金屬粉末床熔融（PBF）是制造金屬零件的一項(xiàng)關(guān)鍵增材制造（AM）技術(shù)。然而，該工藝易受到孔隙、裂紋、翹曲等缺陷的困擾，從而削弱最終產(chǎn)品的質(zhì)量。針對(duì)這一問題，學(xué)界和工業(yè)界日益關(guān)注利用原位監(jiān)測(cè)、數(shù)據(jù)預(yù)處理與機(jī)器學(xué)習(xí)（ML）技術(shù)來(lái)進(jìn)行金屬 PBF 過程中的缺陷檢測(cè)與預(yù)測(cè)。

來(lái)自新加坡制造技術(shù)研究院的科研團(tuán)隊(duì)發(fā)表了以“Towards intelligent defect detection in metal powder bed fusion: A review of in situmonitoring, data pre-processing, and machine learning“ 為題的綜述論文。論文對(duì)粉末床熔融金屬增材制造技術(shù)的原位監(jiān)測(cè)、數(shù)據(jù)預(yù)處理與機(jī)器學(xué)習(xí)領(lǐng)域的最新進(jìn)展進(jìn)行了系統(tǒng)分析。谷·專欄將分上、下兩期分享該綜述。本期為上篇。

論文鏈接：

https://doi.org/10.1016/j.mser.2025.101112

本文特別強(qiáng)調(diào)了數(shù)據(jù)預(yù)處理這一新興趨勢(shì)，該技術(shù)作為原位監(jiān)測(cè)與機(jī)器學(xué)習(xí)之間的橋梁發(fā)揮著關(guān)鍵作用。

通過解決背景噪聲、數(shù)據(jù)丟失以及數(shù)據(jù)體量龐大等挑戰(zhàn)，原位監(jiān)測(cè)數(shù)據(jù)的預(yù)處理對(duì)于提升粉末床熔融（PBF） 金屬 增材制造過程中缺陷檢測(cè)與預(yù)測(cè)的準(zhǔn)確性具有重要意義。 此外，論文還討論了該領(lǐng)域的重要方法、技術(shù)與發(fā)展趨勢(shì)，并對(duì)當(dāng)前面臨的挑戰(zhàn)及未來(lái)潛在的發(fā)展方向進(jìn)行了深入探討，為推動(dòng)金屬PBF 增材制造-3D打印部件缺陷研究中的原位監(jiān)測(cè)、數(shù)據(jù)預(yù)處理與機(jī)器學(xué)習(xí)技術(shù)提供了新的視角。

“3D Science Valley 白皮書 圖文解析

引言

增材制造（Additive Manufacturing, AM），又稱三維（3D）打印技術(shù)，已發(fā)展成為一種成熟且廣受歡迎的制造技術(shù)。該技術(shù)通過逐層堆積材料，從計(jì)算機(jī)輔助設(shè)計(jì)（CAD）或數(shù)字三維模型中構(gòu)建三維物體。與傳統(tǒng)生產(chǎn)方法相比，AM 具有材料浪費(fèi)更少、環(huán)境污染更低等優(yōu)勢(shì)。此外，其在零件設(shè)計(jì)上的高度靈活性，使得定制化產(chǎn)品和輕量化設(shè)計(jì)成為可能，因此已在諸多領(lǐng)域得到廣泛應(yīng)用，如航空航天、生物醫(yī)學(xué)、汽車以及柔順機(jī)構(gòu)等行業(yè)。

粉末床熔融（Powder Bed Fusion, PBF）是金屬與合金工程零件的主要增材制造技術(shù)之一。金屬PBF工藝通常包括預(yù)處理（如零件設(shè)計(jì)、模型分析、路徑規(guī)劃、打印及后處理）（見圖1）。

