具等应用领域正在创造下一代的产品。

我们不仅要问一个问题，3D打印发展到哪里了？这种发展意味着什么？我们应该做出什么样的准备？下一步我们将看到怎样的生产与商业模式？

 技术分类与应用

如果要全面理解金属3D打印的产业发展情况，我们首先需要还原3D打印在金属产品的制造方面的每一种技术形态与当前产业发展的结合情况。

l PBF

首先，我们来了解一下PBF基于金属粉末床的金属熔化3D打印技术，PBF被认为是一种直接的金属3D打印技术，这类技术以激光或电子束为热源来逐层熔化金属粉末，层层凝固成零件的形状。相比于金属3D打印技术，PBF是目前最广泛被使用的金属3D打印技术。包括通用电气投资14亿美元收购Concept Laser和Arcam，市场的目光也随之聚焦在金属粉末床熔化，包括激光熔化和电子束熔化两种加工方式，目前激光熔化方式被更广泛的使用。

由于可实现十分复杂的产品制造，PBF技术不仅使得复杂产品的制造变得更加可行，而且还创造了更大的围绕着产品生命周期的综合性经济效益。

在动力装备方面，PBF技术所成就的产品并不是停留在概念开发阶段，而是已经随着火箭和飞船进入了太空，随着飞机在天空中翱翔，并在发电领域起着“四两拨千斤”般的效益放大作用。3D打印所造就的下一代的产品极大的提升了人类利用资源的水平，这一切已经来到了我们的身边。

这方面，业界熟知的GE 3D打印的燃油喷嘴[1]顶部结构只有核桃般大小，里面却有14条精密的流体通道。3D打印的喷油嘴是一个精密的整体，原来20个部件成为一个零件被制造出来。新喷嘴重量比上一代轻25%，耐用度是上一代的5倍，成本效益比上一代高30%。GE奥本工厂凭借40多台3D打印机在2017年总共交付了8000个燃油喷嘴。截至2018年底，工厂完成的3D打印燃油喷嘴头总数已超过3.3万个。然而，值得注意的是，与传统加工技术跻身于PK生产效率的这条赛道不同的是，GE从燃油喷嘴中获得的最大益处并非燃油喷嘴本身，而是安装了燃油喷嘴的LEAP和GE9X发动机，3D打印正在推动航空发动机创新，GE已经发起对下一代航空发动机技术制高点的布局。

类似的成功案例不胜枚举，除了大名鼎鼎的SpaceX、NASA、GE、西门子等等通过3D打印在不断突破下一代航天器、商业飞机、燃气涡轮发电机等产品的性能极限。就在2020年，不甘示弱的欧洲也呈现了追赶态势，ESA欧洲宇航局全尺寸3D打印铜合金推力室首次热试通过，增材制造将推力室零件数量由数百个减少的三个，缩短了生产时间，降低了成本，显著提高液体推进发动机在欧洲运载火箭中的竞争力。国际上，全尺寸推力室具有3D打印铜合金衬里，该衬里具有集成的冷却通道，其外层为冷气喷涂建立的高强度外套。不仅如此，推力室的歧管和整体式喷油也是3D打印的。

国内通过3D打印助力航天事业的发展也呈现了雨后春笋之势，2019年，中国的深蓝航天液氧煤油发动机再次进行了推力室长程试车，取得圆满成功。在推力性能方面，深蓝航天对主要功能部件进行优化设计，大量采用3D打印工艺，实现了国内液氧煤油火箭发动机推力室效率从95%到99%的技术跨越，达到了国际先进水平。铂力特承担了此次试车发动机喷注器壳体和推力室身部两个零件的金属3D打印工作。发动机喷注器壳体和推力室身部均为航天发动机关键零部件，使用环境苛刻，零件内部有百余条冷却流道，使用传统工艺铣削、焊接工艺不仅制造周期长、成本高，零件性能也难以得到保证。

汽车领域，GKN与汽车制造商保时捷通过金属3D打印开发新型电子驱动动力总成的新应用。GKN根据粉末床金属熔化3D打印技术的特点，针对更高的设计自由度、更高效、更集成的动力系统开发了特定的钢材料，这种钢材料能够承受高磨损和负载，并结合3D打印所实现的功能集成进一步减轻重量。另一方面，保时捷工程部门正在研究如何在其电子驱动动力系统中实施新材料。采用结构优化技术结合GKN的材料，保时捷实现了差速器的独特设计（包括齿圈），通过这种齿轮减重和刚性形状的组合，实现了更高效的传动。

