增材制造知識介紹！

增材制造技術所具有的數(shù)字化、網(wǎng)絡化、個性化和定制化等特點，其將成為引領企業(yè)智能制造與創(chuàng)新發(fā)展的重要方式，是企業(yè)制勝工業(yè)4.0時代的重要法寶之一。

01

增材制造的基本原理

增材制造（Additive Manufacturing，AM）利用計算機控制3D數(shù)據(jù)逐層堆積材料，是基于離散-堆積原理的高效凈成形技術。自21世紀以來，增材制造以其獨特的優(yōu)勢為制造業(yè)開辟了一個新的先進制造技術，被眾多國家視為未來產(chǎn)業(yè)發(fā)展的新增長點，是工業(yè)4.0的核心，是具有深刻變革意義的新型生產(chǎn)方式。增材制造技術所具有的數(shù)字化、網(wǎng)絡化、個性化和定制化等特點，其將成為引領企業(yè)智能制造與創(chuàng)新發(fā)展的重要方式，是企業(yè)制勝工業(yè)4.0時代的重要法寶。

隨著大功率激光器的逐步應用，SLS技術隨之發(fā)展為激光選區(qū)熔化技術（selective laser melting，SLM），該技術利用高能量密度的激光束照射預先鋪覆好的金屬粉末材料，將其直接熔化并凝固、成形，獲得金屬制件。通過SLM技術可以成形接近全致密的精細金屬零件，其性能可達到同質鍛件水平，高性能金屬零件的直接制造是增材制造技術由“快速原型”向“快速制造”轉變的重要標志之一。

在SLM技術發(fā)展的同時，另一種金屬零件直接制造技術，激光沉積制造技術（laser deposition manufacturing，LDM）等高性能金屬零件直接制造技術及設備涌現(xiàn)出來。LDM技術起源于美國Sandia國家實驗室的激光近凈成形技術（laser engineering net shaping，LENS），利用高能量激光束將同軸或旁軸噴射的金屬粉末直接熔化，并按照預定的軌跡逐層堆積凝固成形，獲得尺寸形狀接近于最終零件的“近形”坯料制件，經(jīng)過后續(xù)的小余量加工及后處理獲得最終的金屬零件。

SLM和LDM技術作為金屬增材制造的兩種主要方式，是當前研究的熱點內容，其在結構復雜、材料昂貴、小批量定制生產(chǎn)方面具有低成本、高效率、高質量的突出優(yōu)勢，在航空航天等高端制造領域實現(xiàn)了較為廣泛的應用。

在SLM工藝中，選區(qū)激光熔化以激光為熱源，根據(jù)離散的三維數(shù)據(jù)逐點掃描熔化粉床上的金屬粉末，逐層凝固疊加，實現(xiàn)零件成形，具體過程如圖1所示。聚焦激光束在振鏡作用下，根據(jù)分層切片離散化的零件三維數(shù)字模型，逐點掃描粉床上的金屬粉層，掃描后熔化凝固的金屬粉末形成單層成形面及輪廓。隨后基板下降，送粉倉上升，粉末在刮刀作用下平鋪到粉床上，激光繼續(xù)開始掃描，熔化下一層，與上一層熔為一體。如此重復，層層疊加，得到與三維實體模型相同的金屬零件，完成三維實體的成形。為保證鋪粉順利和粉床的穩(wěn)定，一般情況下，選區(qū)激光熔化的成形平臺均為水平面，而在豎直方向通過逐層疊加累積成形。

圖1 典型雙缸SLM工藝成形過程示意圖

SLM技術采用的粉末主要為氣霧化球形粉，粒徑10~50μm，加工的層厚為20~50μm。激光聚焦直徑小，熔池特征尺寸約為100μm，其成形精度約為0.05~0.10mm，表面粗糙度10~20μm，可以滿足大多無裝配表面要求的金屬零件的高精度快速制造，也是目前精度最高的金屬增材制造工藝之一。較高的成形精度使得SLM工藝適用于加工形狀復雜的零件，尤其是具有復雜內腔結構和具有個性化需求的零件。目前，國外的EOS、SLM Solutions、Concept Laser等公司以及國內的鉑力特、華曙高科等公司生產(chǎn)的SLM設備已經(jīng)成功為航空航天、汽車、醫(yī)學生物等領域定制生產(chǎn)個性化零部件。

LDM設備主要由激光系統(tǒng)（激光器及其光路系統(tǒng)）、運動執(zhí)行機構、送粉系統(tǒng)、氣氛保護系統(tǒng)、質量調控系統(tǒng)、在線監(jiān)測反饋系統(tǒng)及控制系統(tǒng)等模塊構成，系統(tǒng)整體構成和布局如圖2所示。