圖1

在打印過程中，粉末在設(shè)備中被熔化，并根據(jù) CAD 模型形成零件。在拆除成形板并將樣件切割下來(lái)后，打印樣品會(huì)進(jìn)入后期檢測(cè)，包括性能鑒定、機(jī)械加工、熱處理，以及光學(xué)顯微鏡、X 射線計(jì)算機(jī)斷層掃描（XCT）、疲勞測(cè)試等測(cè)量環(huán)節(jié)。隨后，后處理如表面精加工和數(shù)控加工（CNC）會(huì)進(jìn)一步將打印部件加工為最終產(chǎn)品，以實(shí)現(xiàn)應(yīng)力最小化、降低孔隙率并獲得高幾何精度。在此背景下，后期檢測(cè)過程對(duì)于保證打印部件的質(zhì)量和可重復(fù)性至關(guān)重要，是其有效應(yīng)用的前提。然而需要指出的是，后期檢測(cè)也存在一些不足，包括檢測(cè)流程耗時(shí)、材料浪費(fèi)以及可能對(duì)打印部件造成不可逆損傷。

圖1 展示了在金屬 PBF 全流程中實(shí)現(xiàn)質(zhì)量保證的兩種關(guān)鍵數(shù)字化方法。從預(yù)處理到后期檢測(cè)階段，多尺度物理建模揭示了影響打印過程的各種因素，包括顯微組織、鋪粉行為、熱分析、幾何變形以及力學(xué)性能。這種深入分析有助于優(yōu)化工藝參數(shù)，從而提升3D打印零件的質(zhì)量。由此可見，物理建模使制造商能夠預(yù)測(cè)和控制金屬PBF的結(jié)果，提升了生產(chǎn)效率與可靠性。然而，物理建模并非本文的研究重點(diǎn)，本論文更關(guān)注原位監(jiān)測(cè)方法。

原位監(jiān)測(cè)是另一種被廣泛采用的質(zhì)量保證手段，它通過提供過程參數(shù)、缺陷檢測(cè)和材料特性等方面的實(shí)時(shí)數(shù)據(jù)，在金屬PBF過程中發(fā)揮關(guān)鍵作用。借助持續(xù)的過程監(jiān)測(cè)，原位傳感器能夠發(fā)現(xiàn)異常、偏差和缺陷，從而實(shí)現(xiàn)即時(shí)調(diào)整，以維持打印質(zhì)量與一致性。這種由原位監(jiān)測(cè)所支持的實(shí)時(shí)反饋回路顯著增強(qiáng)了工藝控制，降低了錯(cuò)誤發(fā)生的可能性，并最終提高了 增材制造過程的整體質(zhì)量與可靠性。

基于數(shù)據(jù)的數(shù)字化監(jiān)測(cè)結(jié)合原位過程檢測(cè)，在緩解這些缺陷方面已日益重要。然而，挑戰(zhàn)如金屬PBF工藝的復(fù)雜性、龐大的數(shù)據(jù)量以及信號(hào)噪聲的存在，可能阻礙數(shù)據(jù)的有效利用，機(jī)器學(xué)習(xí)（ML）方法被頻繁用于原位數(shù)據(jù)處理以克服這些挑戰(zhàn)。用于缺陷檢測(cè)的ML模型在收集的數(shù)據(jù)集上進(jìn)行訓(xùn)練，而無(wú)需完全理解底層物理機(jī)制，使其能夠識(shí)別制造過程中的模式和異常。然而，其有效性依賴于其統(tǒng)計(jì)特性以及對(duì)不同數(shù)據(jù)特征的適用性。

• 隨機(jī)森林（RF）是一種基于集成的算法，在處理噪聲數(shù)據(jù)集和缺失值時(shí)特別穩(wěn)健，通過聚合多棵決策樹（DTs），使其適用于結(jié)構(gòu)化缺陷檢測(cè)應(yīng)用。然而，RF 在計(jì)算上可能要求較高，并且在高度復(fù)雜的情境中缺乏可解釋性。
  

