Research progress and challenges of intelligent in situ monitoring for laser additive manufacturing processes based on machine learning

科学家总结基于机器学习的激光增材制造过程智能原位监测研究进展与挑战

江苏大学Zi-Qian Wu等研究人员总结基于机器学习的激光增材制造过程智能原位监测研究进展与挑战。相关论文于2026年4月发表在国际学术期刊《机械工程进展》上。

研究人员表示，激光粉末床熔融（LPBF）和激光定向能量沉积（LDED）增材制造技术作为高端制造领域的核心技术，能够实现复杂零部件的制造，并在航空航天、高端装备等领域展现出广阔的应用前景。然而，由于工艺参数波动和材料性能变化导致缺陷产生等问题，已成为制约增材制造迈向规模化生产的重要瓶颈。

近年来，随着机器学习技术的快速发展，LDED和LPBF的研究重点已从“工艺参数优化”逐渐转向“人工智能驱动的在线质量控制”，而先进传感技术的融合也变得尤为关键。

研究人员从五个维度综述了LPBF与LDED增材制造智能监测研究的进展与现状，包括：过程信息感知、基于原位与非原位测量的内部/外部缺陷评估、性能质量评价、工艺参数优化以及质量控制。同时，该文章重点分析了两种技术在实现规模化生产过程中面临的挑战，并对未来发展前景进行了展望。

Advances in Mechanical Engineering

本刊是本经过同行评审的开放获取期刊。面向机械工程各个领域出版原创论文以及综述文章，欢迎来自基础及应用领域的原创研究并鼓励具有新颖和创新见解的投稿。

期刊优势

影响因子：2.0

期刊分区：JCR Q3, ENGINEERING, MECHANICAL; THERMODYNAMICS

期刊网址: 

https://sage.cnpereading.com/home/ADE?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

往期研究:

https://sage.cnpereading.com/search//openoa/adea?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

投稿网址:

https://mc.manuscriptcentral.com/aime?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

支持单位：