圖2 LDM工藝成形過程示意圖

LDM技術利用激光束作為熱源，通過送粉系統(tǒng)將金屬粉末送入熔池，控制系統(tǒng)及軟件將三維實體模型按一定厚度分層切片，并在數(shù)控系統(tǒng)的控制下按照規(guī)定的運動軌跡及工藝參數(shù)來控制伺服系統(tǒng)運動，伺服系統(tǒng)帶動激光頭或是工作臺運動。根據(jù)沉積材料的不同，整個成形過程通常需要在氬氣等惰性氣體氛圍內進行，對于活性較高的合金材料，需要動態(tài)惰性密封箱體保護的方式持續(xù)性地提供惰性氣體保護氛圍。同樣，通過逐層沉積地方式，最終形成三維實體零件。原則上也可以采用同步絲材送進的方式來成形零件。

LDM技術的主要特點為：成形尺寸不受限制，可實現(xiàn)大尺寸零件的直接成形；靈活性較高，無需支撐即可加工復雜零件；可用于受損零件的直接修復及梯度零件的制造；成形件的綜合力學性能優(yōu)異，熱處理后的零件力學性能可達到同質鍛件水平。但其成形后零件依然需要少量的機械加工，成形精度較SLM工藝低。目前，國外的AeroMet、Optomec、Rolls-Royce等公司，國內的北京航空航天大學、西北工業(yè)大學、沈陽航空航天大學、北京鑫精合、南京煜宸等企業(yè)及院校已經(jīng)在航空、航天、船舶、能源等領域就LDM技術進行了大量的成功應用及示范推廣。

02

增材制造關鍵技術

無論SLM技術還是LDM技術，控制成形件內部的殘余應力及成形零件的整體變形都是增材制造亟需解決的關鍵技術。殘余應力是無外力作用時，以平衡狀態(tài)殘留于材料內部的應力。激光增材制造具有加熱、冷卻速度極快的特點，在激光增材制造加熱過程中，不同部位溫度不同，熔化不同步，冷卻過程中凝固不同步，都會造成不同部位膨脹收縮趨勢不一致，從而產(chǎn)生熱應力。同時由于不同部位溫度不一致，沉積成形件不同部位物相變化不同步，不同相之間的比容不一樣，膨脹或收縮時相互牽制產(chǎn)生相變應力。在激光增材制造成形過程中出現(xiàn)或是在成形完成后馬上出現(xiàn)的缺陷，如熱裂紋、翹曲等，主要與熱應力有關。

成形件熱烈紋的形成機理如圖3所示，快速凝固過程中低熔點共晶相凝固滯后造成的晶間弱化，或者是脆硬相造成的晶內或晶間脆化，不足以抵抗快速凝固產(chǎn)生的較大熱應力而造成了零件的熱裂。

圖3 增材制造熱烈紋形成機理

因此，如何調控與消減增材制造零件內的殘余應力是SLM及LDM工藝所共同追求的關鍵技術。此外，對于SLM技術，激光光路優(yōu)化以及成形零部件致密度、表面質量、尺寸精度、強度和塑性的控制是決定成形質量的關鍵技術。研究表明，SLM工藝的影響因素可達上百個，其中有10多個因素具有決定性影響，工藝參數(shù)組合的選擇直接影響成形過程的成敗；LDM技術致力于達到復雜結構實體零件的形狀、成分、組織和性能的最優(yōu)化控制，同步實現(xiàn)金屬零件快速精準成形和高性能控制的目標。為此，必須建立相關的材料科學與技術、過程科學與技術和工程科學與技術的LDM的整體科學與技術構架，突破激光熔池溫度和幾何形狀控制技術、組織和性能控制技術及冶金缺陷檢測與控制技術是LDM工藝的關鍵技術。

03

增材制造過程的數(shù)字化

增材制造智能控制首要對象為對結構設計模型的控制。滿足零件功能需求的前提下設計輕量化、整體化、低成本的高性能結構是零件設計的中心任務。拓撲優(yōu)化是根據(jù)指定載荷工況、性能指標和約束條件合理分配材料、確定最優(yōu)傳力路徑的結構優(yōu)化設計方法。相比尺寸優(yōu)化和形狀優(yōu)化，拓撲優(yōu)化不依賴于初始構型的選擇，具有更高的設計空間，是尋求高性能、輕量化、多功能創(chuàng)新結構的有效設計方法。

但傳統(tǒng)制造方法很難完成在幾何和尺度上如此復雜結構的制造，而增材制造在復雜結構輕量化制造方面具有獨特優(yōu)勢。拓撲優(yōu)化與增材制造技術的完美結合，可以在零件材料的設計空間中找到最佳材料分布方案，從而提高材料利用率達到減輕重量的目的。以航天器支架結構為例，典型復雜結構零件拓撲、尺寸優(yōu)化設計與增材制造過程如圖4所示。如何根據(jù)零件的承載特征，實現(xiàn)拓撲/點陣結構的智能設計，是增材制造結構智能化設計的關鍵。