• 支持向量機(jī)（SVM）因其構(gòu)建最優(yōu)超平面的能力而著稱，在高維空間表現(xiàn)良好，特別適合特征選擇至關(guān)重要的小型到中型結(jié)構(gòu)化數(shù)據(jù)集。盡管其分類精度高，但 SVM 需要仔細(xì)的參數(shù)調(diào)優(yōu)，并且在大規(guī)模數(shù)據(jù)集上的可擴(kuò)展性有限。

• 相比之下，神經(jīng)網(wǎng)絡(luò)（NNs）擅長(zhǎng)建模非線性關(guān)系和提取高層次特征，使其特別適用于涉及非結(jié)構(gòu)化數(shù)據(jù)的缺陷檢測(cè)任務(wù)，如基于圖像的檢測(cè)和傳感器驅(qū)動(dòng)的異常檢測(cè)。其深層架構(gòu)允許高級(jí)特征學(xué)習(xí)，但需要大量的計(jì)算資源和規(guī)模龐大且標(biāo)注良好的數(shù)據(jù)集來(lái)降低過擬合風(fēng)險(xiǎn)。

因此，適當(dāng)?shù)?ML 模型選擇應(yīng)考慮數(shù)據(jù)集規(guī)模、數(shù)據(jù)復(fù)雜性和計(jì)算限制，RF 更適合結(jié)構(gòu)化缺陷分類，SVM 更適合高維但小規(guī)模數(shù)據(jù)集，而 NN 則適合大規(guī)模非結(jié)構(gòu)化缺陷檢測(cè)。然而，使用原位監(jiān)測(cè)數(shù)據(jù)訓(xùn)練 ML 模型存在挑戰(zhàn)，包括噪聲、離群點(diǎn)、缺失值、數(shù)據(jù)不平衡、標(biāo)準(zhǔn)化需求、特征選擇以及時(shí)間序列處理。這些問題必須通過嚴(yán)格的原位數(shù)據(jù)預(yù)處理來(lái)解決，這是彌合實(shí)時(shí)監(jiān)測(cè)與 ML 驅(qū)動(dòng)缺陷檢測(cè)之間差距的關(guān)鍵步驟。適當(dāng)?shù)念A(yù)處理能夠增強(qiáng)數(shù)據(jù)可靠性，最小化離群點(diǎn)，并確保穩(wěn)健的訓(xùn)練和測(cè)試數(shù)據(jù)集，最終提高基于 ML 的缺陷檢測(cè)系統(tǒng)的準(zhǔn)確性和可信度。

隨著金屬 PBF 結(jié)合原位監(jiān)測(cè)、數(shù)據(jù)處理和 ML 成為主要研究焦點(diǎn)，許多研究總結(jié)了原位監(jiān)測(cè)和 ML 的進(jìn)展。具體而言，Shi 等總結(jié)了電子束粉末床熔融（EB-PBF）的缺陷形成和過程控制。Grasso 等全面回顧了金屬 PBF 工藝的原位傳感、測(cè)量和監(jiān)測(cè)技術(shù)，包括方法學(xué)分類以及這些方法性能的比較分析。Peng 等綜述了激光粉末床熔融（L-PBF）過程中的缺陷，考察了原位監(jiān)測(cè)和缺陷檢測(cè)方法，并討論了它們?cè)?L-PBF 工藝中的應(yīng)用和集成。Fang 等在回顧 AM 加工鏈、控制框架、原位監(jiān)測(cè)系統(tǒng)和缺陷檢測(cè)方法的同時(shí)，提出了新的 AM 控制框架。AbouelNour 等探討了表面以下和內(nèi)部缺陷的原位監(jiān)測(cè)，涵蓋了通過成像和聲學(xué)方法獲得的數(shù)據(jù)的表征、分析和處理。他們還介紹了結(jié)果驗(yàn)證的離線檢測(cè)技術(shù)，以及應(yīng)用和多樣化的 ML 模型。Babu 等討論了 ML 的工作流，包括監(jiān)督、無(wú)監(jiān)督和強(qiáng)化學(xué)習(xí)的類別，以及其在不同子流程中的應(yīng)用，包括預(yù)處理設(shè)計(jì)階段、參數(shù)優(yōu)化、異常檢測(cè)、原位監(jiān)測(cè)和 AM 的最終后處理階段。Zhang 等介紹了金屬 PBF 中的 ML 方法，并討論了其在不同類型缺陷聚類或預(yù)測(cè)中的應(yīng)用。此外，還總結(jié)了原位監(jiān)測(cè)和 ML 技術(shù)。在這些研究中，Taherkhani 等提供了迄今為止最詳細(xì)和系統(tǒng)的原位監(jiān)測(cè)方法與 ML 應(yīng)用分析，將其基于信號(hào)類型和波長(zhǎng)劃分為輻射型和非輻射型傳感器。他們的綜述最后提出了 ML 在預(yù)測(cè)和檢測(cè)各種缺陷中的應(yīng)用見解。

