盖世汽车讯 据外媒报道，多伦多大学（University of Toronto）工程学院的研究人员在Yu Zou教授的带领下，正在利用机器学习技术改进增材制造（通常称为3D打印）工艺。在发表在期刊《Additive Manufacturing》上的新论文中，该研究团队介绍了一种名为“激光定向能量沉积中的精确逆向过程优化框架”（Accurate Inverse process optimization framework in laser-Directed Energy Deposition，AIDED）。

图片来源：University of Toronto

AIDED框架通过优化激光3D打印工艺，以提升成品的精度与稳定性。这一进展旨在通过预测金属熔化和凝固过程以找到最佳打印条件，为航空航天、汽车、核能和医疗等行业生产更高质量的金属部件。

该研究的第一作者、博士生Xiao Shang表示：“定向能量沉积技术（一种主要的金属3D打印技术）的广泛应用目前受到高成本的阻碍，因为通过反复试验寻找最佳工艺参数既费时又昂贵。我们的框架能够根据行业需求，快速识别适用于各种应用的最佳工艺参数。”

金属增材制造利用高功率激光选择性地熔融细金属粉末，从精确的3D数字模型逐层构建零件。与传统制造方法（如切割、铸造机械加工）不同，金属增材制造能够直接创建复杂且高度定制化的组件，同时最大限度地减少材料浪费。

Zou教授指出：“金属3D打印的一大挑战是制造过程的速度和精度。打印条件的变化会导致最终产品质量的不一致，使其难以满足行业对可靠性和安全性的标准。另一个主要挑战是确定不同材料和部件的最佳打印设置。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——都有独特的特性，需要特定的激光功率、扫描速度和温度条件。从大量工艺参数中找到正确的组合是一项复杂且耗时的任务。”

这些挑战激发了Zou及其团队开发AIDED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佳解决方案的方法）首先提出工艺参数组合建议，然后由机器学习模型评估打印质量。遗传算法检查这些预测是否最优，并重复该过程直到找到最佳参数。

Shang表示：“我们已证明，该框架可以在一小时内根据可定制的目标识别最佳工艺参数，并根据工艺参数准确预测几何形状。此外，它还具有多功能性，可用于各种材料。”

展望未来，该研究团队正致力于开发一种增强型自主增材制造系统，其操作类似于自动驾驶汽车，几乎无需人工干预。Zou教授表示：“通过将前沿的增材制造方法与人工智能相结合，我们旨在创建一种新型闭环控制的自驱动激光系统。该系统将能够实时感知潜在缺陷，预测可能出现的问题，并自动调整工艺参数以确保高质量生产。它的灵活性性使其能够适应不同材料和部件几何形状，从而改变制造业的游戏规则。”

与此同时，研究人员希望AIDED能够优化使用金属3D打印的行业中的工艺。Shang补充道：“航空航天、生物医学、汽车、核能等行业将受益于这种低成本且精确的解决方案，从而促进其从传统制造向3D打印的过渡。”

Zou教授总结道：“到2030年，增材制造有望重塑多个高精密行业的制造格局。自适应纠正缺陷和优化参数的能力将加速其广泛应用。”