增材制造智能控制的另一個重要控制對象為成形工藝參數(shù)控制。影響增材制造零件性能的因素有上百種，其主要可以劃分為4大類：材料屬性、加工環(huán)境、裝備誤差及工藝參數(shù)。通常情況下，前三者在生產(chǎn)前已經(jīng)確定，因此工藝參數(shù)是決定零件性能的關鍵因素。調整工藝參數(shù)的方法主要包括試驗研究、模擬研究以及工藝優(yōu)化3種，如圖5所示。

圖5 調整工藝參數(shù)的方法及其聯(lián)系

其中，試驗研究主要通過正交試驗、響應面、田口法等回歸分析方法，建立激光功率、掃描速度、掃描間距、預熱溫度、分層厚度與成形件致密度及力學性能指標的定量關系模型，從而能夠實現(xiàn)對成形件性能的預測及工藝參數(shù)的優(yōu)化。但試驗研究方法無法對成形件過程中顯微組織演化、溫度場應力場演變的影響機理研究進行有效揭示，無法從根本上解釋工藝參數(shù)對成形件組織及性能的影響機理。

數(shù)值模擬的方法可以對成形件的宏觀尺度的溫度場、應力應變場特征，介觀尺度的粉末及熔池流動行為，微觀尺度的晶粒生長過程進行仿真模擬，從而省去大量的試驗操作，減少時間及經(jīng)濟成本。采用有限元方法對成形過程中的溫度場及應力場進行數(shù)值模擬，可以對內應力的峰值位置及水平進行有效預測，并反饋給模型設計及工藝參數(shù)，通過工藝參數(shù)數(shù)據(jù)庫對成形工藝參數(shù)進行調節(jié)，從而避免成形件的大尺寸變形及開裂的發(fā)生，提高成形件的成形精度。

采用有限容積法可以對增材制造過程中的流場、熔池形貌及孔隙分布進行模擬預測，分析鋪粉厚度、掃描速度、激光功率、保護氣氛種類等工藝參數(shù)對單道軌跡形態(tài)的影響，揭示粉末流動及熔池內匙孔及飛濺產(chǎn)生等行為的影響機理，指導工藝參數(shù)的調控，避免缺陷的產(chǎn)生，提高成形件的綜合性能。采用相場法及元胞自動機等方法可以對凝固過程中的成核現(xiàn)象及晶粒生長過程進行模擬，分析工藝參數(shù)對成形件內晶粒組織形態(tài)的影響規(guī)律，建立工藝參數(shù)-顯微組織-力學性能間的理論關聯(lián)性。

上述數(shù)值模擬的方法雖然可以對成形件內材料學的組織形態(tài)及殘余應力及變形情況進行預測，揭示不同工藝參數(shù)對成形件最終性能的影響機理。但是受到模擬手段與計算方法的限制，制件表面質量、服役行為等問題難以通過數(shù)值模擬進行求解。此外，通過這些物理驅動的方法不可能在短時間內快速準確地預測整個增材制造過程。得益于人工智能技術的發(fā)展，通過優(yōu)化算法對工藝參數(shù)進行調整成為目前研究熱點，數(shù)據(jù)驅動的模型也已廣泛應用于增材制造領域。

這種模型的壓倒性優(yōu)勢在于其不需要構建一系列基于物理過程的方程。取而代之的是，它們會根據(jù)以前的數(shù)據(jù)自動學習輸入特征和輸出目標之間的關系。將試驗或數(shù)值模擬得到的結果作為數(shù)據(jù)樣本，采用工藝優(yōu)化算法訓練模型，從而對不同工藝參數(shù)的制件性能指標進行預測與優(yōu)化。將制樣的制造精度、表面質量、致密度、力學性能等作為評判指標，對不同工藝參數(shù)得到的成形件標準件作為數(shù)據(jù)集進行訓練，應用最多的工藝優(yōu)化方法為采用專家系統(tǒng)與自適應神經(jīng)網(wǎng)絡（NN）相結合的方法自動優(yōu)化工藝參數(shù)，如圖6所示。

圖6 自適應神經(jīng)網(wǎng)絡對增材制造工藝參數(shù)的優(yōu)化過程

04

神經(jīng)網(wǎng)絡在增材制造中的應用

神經(jīng)網(wǎng)絡（NN）的機器學習方法已經(jīng)應用于到增材制造的各個環(huán)節(jié)，如結構模型設計、過程監(jiān)測、工藝-性能評價等環(huán)節(jié)。