PBF技术还在催生下一代热交换器的发展，2019年GE宣布与马里兰大学和橡树岭国家实验室合作研发UPHEAT超高性能换热器，在两年半内完成开发计划，实现更高效的能量转换和更低的排放。GE希望新型换热器将在超过900°C的温度和高于250 bar的压力下运行，超临界CO2动力循环的热效率提高4％，在提高动力输出的同时减少排放。材料方面，这种新型换热器将利用独特的耐高温，抗裂的镍基超合金，这是GE研究团队为增材制造工艺而设计的材料。该热交换器包括多个增材制造方法，使流体通道尺寸较小，具有较薄的壁而形成的流体通路，以及具有错综复杂的形状，这些热交换器使用先前传统的制造方法无法制造出来。

发电领域，GE和西门子都通过3D打印制造技术，打破了自己的净效率记录。其中，GE在南卡罗来纳州格林维尔工厂的测试中以64%的联合循环效率击败了自身之前的设计。GE将HArriet效率的提升归功于“通过不断创新带来的燃烧效率突破”，而这里面的创新则离不开3D打印技术所制造的燃汽轮机的多个关键部件。GE通过金属3D打印技术制造设计优化的燃烧系统部件，实现了更复杂的几何形状，这使得 HArriet燃气轮机的燃料和空气的预混合得到改进，从而实现了燃气轮机发电效率的最大化。

除了带随形冷却通道的模具、带复杂内冷结构的刀具、带内部冷却流道的燃油喷嘴及发动机燃烧室等通过PBF成就的高附加值产品，制造复杂点阵结构成为PBF 金属3D打印技术的另外一大特色应用。2019年国际首个3D打印全点阵整星结构成功入轨的千乘一号整星结构是航天五院总体部机械系统事业部负责研制的，采用面向增材制造的轻量化三维点阵结构设计方法进行设计，整星结构通过铝合金增材制造技术一体化制备。传统微小卫星结构重量占比为20%左右，整星频率一般为70Hz左右。千乘一号微小卫星的整星结构重量占比降低至15%以内，整星频率提高至110Hz，整星结构零部件数量缩减为5件，设计及制备周期缩短至1个月。整星结构尺寸超过500mm×500mm×500mm包络尺寸，也是目前最大的增材制造一体成形卫星结构。

航天五院总体部的点阵结构示意

此外，3D打印点阵结构还可以应用于高强度的压缩机部件制造。轻质、高强度的压缩机部件的主体部分带有点阵结构的内部区域，点阵结构由3D打印实现，主体部分还通过3D打印实现了内部流体输送通道，流体输送通道用于允许润滑油流过压缩机部件的主体部分。

不过点阵与3D打印的结合并非想像中那么轻松，这方面需要仿真软件来提高建模与制造的成功。国内经过多年的仿真计算积累和努力探索，安世中德团队开发出了一款专业用于增材点阵结构仿真分析的软Lattice Simulation[2]。基于多尺度算法，用户可以采用等效均质化技术对点阵结构进行有限元分析。并且提取非均质化点阵结构的等效材料参数，在均质化等效实体模型宏观力学分析后，可以通过局部分析对胞元结构进行详细的应力校核。

设计、软件和材料助力释放3D打印潜力，材料方面，不仅仅是高温合金、铝合金通过PBF工艺实现了零件性能的飞跃，使用铸铜转子的电动机可以帮助普通感应式电动机有效降低电动机的转子损耗，其他金属材料例如3D打印铜金属工艺，将有望解决电动汽车铸铜零件铸造和钎焊的挑战，替代铸造与钎焊，实现更经济更复杂更高效的铜零件生产，从而有望应用于例如转子、散热器、感应器等零件的制造中。

更多的案例在液压控制器、热交换器、汽车结构件、汽车轮毂、刹车系统、传动系统、飞机隔离舱结构等方面正在获得成功验证与推广。

值得注意的是我们目前聚焦的PBF金属3D打印主要是关注其在制造复杂的几何形状，轻量化，缩短交货时间，功能性一体化结构实现等方面的优势。而金属3D打印工艺的一个容易被忽略的潜力是通过快速定向凝固带来非常精细的晶体微结构并控制逐层外延生长。这为设计组件提供了新的可能性，此外，高冷却速度为合金设计开辟了新的可能性。而实验证明，通过金属3D打印实现凝固微观结构和相关的偏析结构可以带来非常精细的结果，与铸造微观结构相比要小100倍。因此，均质化热处理时间也显著的从几小时减少到几分钟。

虽然PBF金属3D打印吸引了金属3D打印业界极大的关注，不过每一种技术都有着其自身的局限性。例如，不锈钢的熔化温度可接近2500华氏度，想像一下当每个单独的3D打印设备都需要不断的消耗能源的时候才能实现零件的加工，整体来说对能源的消耗是不容低估的。除非，通过PBF技术所创造的综合效益如上所述的几个经典案例这么明显。

