北京工业大学曾勇教授团队：基于数据-物理框架的增材制造渗透性可控设计与优化 | AMF论文推荐

引用论文

Jiahao Liu, Peng Dong, Jimin Chen, Yong Zeng, Data-physics framework embedding machine learning for controllable permeability design and optimization in additive manufacturing, Additive Manufacturing Frontiers, Volume 5, Issue 2, 2026, 200288,https://doi.org/10.1016/j.amf.2025.200288.

文章链接：

1研究背景及目的

多孔材料因低密度、高比强度及优异散热性在航空航天、过滤系统和生物医学中应用广泛，激光粉末床熔融（LPBF）技术为制造功能梯度多孔结构提供了有效途径。然而，传统设计方法高度依赖经验知识和反复试错的实验过程，效率十分低下。本研究旨在建立一种有限元分析（FEA）和神经网络（ANN）的数据-物理框架，以建立“工艺-孔隙率-渗透率”之间的关联，从而无需通过迭代实验调参即可实现以目标为导向的渗透率优化制造。

2论文亮点或创新点

1.基于该模型预测所需的工艺参数，成功实现了具有定制化梯度孔隙率分布的多孔结构，显著提升了设计与生产效率。

2.揭示并优化了渗透率与力学性能之间的权衡关系。在孔隙率为17.71%至22.33%时实现良好兼容；在350W激光功率和1800 mm/s扫描速度下，材料具备高渗透率（起泡压力2.16 kPa）与相对良好的力学性能（屈服强度196.77 MPa）。

3实验方法

本研究采用EOS M280系统对气雾化316L不锈钢粉末进行LPBF加工，探索了不同激光功率（150-350 W）和扫描速度（1000-1800 mm/s）在90°和67°扫描策略下的成型效果。利用光学显微镜和扫描电镜进行微观结构和断口形貌表征，并计算孔隙率。渗透率测试结合了压降流测试和起泡压力测试。力学性能通过单轴拉伸试验进行评估。在理论与建模方面，构建了具备15和10个神经元双隐藏层的人工神经网络（ANN）来预测工艺参数与孔隙率之间的非线性映射；同时，利用COMSOL软件建立简化的晶胞单元进行有限元分析，以模拟流体流动行为，并将数据拟合为高精度的孔隙率-渗透率数学函数。

4结论

本研究提供了一种灵活控制孔隙的设计框架，通过性能需求推导优化工艺参数，为增材制造多功能定制化多孔材料奠定了理论与技术基础。该方法在实际工程领域应用前景广阔，例如在注塑模具中，该技术可以智能调节局部区域的孔隙率和孔径以优化排气，有效解决因排气不良导致的树脂填充缺陷。此外，它实现了高透气区与实体结构的无缝一体化成型，无需传统镶件。该方案也高度适用于未来开发要求精确三相界面调控的高性能化学设备，如气体扩散电极和膜反应器等。

关于团队

作者介绍

曾勇，研究员，博导，北京工业大学科学技术发展院二处处长，中国光学学会激光加工专业委员会委员、中国机械工程学会特种加工分会委员、中国有色金属学会增材制造技术专业委员会委员、中国机械工程学会增材制造技术分会青年委员、Additive Manufacturing Frontiers青年编委会委员。

团队研究方向

1.特种材料3D打印

2.激光与物质相互作用

近年团队发表文章

1．Zhao Xin, Chen Jimin, Zeng Yong*, Study on performance regulation of electro-mechanical properties 3D printed BaTiO3/HA porous structure composite ceramic, Ceramics International, 2024, 50 (23): 49021-49032.

2．Hao Yichen, Wang Jun, Wang Qian*, Chen Jimin, Zeng Yong*, Study on the control of mechanical and electrical properties of 3d printed BTO/PDMS flexible porous composites, Journal of Polymer Research, 2024, 31 (11): 325.

3．Zhang Lizheng, Dong Peng, Zeng Yong*, Yao Haihua, Chen Jimin*, Additive manufacturing of Inconel 718/CuCrZr multi-metallic materials fabricated by laser powder bed fusion, Additive Manufacturing, 2024, 92: 104377.

4．Jiang Zhujun, Sun Yinghong, Chen Jimin*, Zeng Yong*, Control of electromechanical performance in 3D printing lattice-structured BaTiO3 piezoelectric ceramics, Journal of Advanced Ceramics, 2024, 13(7): 987-1001.

5．Chen Xingfu, Dong Peng,Zeng Yong*, Yao Haihua, Chen Jimin, Effect of heat treatment on the microstructure and properties of CuCrZr prepared by laser powder bed fusion, Materials Characterization, 2024, 214: 114103.

6．Zhang Lizheng, Zeng Yong*, Yao Haihua, Shi Zhaoyao, Chen Jimin*, Fabrication and characterization of ZrO2(3Y)/Al2O3 micro-ceramic gears with high performance by vat photopolymerization 3D printing, Ceramics International, 2024, 50 (3): 5187-5197.

责任编辑：李 娜

责任校对： 金 程

审 核： 张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！我们《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

来源：AMF增材制造前沿。

特别声明：本微信转载文章出于非商业性的教育和科研目的，如转载稿涉及版权等问题，请立即联系我们，我们会予以更改或删除相关文章，保证您的权益。

微信投稿、转载等：

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat