多伦多大学 l AI实现增材制造工艺快速优化！AIDED框架助力激光定向能量沉积高效生产

l 多伦多大学l

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。

AccurateInverse process optimisation framework in laserDirectedEnergyDeposition (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. 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

1. 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

1. 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。

谷.专栏

投稿邮箱：2509957133@qq.com

欢迎投稿

▌三维科学 l 无限可能

投稿丨 2509957133@qq.com

www.3dsciencevalley.com