所以说，用于批量生产领域，目前PBF这样的高成本通常在加工通过传统方式难以加工出来的特殊零件的时候才有意义，包括那些具有极其复杂的内部通道的零件，以及喷气发动机燃料喷嘴和卫星组件等高端部件。

除了能源的消耗，PBF技术还受到了材料的限制和可加工尺寸限制、材料价格、过程中控制以及需要添加支撑结构等各种限制，各大研究机构正在专注于克服这些挑战推动PBF技术走向更广的普及化。当然，随着工艺的提升和通过软件对质量控制能力的提高，PBF技术也在不断地突破自身的局限性。在这方面，亚琛Fraunhofer ILT已经开发出5个振镜、可扩展的下一代选区激光粉末床金属打印技术，该解决方案还可以产生比传统LPBF系统快10倍加工速度的大型金属部件。不仅仅在LPBF（基于粉末床的金属熔化3D打印技术）方面获得突破，亚琛Fraunhofer的futureAM项目包含了其他的增材制造技术，在线过程控制技术的开发，工艺稳健性的开发，以及基于数字孪生的网络化流程链的开发等。

l DED

让我们把目光从PBF技术上切换到DED技术，DED直接能量沉积技术包括激光、等离子、电子束几种不同的热源，材料包括粉末或丝状两种主要的形态。金属材料在沉积过程中实时送入熔池，这类技术以激光近净成形制造（LENS）、金属直接沉积（DMD）技术为代表，由激光在沉积区域产生熔池并高速移动，材料以粉末或丝状直接送入高温熔池，熔化后逐层沉积，称之为激光直接沉积增材成形技术，该技术成形出毛坯，然后依靠CNC数控加工达到需要的精度。

DED技术的市场应用领域除了零件的修复，还包括大型结构件的制造，如飞机结构件一体化制造（翼身一体）、重大装备大型锻件制造（核电锻件）、难加工材料及零件的成形、高端零部件的修复（叶片、机匣的修复）等传统锻造技术无法做到的领域。当然，随着这一技术在工艺控制方面走向成熟，其应用的想象空间将更大。

国内，安世亚太与中科煜宸联合开发了面向金属增材制造定向能量沉积工艺的专业工艺仿真软件AMProSim-DED。使得我国在激光近净成形制造技术的可扩展性方面实现了华丽升级。

2020年，市场上已经在谈论大功率EHLA沉积速率超过2m²/ h的加工速度。凭借EHLA工艺，Fraunhofer表示，该工艺对当前抗腐蚀和磨损保护的加工工艺具有改进作用。由于硬铬电镀消耗大量能量并且具有粘合和孔隙率的缺点，而热喷涂在所用材料方面可能相当浪费。相比之下，EHLA方法加工出来的涂层是无孔的，从而改善粘合情况并降低裂纹和孔隙的发生的可能性。除此之外，根据Fraunhofer，EHLA技术比热喷涂节约90％的材料。

Fraunhofer激光技术研究所的超高速激光材料沉积技术

l 3D打印砂型或熔模+铸造

无论是PBF还是DED技术，都属于直接金属3D打印的技术范畴。市场上还活跃这间接实现金属零件3D打印的途径，一种是通过3D打印砂型或熔模再通过铸造的方式成就复杂的零件，这方面以德国voxeljet-维捷的工业级3D打印技术为代表，国际上有知名汽车厂家采用了这一3D打印技术制造S58发动机缸盖的铸造砂芯，以满足轻量化以及热管理性能的需求。

l Binder Jetting

另外一种名为binder jetting的金属3D打印技术，通过将金属粉末与粘结剂层层粘结成为零件毛坯，再经过脱脂烧结过程制造成金属零件的间接金属3D打印技术。这种生产系统与MIM金属注射成型工艺颇有近亲的感觉，然而其制造过程中并没有使用模具。这种技术将使制造商能够显着降低其成本，从而使该技术成为铸造的替代技术。

在这方面，大众汽车上将使用惠普的金属3D打印技术，首先是进行大规模定制和装饰部件的制造，并计划尽快将Metal Jet金属3D打印的结构部件集成到下一代车辆中，并着眼于不断增加的部件尺寸和技术要求。

 价值创造驱动转型

总体来说，如今的3D打印技术发展程度，在技术层面上速度远超我们的想像，具备了在很多应用层面颠覆的潜能，我们如何理解每一种3D打印技术的优势则需要跟应用行业的需求想结合，拿汽车产业来说，3D打印目前无疑在100万-200万价位的车型上展开了产业化的应用，那么这样的发展趋势将在什么样的时间节点发展到50万价位的车型？当发展到20万-30万价位的车型的时候，占据主流的3D打印技术又将是哪一种类别的3D打印技术？这需要对技术本身和应用行业的发展都具备一定的理解和判断能力。

