金属激光粉床熔融增材制造中冶金现象的多尺度建模：综合评述

3D科学谷洞察

未来3年将出现：多物理场模型开源数据库上线，覆盖主流合金；基于实时监测的自适应打印系统成为新设备标配；LPBF进入物理模拟融合人工智能赋能驱动的量产时代。”

据悉，美国佐治亚理工学院材料科学与工程学院的科研人员综述报道了金属激光粉末床熔融增材制造中冶金现象的多尺度建模研究进展。相关论文以“Multi-scale modeling of metallurgical phenomena in metal laser powder bed fusion additive manufacturing: A comprehensive review”为题发表在《Journal of Manufacturing Processes》上。

激光粉末床熔融（LPBF）技术革新了增材制造领域，为航空航天、汽车和生物医疗行业实现了复杂高性能零部件的生产。本综述从多尺度冶金学现象出发，针对热传递动力学、微观组织演变及残余应力形成等关键研究空白，提出了创新性分析。重点探讨了激光-材料相互作用、热导率与比热容等未充分研究的因素及其对快速冷却速率和相变的复合影响。

文中深入研究了先进微观组织调控策略，揭示了激光扫描速度、熔池几何特征、冷却速率与晶粒形态之间的关联性。系统评述了相场模拟、奥氏体化与马氏体相变等预测模型，聚焦形核机制与晶粒细化对缺陷控制和性能优化的作用。

通过整合热-力-冶金多物理场的相场模型与有限元模型等先进建模方法，评估了其在缺陷预测和工艺优化中的应用价值。强调了热成像与熔池分析等原位监测技术通过关联工艺参数与冶金结果所具有的变革性潜力。

研究中指出机器学习与多物理场仿真等新兴趋势将成为解决参数优化和自适应过程控制难题的关键。通过提出涵盖多尺度建模、实时监测集成和LPBF专用材料开发的路线图，本综述推动了该技术的理论认知与规模化应用，确保其在高需求制造领域发挥深远影响。

图1.a) LPBF工艺熔池现象示意图；b) LPBF过程中的物理机制

图2.熔池模式示意图：a)传导模式；b)过渡模式；c)匙孔模式（显示汽化区域形态）；d) Ti-6Al-4V与SS316L材料的传导/过渡/匙孔模式分区（虚线）及模型预测的过渡与匙孔起始边界（实线）

图3.LPBF工艺熔池横截面

图4.LPBF中相场模型特征

图5.第2层A)第3道次与B)第7道次的马氏体相分数分布

图6.a) LPBF构件内部热电偶布置；b)筒式加热器模拟温升；c)热电偶数据与红外相机校准；d) 66°倾角红外相机采集表面温度的实验装置

图7.LPBF中的枝晶生长

图8.未来研究方向与展望

激光粉末床熔融（LPBF）技术为航空航天、生物医疗和汽车行业提供了复杂高性能零部件的制造解决方案。其精密能量输入与设计灵活性使之成为下一代制造技术的核心。然而，要充分释放其潜力，必须深入理解多尺度冶金现象的相互作用机制。本综述通过实验与计算科学的进展对此进行了批判性分析，提出以下提升LPBF预测精度、可靠性与规模化的关键路径：

•当前模型的预测精度受限于热-力-冶金多物理场耦合不足。需建立经实验严格验证的多尺度集成模型，实现跨材料体系的可靠预测

•材料热物性（尤其是热导率与比热容）常被过度简化。必须获取与温度/相态相关的精确数据来改进熔池动力学、凝固行为和热梯度模拟

•残余应力与微观组织演变具有本质关联性。先进模型应同步考虑晶粒形态、各向异性及固态相变（如奥氏体-马氏体/β-α'转变）以实现力学性能调控

•现有微观组织模型对形核机制与枝晶生长动力学的表征不足。亟需开发包含热过冷、局部梯度和界面能的形核感知相场模型

•相场方法虽能卓越表征组织演变，但计算成本限制其规模化应用。与降阶或数据驱动方法的耦合是突破方向

•原位监测技术为模型验证和实时控制提供新机遇。集成热成像/熔池监控可显著提升尺寸精度与缺陷抑制能力

•机器学习在工艺优化中潜力巨大，但当前应用仍处探索阶段。需发展物理约束、可解释的通用算法框架

•LPBF专用材料研发目前集中于有限合金体系。需拓展高熵合金、关键原材料及多材料系统研究

•未来研究必须整合规模化与可持续性考量，包括能耗、粉末回收和大尺寸制造等挑战

总之，推动LPBF从实验室创新迈向成熟制造技术，需要融合物理建模、实时监控、自适应控制与材料设计的协同创新。弥合理论认知与工程应用之间的鸿沟，将是实现关键行业高性能零部件制造突破的决定性因素。

3D科学谷评述

在3D科学谷看来，上述综述研究的价值不在于给出最终答案，而在于把 LPBF 研究从“孤岛式发现”推进到“系统化工程科学”，为后续十年内实现可预测、可重复、可扩展的增材制造奠定了方法论基础。其价值包括：

概念框架的升级
文章首次把激光–材料相互作用、导热系数、比热容三者并列为“同一耦合体系”的核心变量，为后续多尺度建模提供了统一坐标系。此前研究往往孤立讨论某一物性，导致模型外推性差；该框架让实验、模拟与机器学习可以在同一“语义空间”里对话。

微观-宏观桥梁的搭建
通过将相场模拟、成核机制、晶粒细化与熔池几何、冷速、扫描速度建立显式关联，综述把“纳米级成核”与“毫米级熔池”放在同一条因果链上。这种跨尺度映射是目前大多数单尺度论文所缺失的，为合金设计→工艺窗口→零件性能的闭环优化提供了理论通道。

缺陷预测的范式转换
传统缺陷研究多聚焦“事后表征”。上述研究把缺陷（孔隙、裂纹、残余应力）转化为“可预测的状态变量”，并指出机器学习可将原位监测数据实时映射到缺陷概率场。这种“在线-预测-补偿”思想，有望明显降低废品率。

材料谱系的拓宽路线图
上述研究用时间线方式系统回顾了 2015–2025 年 43 篇关键文献，首次把铝合金、镍基高温合金、钢、钛合金、难熔金属（W、Ta）、Al-Li、Al-MMCs、高熵合金、异种金属统一到 LPBF 语境下，明确指出了“研究版图空白”——尤其是 CRMs（关键原材料）与轻质 Al-Li 合金。这为资源受限国家的供应链安全提供了研究优先级清单。

产业化落地的“最后一公里”方案
文章提出的“多尺度建模 + 原位监测 + 机器学习”三位一体策略，直接回应了工业界“一次成功打印”的痛点。路线图把实验室成果（相场模型、热像仪、高速 X 射线）与车间现场（多激光器、自适应扫描、闭环控制）做了可落地的技术映射。

值得一提的是，这条路线上出现了技术突破性的代表企业，SynaCore 增材制造数字孪生软件将当前割裂的仿真生态转化为一站式端到端的高保真仿真能力，从而转化为闭环价值链，最终推动增材制造从“经验试错”迈向数字孪生定义高保真仿真的范式转变。

SynaCore 数字孪生软件深度融合深层工艺物理、实时数据与 AI ，通过主动质量预测实现前所未有的工艺稳健性。由此带来的直接收益是：加快材料和设备的开发速度、工艺验证周期显著缩短、废品显著减少、设备综合效率（OEE）大幅提升。

长三角G60激光联盟 l

▌三维科学 l 无限可能

投稿丨 2509957133@qq.com

www.3dsciencevalley.com