在這些全面綜述的基礎(chǔ)上，有必要探討如何將這些進(jìn)展有效地集成到金屬 PBF 的未來(lái)發(fā)展中。ML 技術(shù)在電弧增材制造（WAAM）和定向能量沉積（DED）中已取得顯著成功，可被改造用于實(shí)時(shí)缺陷檢測(cè)、自適應(yīng)過程控制和零件質(zhì)量提升。通過利用原位監(jiān)測(cè)和自適應(yīng)控制，離線 ML 模型可在制造前優(yōu)化工藝參數(shù)，而在線 ML 模型可實(shí)時(shí)處理傳感器數(shù)據(jù)以診斷缺陷并動(dòng)態(tài)調(diào)整加工條件。金屬 PBF 系統(tǒng)還可以受益于基于強(qiáng)化學(xué)習(xí)的控制模型，從而實(shí)現(xiàn)主動(dòng)缺陷緩解并減少由工藝引起的孔隙和裂紋等缺陷。此外，過程監(jiān)測(cè)和傳感技術(shù)，包括熱成像、聲發(fā)射（AE）和光學(xué)斷層掃描（OT），已在 WAAM 和 DED 中顯示出有效性，并可定制用于金屬 PBF，以提高缺陷檢測(cè)的準(zhǔn)確性。結(jié)合基于深度學(xué)習(xí)的計(jì)算機(jī)視覺模型，金屬 PBF 系統(tǒng)可以利用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，從熔池圖像中提取特征并識(shí)別缺陷趨勢(shì)。此外，已在其他 AM 工藝中應(yīng)用的合成數(shù)據(jù)增強(qiáng)，可以通過模擬缺陷場(chǎng)景補(bǔ)充訓(xùn)練數(shù)據(jù)集，從而提高金屬 PBF 模型的魯棒性和泛化能力。展望未來(lái)，將自適應(yīng) ML 缺陷緩解策略與基于物理的仿真相結(jié)合，將實(shí)現(xiàn)混合建模方法，使金屬 PBF 系統(tǒng)能夠預(yù)測(cè)缺陷形成并主動(dòng)優(yōu)化工藝參數(shù)。這一進(jìn)展將推動(dòng)閉環(huán)控制系統(tǒng)的發(fā)展，實(shí)現(xiàn)缺陷的自主修正和零件可靠性提升，最終使金屬 PBF 與智能制造和工業(yè) 4.0 的目標(biāo)保持一致。