那么制造业如何驾驭3D打印技术，成为第四次工业革命的赢家呢？在这里，我们需要理解的是一切并不像购买几台3D打印设备那么简单。

企业制造转型是由价值创造驱动的，3D打印技术成就“复杂”产品的优势，例如通过3D打印实现了更复杂的外形，将原来十几个零件简化为1个零件，体积和重量大大缩小；或者是通过3D打印实现了材料的冶金性能的提升，再或者是制造出梯度合金等材料；再或者是实现了更高的产品性能，提升了产品生命周期的附加值。3D打印从应用端创造价值，从而从产业链的价值赋能角度倒逼制造工艺向3D打印转移。而创建竞争优势的关键是设计和材料。为增材制造而设计的增材思维-DfAM正在全球范围内建立。其中仿真驱动设计成为“玩转”3D打印的关键点之一。

每一个企业的转型都是非常艰难的选择，没有一个企业可以从一个山头直接”跳到”另外一个山头，这需要有一个”下山”和重新”上山”的过程。传统汽车从设计定型到第一辆汽车出厂大概需要三年左右的时间，在此期间所有的汽车零件都不允许改变设计，而在电动汽车发展的时代，例如特斯拉汽车几乎每个月都会有一次软件的自动更新，相对固化的体系成为了传统汽车厂商的阿克琉斯之踵。寻求突破，成为传统车厂转型的当务之急。

陷入牵一发而动全身的陷阱，这不仅仅是汽车行业面对的挑战。大型制造公司普遍拥有数十年以传统方式开展工作的经验。所有的流程、设备、培训以及最重要的预算都集中在传统流程上。这时候出于自身的短期发展资金安全角度，也会本能的拒绝新的想法。

此外，将新的制造技术融入关键制造工艺是一项重大任务，因为无论工厂发生什么，客户都必须继续获得高质量的产品。没有一家制造企业能够做到停止目前的生产，而去探索未知世界的“滩头阵地”，

由于存在未知风险，而克服这一初始步骤所需的现金和资源有时非常庞大，以至于车厂不愿意甚至无法继续进行这样的探索。这使得不仅仅供应链成为障碍，资金投入成为另外一个因素使得制造业企业陷入牵一发而动全身的陷阱。

 转型路径

缓解转型过程中的阵痛，制造企业可以尝试建立3D打印实验室连接内外部资源。3D打印实验室能够更好地完善现有的3D打印方法并为推广3D打印技术做准备，同时创建度量标准，重点改进设计创新，健全关键流程标准化，并重点改进质量和检验流程。3D打印实验室还可以作为供应链合作伙伴的培训机构或体验中心，并为企业内部的团队提供培训机会。

有了思维的突破和硬件的准备是第一步，企业还需要建立正向设计能力，这么多年国内很多企业并不是很担心技术上的跟进，因为只要别人有了，拿来逆向一下，再放到国内巨大的市场，结合价格优势，就可能创造赶超别人的市场机会。然而，逆向设计的惯性是很致命的， 3D打印的设计与制造的结合将不是那么容易被逆向，尤其是对于一些设计上非常复杂的产品来说，正向设计是唯一出路。

走出逆向设计困局，国内可以借鉴欧洲Fraunhofer的发展模式，建立对外研发商业模式的合作，制造企业在一个良性的研发创新支持的环境下，向企业外部寻求颠覆性创新支持，实现多赢、优势互补的发展。

他山之石可以攻玉，无论是研发还是产品制造，企业在发展过程中，除了加强自身的创新实力，寻求与市场上的优势资源相结合是另外一条加快发展的路径。在这里，Fraunhofer弗劳恩霍夫IPT工业生产技术研究所，ILT激光研究所，RWTH亚琛工业大学等增材制造研究领域集中优势的研发资源，通过亚琛增材制造中心(ACAM)，连接增材制造研发领域的中坚力量，在全球范围内为制造企业提供欧洲领先科研机构多年来积累的增材制造专业技术，并通过社区、联合研发、以及专业教育服务，帮助企业应对增材制造技术在应用中的挑战。

虽然3D打印迈向产业化的过程中遇到了一系列的难题，例如通过信息管理系统来管理增材制造数据流；工艺可重复性、零件到零件的可重复性；成熟的认证和质量检测方法。在这方面，得益于从设计、生产规划、生产工程、生产实施到服务的全价值链的数字化。

幸运的是，我们即将迎来5G时代的到来，5G允许高密度数据的无缝互联和实时沟通，也就是Real Link-实时链接,对生产的控制是 Real Moment-实时控制,对技术的组合柔性能力是Real Combination-实时组合, 对产品的实现可以Real Personal-实时个性化。