? 在結構模型設計環(huán)節(jié)，Chowdhury和Anand提出了一種NN算法來直接補償部件的幾何設計，抵消制造過程中的熱收縮和變形。首先提取零件CAD模型表面3D坐標作為NN模型的輸入，使用熱力耦合的有限元分析軟件并定義一組過程參數(shù)來模擬增材制造過程。提取變形表面坐標作為NN模型的輸出。訓練一個具有14個神經(jīng)元和損失函數(shù)為均方誤差（MSE）的NN模型來學習輸入和輸出之間的差異。將訓練好的網(wǎng)絡應用于STL文件，從而進行所需的幾何校正，得到尺寸精確的成品。

Arnd Koeppe等采用試驗、有限元方法、NN模型相結合的方式（圖7）對晶格結構成形件內的應力及變形進行預測。首先通過大量的試驗驗證了有限元應力及變形仿真模型的可靠性，使用有限元方法運行85個模擬樣本，將全局負載、位移和支柱半徑以及單元尺寸的不同組合作為NN的輸入特征，最大Von Mises等效應力作為NN的輸出特征。

NN的架構為：一個具有1024個整流線性神經(jīng)元的全連接層、兩個分別具有1024個神經(jīng)元的長短期記憶網(wǎng)絡，以及一個全連接的線性輸出層。試驗、有限元仿真與神經(jīng)網(wǎng)絡結果的比較如圖8所示。由圖8（a）可知，試驗測得的力-位移曲線與FEM仿真結果較為一致；圖8（b）為隨機選取的測試樣本下成形件內最大Von Mises等效應力FEM結果與NN結果的對比，結果表明，經(jīng)過訓練之后，NN可以很好地重現(xiàn)加載歷史，與有限元方法模擬結果相吻合。因此，通過NN方法取代FEM方法，可以使得對成形件應力及變形的評價時間由幾個小時縮短至幾毫秒，并可以保證預測結果的可靠性。

圖7 應用NN模型快速預測增材制造結構的變形

圖8 試驗、有限元仿真與神經(jīng)網(wǎng)絡結果的比較 （a）力-位移曲線；（b）最大應力-位移曲線（實現(xiàn)為FEM，虛線為NN）

? 在實時監(jiān)測環(huán)節(jié)，從傳感器中實時監(jiān)測獲取的數(shù)據(jù)提供了增材制造程中產(chǎn)品質量的第一手信息。同步且準確地分析這些實時數(shù)據(jù)即可實現(xiàn)對制造過程的全閉環(huán)控制。Shevchik等在SLM工藝中引入用聲發(fā)射（AE）和NN分析對成形過程進行現(xiàn)場質量監(jiān)測，如圖9所示。使用布拉格光纖光柵傳感器記錄AE信號，而選擇的NN算法是波譜卷積神經(jīng)網(wǎng)絡（SCNN），它是對傳統(tǒng)卷積神經(jīng)網(wǎng)絡（CNN）的延伸。模型的輸入特征是小波包變換的窄頻帶的相對能量，輸出特征是對打印層質量的高、中或差的分類。在SLM增材制造過程中發(fā)出聲信號，然后由傳感器捕獲。最終將SCNN模型應用于所記錄的數(shù)據(jù)，以便判定打印層的質量是否合適。研究結果表明，使用SCNN對工件質量為高、中、差的分類精度分別高達83%、85%和89%，可以通過神經(jīng)網(wǎng)絡及聲信號實時監(jiān)測有效預測成形件質量并進行針對性的反饋調節(jié)。

圖9 基于聲信號及神經(jīng)網(wǎng)絡分析系統(tǒng)的 增材制造質量在線監(jiān)測工作流程

? 在工藝-性能評價環(huán)節(jié)，NN的應用最為廣泛。在工藝、性能和使役性能之間建立直接聯(lián)系是科學家和工程師非常感興趣的。這種聯(lián)系通常是高度非線性的，因為輸入變量的數(shù)量通常大于3個。因此，很難確定這種聯(lián)系的基礎數(shù)學公式。由于NN模型固有的非線性特性，它已被應用于為各種增材制造過程建立這些數(shù)學關系。但許多工藝參數(shù)可能嚴重影響增材制造零件的屬性，而其他參數(shù)可能影響較小。同時，對于有限的數(shù)據(jù)集，過多的輸入特征極易導致模型過擬合。因此，確保NN算法在一組良好的特征上運行至關重要。對輸入數(shù)據(jù)進行“特征工程”的預處理可以為研究帶來好處。它可以分為兩個方面：①特征選擇——旨在從現(xiàn)有特征中選擇最有用的特征作為輸入。②特征組合——旨在對輸入特征進行降維，從而集中于新生成的特征。一旦知道轉換規(guī)則，手動生成特征便成為可能。

本文引自：《智能制造裝備基礎》。作者：吳玉厚、陳關龍、張珂、趙德宏、鞏亞東、劉春時。由清華大學出版社「智造苑」原創(chuàng)首發(fā)， 數(shù)字化企業(yè)經(jīng)授權發(fā)布。