與此同時(shí)，在控制與監(jiān)測(cè)、圖像數(shù)據(jù)處理、計(jì)算機(jī)輔助設(shè)計(jì)和增材制造商業(yè)方法等領(lǐng)域，知識(shí)產(chǎn)權(quán)活動(dòng)顯著增加。2001 到 2010 年間，這些領(lǐng)域的年度專利申請(qǐng)數(shù)量保持在 100 以下。然而，從 2011 到 2020 年，這一數(shù)字顯著增長(zhǎng)。僅在 2019 和 2020 年，就有超過 3000 件專利申請(qǐng)被公開，其中與控制和監(jiān)測(cè)相關(guān)的超過 1500 件，圖像數(shù)據(jù)處理相關(guān)的超過 300 件。這一增長(zhǎng)歸因于先進(jìn)傳感器和機(jī)器視覺技術(shù)等創(chuàng)新，確保了 AM 工藝的精度、質(zhì)量和可靠性。通過監(jiān)測(cè)關(guān)鍵參數(shù)，如熔池形態(tài)、羽流行為和工藝穩(wěn)定性，這些技術(shù)能夠?qū)崿F(xiàn)實(shí)時(shí)反饋。然而，ML 和圖像數(shù)據(jù)處理在金屬 PBF 中的全部潛力尚未完全發(fā)揮。

遺憾的是，僅僅集成原位監(jiān)測(cè)和 ML 并不能確保 ML 訓(xùn)練的數(shù)據(jù)輸入有效或預(yù)測(cè)準(zhǔn)確。作為接收原位監(jiān)測(cè)信號(hào)并生成處理數(shù)據(jù)以供 ML 訓(xùn)練的橋梁，圖像預(yù)處理決定了 ML 和應(yīng)用最終結(jié)果的可靠性和穩(wěn)健性?；诖耍芯繄F(tuán)隊(duì)旨在開展一項(xiàng)全面綜述，涵蓋原位監(jiān)測(cè)方法、數(shù)據(jù)預(yù)處理以及隨后的 ML 在金屬 PBF 中的應(yīng)用。因此，本綜述擬回答兩個(gè)研究問題：(i) 金屬 PBF 的原位數(shù)據(jù)預(yù)處理有哪些新技術(shù)？(ii) 原位數(shù)據(jù)處理如何彌合監(jiān)測(cè)與 ML 缺陷檢測(cè)之間的差距？

為了使綜述全面，研究團(tuán)隊(duì)在第 2 節(jié)簡(jiǎn)要描述了金屬 PBF 的常見缺陷及其形成機(jī)制；第 3 節(jié)描述了不同原位監(jiān)測(cè)方法及其優(yōu)缺點(diǎn)，并重點(diǎn)介紹了新近發(fā)展的原位監(jiān)測(cè)技術(shù)；第 4 節(jié)聚焦于第一個(gè)研究問題，詳細(xì)闡述了圖像和信號(hào)預(yù)處理的結(jié)構(gòu)，重點(diǎn)介紹了關(guān)鍵步驟和最新進(jìn)展；第 5 節(jié)則回答第二個(gè)問題，詳細(xì)討論了如何將原位監(jiān)測(cè)數(shù)據(jù)與 ML 模型結(jié)合進(jìn)行缺陷檢測(cè)。盡管兩個(gè)問題詳略不同，但它們本質(zhì)上是相互聯(lián)系的，共同構(gòu)成本綜述的核心主題，即通過原位監(jiān)測(cè)和智能處理相結(jié)合，實(shí)現(xiàn)金屬 PBF 的數(shù)據(jù)驅(qū)動(dòng)質(zhì)量控制。最后，本文以對(duì)原位監(jiān)測(cè)、原位數(shù)據(jù)預(yù)處理和 ML 在金屬 PBF 中的挑戰(zhàn)與未來(lái)發(fā)展的展望作為結(jié)束。