国际上，德国Fraunhofer弗劳恩霍夫IPT工业生产技术研究所携手爱立信、亚琛工业大学启动了欧洲最大的5G数字制造工业园示范项目，旨在在制造业环境中引入新的移动无线标准。快速的5G数据传输可将所有生产和传感器数据存储在包含完整生产历史记录的数字孪生体中。

通过将自动化、数字化以及人工智能、边缘计算、5G和区块链等尖端技术无缝融合，可将海量数据全面转化为宝贵的知识与技术，阔步迈入数字化转型的全新阶段。我们相信有一天，3D打印用于零件的生产将是全流程数字化的，质量稳定的，产品信息可追溯的。在这个基础上，3D打印技术由于其天生的数字化特征可以说是最为贴合动态供应链的制造技术。数字孪生体技术使得复杂的3D打印过程变得轻松，从而减少故障，提高零件质量并更智能地使用材料。

 展望

随着中央政治局常委会会议提出“加快5G网络、数据中心等新型基础设施建设进度”，顶层设计为新型基础设施建设按下“加速键”。可以预见，在更强大的新基建基础设施上，软件将在我国的工业制造环境中获得前所未有的良性发展生态环境。

3D打印重塑制造模式与商业模式的时代正在来临，从制造到创造，相信我国的制造业将借助新技术和国内外优势科研资源的东风，走上一条更为强健的自主与合作创新发展道路。

参考文献：
[1]专利.FuelNozzle for a Gas Turbine Engine.专利：US 10591164B2, 2020.3.17.

[2]段卫毅.多尺度算法在增材制造点阵结构仿真分析中的应用，3D科学谷.20181129.

* 本文发表在机械工业信息研究院主办的《金属加工》杂志上

白皮书下载，加入3D科学谷产业链QQ群：529965687
网站投稿请发送至2509957133@qq.com
欢迎转载，转载请注明来源3D科学谷，并链接到3D科学谷网站原文。

3D打印超大的顶盖

洛克希德马丁使用了钛合金来进行3D打印。在过去，洛克希德马丁制造这种油箱，要浪费80%的昂贵航天材料，并且耗时长达两年才能完成。现在在时间上只要3个月，并且3D打印成品的品质通过了检测，完全符合卫星设备的要求。

钛合金的巨大卫星油箱

卫星的油箱由上下两个顶盖以及中间的圆柱组成，3D打印的是两端的球型顶盖，这个油箱的直径有4英尺，厚度达到了4英寸，这也是为何即使使用3D打印，也要3个月的时间了。

来源：ZOL中关村在线 

Stelia航宇CEO塞德里克·戈蒂尔表示：“这项新技术可以让人们重新思考和重新设计机身，不用受到壁板必须随后连接加强栅格的约束。制作这个验证件是为了向客户展示大型结构件在新计算手段下的创新设计。”除了空客，Stelia的客户还包括波音、庞巴迪、巴西航空工业公司和诺斯罗普·格鲁门。

新制造工艺被Stelia称作DEFACTO（面向拓扑组件的增材制造开发）。项目持续3年，由法国民航总局共同出资。戈蒂尔表示：“研发工作是增材制造广泛研究的一部分。我们希望结果可以用于新的设计、减重、更好的功能集成、通过使用更少材料而对生态造成更小影响，以及减少制造成本。”

（以上来源于中国航空报）

根据3D科学谷的了解，该面板是STELIA于2014年与法国工程学院Centrale Nantes，工程咨询公司CT Ingenierie和荷兰铝业公司Constellium合作的一个项目。

由于该项目的成功，STELIA对电弧增材制造（WAAM）将最终取代飞机机身面板的传统生产方式，消除对某些进一步固定和焊接的需求表示乐观。

相比于使用螺栓和螺钉将加强结构固定到机身面板上，通过拓扑优化，STELIA R＆T的设计师和工程师创造了一个机身骨架，将加强结构直接3D打印到面板表面，不仅避免需要更多零部件，3D打印面板加强筋不易受到衔接薄弱处的影响，从而创造出更稳定的飞机机身。

–—- 3D科学谷Review

凭借其专有的电子束增材制造（EBAM）技术，Sciaky也一直在研究3D打印大型飞机零件的能力。Sciaky的电子束熔融增材制造（EBAM）技术主要是由金属丝作为打印材料，并使用一种功率强大的电子束在真空环境中通过高达1000℃的高温来融化打印金属零部件。这种电子束枪的金属沉积速率从一小时几磅金属材料，到一小时20磅不等。电子束定向能量沉积、逐层增加的方法创建出来的任何金属部件都近乎纯净，并且不需要任何类型的打印后热应用处理。该技术也可以用于修复受损的部件或者增加模块化部件，并且不会产生传统焊接或金属连接技术中常见的接缝或者其它弱点。

在熔丝金属增材制造设备领域，2016年华中科技大学数字装备与技术国家重点实验室张海鸥教授主导研发出金属3D打印新技术“智能微铸锻”，成功3D打印出具有锻件性能的高端金属零件。国际上，2016年，Wolf Robotics也推出了用于替代铸造和锻造的多进给、多材料的大型增材制造设备，其原材料也是金属丝。而在产业化领域，空客的Premium Aerotec工厂正在通过Norsk Titanium的快速等离子沉积™技术进行A350 XWB飞机上的钛合金零件的生产。此外，库卡还为英国核电站承建了大型核电站零件制造系统。

而在核电领域，中广核核电运营有限公司的3D打印技术在核电站备件及零部件制造、维修过程中的关键技术研究”取得成功，项目组选用电熔增材技术研发制造的制冷机端盖在大亚湾核电站压缩空气生产系统成功完成设备安装并通过设备运行再鉴定。南方增材科技依据王华明院士带领的技术团队自主研发的重型金属3D打印技术，以金属丝材与辅料为原材料，在电熔冶金的环境下，利用高能热源熔化原料丝材，根据成形构件的分层切片数据，采用计算机控制，实现原材料逐层快速激冷凝固堆积，最终获得超低碳、超细晶、组织均匀、综合力学性能达到甚至优于传统锻造工艺成形的金属构件。

而在应用开发方面，根据3D科学谷的市场研究，我国的攀钢也在双金属的电子束熔丝成型增材制造方面进行了积极的探索研究。根据3D科学谷的了解，攀枝花钢铁研究院利用分层处理软件规划金属A和金属B打印件的层厚尺寸以及沉积层的宽度尺寸，按先打印里层、后打印外层的先后顺序进行路径规划，探索出两种不同材料金属成型的方法，效率高，冶金质量好。

资料下载，请加入3D科学谷3D产业链QQ群：529965687
更多信息或查找往期文章，请登陆www.51shape.com,在首页搜索关键词
网站投稿请发送至2509957133@qq.com

2月4日，中广核核电运营有限公司宣布，其科研项目“3D打印技术在核电站备件及零部件制造、维修过程中的关键技术研究”取得突破性进展，项目组选用电熔增材技术研发制造的制冷机端盖在大亚湾核电站压缩空气生产系统成功完成设备安装并通过设备运行再鉴定。

据介绍，该金属3D打印制冷机端盖在大亚湾核电站的顺利安装和安全投运，成功解决了该系统制冷机端盖国外厂家设备改型、备件无法供货的难题，是3D打印技术在核电领域的国内首例工程实践示范应用，标志着3D打印技术在核电领域实现了从理论研究、技术分析向工程实践应用的重大跨越。

该金属3D打印制冷机端盖的产品设计、制造工艺确定，以及产品的制造、检验、试验等是由南方增材完成的。

南方增材采用的电熔增材制造技术，是一种以电弧热、电阻热为复合热源，熔化金属原材料，通过小熔池、微冶金，快速凝固技术，逐层堆积出具有一定形状和尺寸，并赋有一定机械性能金属构件的制造方法。

相较传统的铸造、锻造工艺，该技术具有复杂结构一体化净成形、生产周期短、材质性能优良、焊接性能好，材料利用率高的优点。

以制冷机端盖制造过程为例，传统的铸造工艺开发周期长，开模费用高，且产品机械强度、冲击韧性较差，且制造周期长，材料利用率较低。而电熔增材制造技术可以实现各种复杂结构一体化净成形、制造周期仅需一周，材料利用率高，产品完整度高，各方面性能与锻件相当且综合性能远优于铸件。

结合核电领域部分设备服役环境苛刻，机械性能要求高，备件结构复杂，国外备件采购成本高周期长的问题，以及3D打印技术可实现复杂结构一体化净成形、制造周期短、材料利用率高、性能优良的优势，业内人士认为，3D打印新兴制造技术应用于核电站备件及零部件制造及修复，对未来核电设备的设计、研发、制造、修复将带来革命性的改变。

根据南方增材，百万千瓦级核电机组常规岛耐热高强钢低压整体转子锻件是目前世界上所需钢锭最大、锻件毛坯重量最大、截面尺寸最大、技术要求最高的实心锻件，转子构件重量为170吨，其锻坯制备需600吨级钢锭，目前世界上只有日本JSW(日本制钢所)等为数不多的几家企业具备制造能力。重型锻件制造技术瓶颈的难以突破，一定程度上严重影响了核电项目的建设进度和增大了设备的投资，制约了我国核电等重型装备制造业的发展。