原位監(jiān)測(cè)在金屬 PBF 中可檢測(cè)的缺陷類型及其形成機(jī)制

金屬 PBF 工藝包括 L-PBF 和 EB-PBF。其基本原理是在基底平臺(tái)上選擇性熔化鋪設(shè)的粉末。該過程逐層進(jìn)行，重復(fù)粉末鋪展、熔化以及平臺(tái)下降，從而逐步構(gòu)建三維零件。L-PBF 通常在惰性氣體環(huán)境下運(yùn)行，這種環(huán)境能形成無(wú)氧氣氛，保證粉末材料的穩(wěn)定性并降低氧化風(fēng)險(xiǎn)。相反，EB-PBF 則在真空環(huán)境中進(jìn)行，并包含預(yù)熱步驟。其能量通過帶電電子與粉末顆粒的動(dòng)能碰撞傳遞至粉床。這一根本差異導(dǎo)致 PBF 系統(tǒng)在設(shè)備配置、工藝環(huán)境以及材料適配性方面存在顯著差異（圖2）。理解這些區(qū)別至關(guān)重要，因?yàn)槿毕莸男纬蓹C(jī)制以及原位監(jiān)測(cè)方法的適用性在不同 PBF 系統(tǒng)中存在差異。

圖2

金屬 PBF 中缺陷的形成通常源于熔化與再凝固時(shí)間尺度之間的不平衡。熔化速率過低會(huì)導(dǎo)致零件內(nèi)部熔化區(qū)不足，而熔化速率過高則可能引起粉末汽化?；谶@一點(diǎn)，金屬 PBF 的缺陷一般可分為兩類：

(i) 工藝過程中的瞬態(tài)現(xiàn)象，如飛濺、羽流和球化；
(ii) 終態(tài)缺陷，如未熔合（LoF）、孔隙、裂紋、致密度異常和變形。

本綜述將重點(diǎn)探討未熔合、孔隙和裂紋這三類關(guān)鍵的最終零件缺陷，以及飛濺與羽流這兩類關(guān)鍵的過程現(xiàn)象。這是因?yàn)檫@些缺陷更容易通過原位監(jiān)測(cè)（如高速相機(jī)或光電探測(cè)器，圖 2a）進(jìn)行檢測(cè)、分類或預(yù)測(cè)，并且常常成為 ML 模型實(shí)時(shí)分析的目標(biāo)。其他問題，如結(jié)球、致密度變化和零件變形，則為了保持討論的清晰與范圍而不作詳細(xì)闡述。具體而言，結(jié)球與熔池不穩(wěn)定性和粉末分布不均有關(guān)；致密度是一種反映底層微觀缺陷的宏觀屬性；而變形則指零件尺度的幾何偏差，通常需要不同的傳感方式和分析尺度來(lái)研究。

未熔合（Lack of Fusion, LoF）

未熔合（LoF），又稱不完全熔合孔，通常分布在能量源掃描道之間以及沉積層之間。其形成方式主要有兩種：第一種是能量源掃描道之間重疊不完全，導(dǎo)致粉末之間部分未被熔化（圖3a，左）；第二種是層與層之間熔化不完全（圖3a，右），從而導(dǎo)致結(jié)合不良和粉末未熔化。LoF 的典型特征是在打印零件中夾雜未熔化的粉末顆粒（圖3b），這會(huì)降低零件的致密度。在零件的斷面上（圖3c），可見未熔化粉末和 LoF，通常被認(rèn)為是導(dǎo)致斷裂的重要原因。綜上，LoF 會(huì)削弱層間穩(wěn)定性，促使結(jié)構(gòu)失效。它還會(huì)引起應(yīng)力集中，從而降低打印零件的疲勞壽命。LoF 可通過光學(xué)成像、聲發(fā)射（AE）捕捉、熱成像以及電子信號(hào)成像等方式進(jìn)行監(jiān)測(cè)。

圖3

最新研究進(jìn)一步表明，LoF 缺陷可能是逐層演化的結(jié)果，而非瞬時(shí)形成。例如，有研究通過原位監(jiān)測(cè)與離線 XCT 驗(yàn)證的同步手段揭示：LoF 缺陷可能源于局部工藝異常，如熔池重疊不足或能量輸入波動(dòng)，這些異?？赡茉诙鄠€(gè)層次中持續(xù)存在而未被察覺。部分異常最初可能通過后續(xù)的再熔化過程得到自我修復(fù)，但若反復(fù)出現(xiàn)，則會(huì)導(dǎo)致缺陷累積。這一發(fā)現(xiàn)強(qiáng)調(diào)了需要區(qū)分工藝異常與真正缺陷：前者可能是瞬態(tài)且可恢復(fù)的，而后者會(huì)導(dǎo)致機(jī)械失效。因此，理解 LoF 的逐層動(dòng)態(tài)形成過程，對(duì)于開發(fā)可靠的原位缺陷預(yù)測(cè)模型至關(guān)重要，其意義已超越了傳統(tǒng)的異常檢測(cè)方法。