增材制造技术在核电部件制造上得到突破后，像压力容器、蒸汽发生器、稳压器等大量核反应堆中的核心部件都能通过增材制造进行生产。

-- 南方增材在核电领域的发力由来已久：

2015年南方增材还与上海核工程研究设计院签订了《核电主蒸汽管道贯穿件模拟件增材制造技术支持与服务合同》，通过合作，南方增材将加快重型金属构件电熔精密成型技术在核电领域的应用步伐，开启重型金属3D打印技术产业化之门。

2015年10月中国核动力研究设计院与南方增材科技有限公司，联合发起ACP100反应堆压力容器增材制造（3D打印）项目。2016年12月，这个项目的研究成果3D打印反应堆压力容器试件已经通过国家能源领域相关专家的技术鉴定。项目成员包括中国核电研究所、国家核工程公司、哈尔滨工业大学和北京钢铁研究所。中国核电研究所称该反应堆零件的开发及其后续批准是一个重大突破，表明了3D打印可以大大缩短核反应堆零部件的生产周期。所有相关方都认为现在可以智能地生产用于核电站的3D打印大型金属部件，包括反应堆压力容器。

南方增材科技依据王华明院士带领的技术团队自主研发的重型金属3D打印技术，以金属丝材与辅料为原材料，在电熔冶金的环境下，利用高能热源熔化原料丝材，根据成形构件的分层切片数据，采用计算机控制，实现原材料逐层快速激冷凝固堆积，最终获得超低碳、超细晶、组织均匀、综合力学性能达到甚至优于传统锻造工艺成形的金属构件。

-- 产业化挑战

根据财经杂志，核电设备对安全性有极高的要求。如果3D打印技术进入核级装备的生产制造，先需要经过层层严苛认证，“这是一个漫长的过程，需要很长时间”。对于核级设备制造商，环保部核安全局设立了严格的准入门槛：必须具备核安全局颁发的生产许可证。

3D打印技术未来肯定会在核电设备制造领域拥有一席之地。部分核电设备设计精密，结构复杂，增材制造的思路，确实可以降低难度。但核电属于保守型行业，始终将安全放在首位，各方接受新技术需要一个过程。这期间，3D打印行业正好可以用以解决其稳定性问题。

–—- 3D科学谷Review

一方面，机器人+金属丝+电弧焊/离子焊的方式在核电领域的应用成为一种趋势。2015年，英国的核电站增材制造自动化单元由库卡承建，耗资1万欧元，占地10米x5米的增材制造单元由通过安装在一个三轴九米龙门的六轴机器人组成，在直径3.5米的转盘上装载着二轴机械手。机器人通过进行“TOPTIG”电弧焊的方式来完成增材制造，系统中集成了金属线送入焊枪，是由法国液化空气集团专门为机器人焊接应用开发的。机器人按照计算机辅助设计模型的路径来焊接材料以创建三维几何形状。从而创造近净形零件，用于制造大型泵和阀的壳体或压力容器，有效降低初始成本和避免昂贵的锻件或铸件，并且有助于避免环境污染问题。

另一方面，市场上出现了更多的机器人+金属丝+电弧焊/离子焊的技术。2016年7月，华中科技大学数字装备与技术国家重点实验室张海鸥教授主导研发出金属3D打印新技术“智能微铸锻”，成功3D打印出具有锻件性能的高端金属零件。

一边是国家重点实验室的发力，一边是国际上机器人公司的发力。而机器人公司进入到这一增材制造领域的不仅仅是库卡，2016年9月，Wolf Robotics推出了用于替代铸造和锻造的多进给、多材料的大型增材制造设备，其原材料也是金属丝。Wolf Robotics的机器人按照计算机辅助设计模型的路径来焊接材料以创建三维几何形状，从而创造近净形零件，用于制造大型钛合金航空航天零件，或者是小批量零件，通过避免铸造和锻造的过程节约费用，节约材料。

Wolf Robotics将自己的技术命名为Robotic Big Area Additive Manufacturing (R-BAAM) ，其独特的能量系统叫做Surface Tension Transfer (STT)，其典型的特点是支持多进给的联动加工，并且可以同时使用多种材料。

参考来源：证券时报

文件下载，请加入3D科学谷QQ群：529965687
查找往期文章，请登陆www.51shape.com,在首页搜索关键词
网站投稿请发送至editor@51shape.com

近日，Fraunhofer激光技术研究所推出超高速激光材料沉积技术（EHLA），具有替代当前腐蚀和磨损保护方法如硬镀铬和热喷涂的潜力。业界对于金属沉积3D打印更多的看法是一种基于焊接的工艺，而且可以被纳入到自动化生产线中。

工业生产中焊接市场份额约为200亿美元，维修焊接占据了其中的一个份额，将直接能量沉积技术用来修复零件这一应用颇具市场潜力，仅从金额来看或许会超过目前工业3D打印设备的总市场份额。

 丝材还是粉末？电子束还是等离子亦或是激光？

直接能量沉积技术包括激光、等离子、电子束几种不同的热源，材料包括粉末或丝状两种主要的形态。金属材料在沉积过程中实时送入熔池，这类技术以激光近净成形制造（LENS）、金属直接沉积（DMD）技术为代表，由激光在沉积区域产生熔池并高速移动，材料以粉末或丝状直接送入高温熔池，熔化后逐层沉积，称之为激光直接沉积增材成形技术，该技术成形出毛坯，然后依靠CNC数控加工达到需要的精度。

尤其是以粉末为原材料的加工工艺，这种技术被用来修复各种零件。不仅仅是Fraunhofer在研发领域推进直接能量沉积技术的跳跃式发展。阿克伦大学的NCERCAMP开发了一种超音速粒子沉积（SPD）技术，通过一种高压喷射方法，压缩空气赋予超音速射流中的金属颗粒足够的能量冲击固体表面，以实现与固体表面的粘结，而不会出现在焊接或高温热喷涂过程中产生的热影响区。

 单机还是混合加工？亦或是柔性生产线？

除了专业的研发机构，市场上活跃的企业也不在少数。如今很多CNC机床公司都纷纷将LENS技术集成到铣削、车削或者是复合加工中心中。这其中包括德马吉森精机、马扎克、哈缪尔、哈默、依巴米亚等等。

除了这些将LENS技术集成到CNC机床中的设备厂商，纯粹的LENS技术典型企业包括美国的OPTOMEC公司，法国BeAM公司，德国通快等。国内包括西安铂力特、江苏永年科技、北京隆源等。

增材制造与CNC减材制造的搭配除了将LENS技术集成到CNC加工设备中。还有一种通过柔性生产线将这两种加工工艺搭配起来。例如，在增材制造商RPM和传统机床商大隈看来，将增材制造与减材制造通过自动化贯穿起来，可以创建复杂的部件，而不需要铸造、锻造的前期工序。机加工可以保证零件严格的尺寸公差和表面光洁度要求。

 不仅“扮演”焊接，还可以用于生产

熟练的焊工变得很难找到，在某些情况下，在CNC机床上进行自动焊接替代手动焊接可能是一种加工趋势。事实上，一些CNC机床上广泛使用的CAM软件例如Mastercam和Powermill已经扩展了将LENS技术（DED直接能量沉积技术的一种）纳入到加工范畴中的编程，这一扩展代表了自动化焊接的飞跃，与MIG或TIG焊接不同的是，LENS是一种目标沉积工艺，允许以最小的热效应修复薄壁和其他细腻的特征。

TIG焊接是在惰性气体的保护下，利用钨电极与工件间产生的电弧热熔化母材和填充焊丝（如果使用填充焊丝）的一种焊接方法。MIG焊接除用金属丝代替焊炬内的钨电极外。其它和TIG焊一样。因此，焊丝由电弧熔化，送入焊接区。

LENS是一种基于离散堆积成形思想的先进增材制造技术，通过把零件3D模型沿一定方向离散成一系列有序的微米量级薄层，根据每层轮廓信息逐层熔化金属粉末，直接制造出任意复杂形状的净成形零件，特别适合曲面型腔、悬空薄壁以及变截面等复杂结构制造。

不同于MIG或TIG焊接，直接能量沉积还可以用来作为零件的一种生产方式，先前，英国的核电站增材制造自动化单元就是由库卡承建，耗资1万欧元，占地10米x5米的增材制造单元由通过安装在一个三轴九米龙门的六轴机器人组成，在直径3.5米的转盘上装载着二轴机械手。机器人通过进行“TOPTIG”电弧焊的方式来完成增材制造，系统中将金属线送入焊枪，按照计算机辅助设计模型的路径来焊接材料以创建三维几何形状。从而创造近净形零件，用于制造大型泵和阀的壳体或压力容器，有效降低初始成本和避免昂贵的锻件或铸件，并且有助于避免环境污染问题。

随着直接能量沉积技术的不断发展，下一步，这种技术还将有哪些跨界的表现，创造出怎样的商业前景？3D科学谷将继续保持关注。

加入3D科学谷3D产业链QQ群：529965687
查找往期文章，请登陆www.51shape.com,在首页搜索关键词
网站投稿请发送至editor@51shape.com