孔隙（Porosity）

材料的孔隙率可定義為未被材料填充的體積分?jǐn)?shù)，也可以通過孔隙的類型來(lái)描述，如氣孔、匙孔、鏈狀孔隙以及表面破口孔。由于未熔合（LoF）或裂紋也可能形成孔隙，因此這里僅對(duì)氣孔和匙孔進(jìn)行詳細(xì)討論，而 LoF 和裂紋作為金屬 PBF 的其他典型缺陷，分別在第 2.1 節(jié)和第 2.3 節(jié)中說明。

氣孔通常呈圓形，其尺寸與粉末顆粒相當(dāng)，來(lái)源于熔化過程中氣體未能完全逸出。除了被困氣體外，孔隙的形成還可能源于原料中存在的揮發(fā)性雜質(zhì)，如吸附的水分、潤(rùn)滑劑和有機(jī)殘留物，它們?cè)诟邷叵路纸?，產(chǎn)生氣體副產(chǎn)物進(jìn)入熔池。此外，某些氣體（尤其是氫氣）在凝固過程中液相與固相之間的溶解度差異，也會(huì)促進(jìn)氣體空腔的形成。氣孔可出現(xiàn)在 L-PBF 和 EB-PBF 工藝的產(chǎn)品中，可能會(huì)削弱其機(jī)械完整性和性能。

匙孔模式熔化所致的孔隙率是激光粉末床熔化（L-PBF）中另一常見缺陷。該類匙孔通常表現(xiàn)為球形空腔，富集于熔池底部（圖4a）。盡管氣孔與匙孔均呈球形結(jié)構(gòu)（圖4b），但氣體氣孔輪廓光滑，而匙孔則具有凹凸不平的輪廓界面。此類氣孔尖銳棱角處更易萌生裂紋。疲勞測(cè)試試樣內(nèi)部孔隙缺陷引發(fā)裂紋萌生與擴(kuò)展的機(jī)理示意圖（圖4c）表明，氣孔與匙孔會(huì)嚴(yán)重制約成形件的疲勞性能與服役壽命。該孔隙缺陷可通過聲發(fā)射捕捉與熱成像技術(shù)進(jìn)行檢測(cè)。

圖4

裂紋（Crack）

凝固裂紋、液化裂紋和高溫失塑裂紋是金屬 PBF 中常見的缺陷，每種裂紋都具有不同的特征（圖5a）。凝固裂紋通常在凝固的最后階段形成，原因是累積應(yīng)力超過了材料的屈服強(qiáng)度，這類裂紋常見于成分復(fù)雜的合金中。液化裂紋通常呈現(xiàn)曲折形態(tài)，并伴隨有由組分液化或低熔點(diǎn)二次析出相引起的再凝固組織。高溫失塑裂紋則發(fā)生在純固態(tài)條件下，通常出現(xiàn)在鎳基高溫合金中，表現(xiàn)為冷卻過程中延展性降低，特別是在脆性溫度區(qū)間。

裂紋會(huì)顯著削弱打印零件的力學(xué)性能，導(dǎo)致零件提前失效（圖5b）。它們不僅影響零件的疲勞壽命和承載能力，還可能破壞零件的密封性和氣密性，同時(shí)降低表面質(zhì)量與美觀度。由于裂紋修復(fù)難度極高，因此預(yù)防與早期檢測(cè)裂紋的形成對(duì)保證打印零件質(zhì)量至關(guān)重要。

裂紋可通過光學(xué)成像、聲發(fā)射（AE）捕捉以及熱成像進(jìn)行識(shí)別。

圖5

飛濺（Spatter）與羽流（Plume）

在金屬 PBF 中，“飛濺”是指在高能激光或電子束的作用下，熔融金屬在熔池周圍產(chǎn)生的小顆?，F(xiàn)象。這些顆粒通常由未熔化或部分熔化的金屬組成，可能被噴射到周圍區(qū)域（圖6），從而引入意外雜質(zhì)，并可能影響零件的最終表面質(zhì)量。與此同時(shí)，“羽流”是指在金屬熔化過程中，由于金屬表面在高溫下蒸發(fā)和氣化而形成的可見噴霧或煙霧（圖6）。羽流的形成與金屬汽化、蒸發(fā)或揮發(fā)性雜質(zhì)的存在密切相關(guān)。

圖6

來(lái)自飛濺和羽流的污染物不僅可能改變粉末的化學(xué)成分，還會(huì)促進(jìn)缺陷的形成。如果飛濺物粘附在3D打印零件表面上，則會(huì)阻礙鋪粉器的工作，影響下一層粉末的鋪展，從而導(dǎo)致粉末分布不完整，形成孔隙。同時(shí)，飛濺顆粒會(huì)妨礙粉末的循環(huán)，造成相鄰間隙。飛濺物的后續(xù)凝結(jié)會(huì)阻礙熔池中液態(tài)金屬的鋪展（圖7a）。由此可能在目標(biāo)區(qū)域產(chǎn)生未熔合（LoF），并引發(fā)翹曲、鼓包與分層等現(xiàn)象（圖7b）。羽流在加工條件變化下會(huì)發(fā)生振動(dòng)，導(dǎo)致能量通過激光輻射的吸收或反射而損失。此外，熔化道表面上的飛濺會(huì)阻礙相鄰熔道的成形。強(qiáng)烈羽流和飛濺的突然爆發(fā)或消失會(huì)顯著影響熔池質(zhì)量。此外，樣品中還可明顯觀察到雜質(zhì)與空隙，其空隙尺寸通常大于飛濺顆粒，這進(jìn)一步證明了熔道中的空隙和未熔化粉末顆粒源于飛濺顆粒對(duì)粉末沉積與激光輻射的阻礙作用。

圖7

飛濺與羽流可通過光學(xué)成像、聲發(fā)射（AE）捕捉、熱成像以及電子信號(hào)成像等方式進(jìn)行監(jiān)測(cè)。

最新研究進(jìn)一步強(qiáng)調(diào)了飛濺與羽流行為在缺陷形成中的前兆作用，以及它們作為工藝不穩(wěn)定性指標(biāo)的重要性。例如，有研究表明，熔池形態(tài)的多尺度變化與飛濺動(dòng)力學(xué)密切相關(guān)，并建立了基礎(chǔ)模型來(lái)表征這些復(fù)雜的時(shí)間特征。另一些工作則提出了一種適用于 L-PBF 的統(tǒng)一數(shù)據(jù)結(jié)構(gòu)，將飛濺和羽流的觀測(cè)結(jié)果與 XCT 掃描中最終的缺陷位置對(duì)齊，凸顯了系統(tǒng)化數(shù)據(jù)組織在基于 ML 的缺陷預(yù)測(cè)中的重要性。這些發(fā)現(xiàn)表明，飛濺和羽流信號(hào)不僅反映了實(shí)時(shí)的工藝狀態(tài)，還能夠?qū)崿F(xiàn)對(duì)潛在缺陷的早期檢測(cè)，從而在工藝監(jiān)測(cè)與預(yù)測(cè)控制之間搭建橋梁。

本文轉(zhuǎn)載自：筑基手冊(cè)

▌三維科學(xué) l 無(wú)限可能

投稿丨daisylinzhu 微信

2509957133@qq.com 編輯郵箱

www.3dsciencevalley.com