激光粉末床聚變：技術(shù)、材料,、性能和缺陷以及數(shù)值模擬的最新綜述（5）

來源：長三角G60激光聯(lián)盟

導(dǎo)讀：這篇綜述主要解釋了LPBF工藝的基本原理,、幾個相互關(guān)聯(lián)參數(shù)的科學(xué)和技術(shù)進(jìn)展、原料材料,、生產(chǎn)性能/缺陷,，以及數(shù)值模擬的見解，以虛擬地理解工藝行為,。本文為第五部分,。

6.2.孔隙度
由于LPBF采用金屬粉末的完全熔化，因此會產(chǎn)生不穩(wěn)定的熔池,。此外,，如果沒有選擇適當(dāng)?shù)膮��?shù)，可能會產(chǎn)生許多缺陷,，如孔隙度,。LPBF工藝中形成的孔隙有三種類型：熔合孔,、氣孔和收縮孔。在激光能量密度不足的地方形成熔合孔,。這一不足導(dǎo)致熱滲透性差,，并且已經(jīng)熔化和凝固的層的頂層不能再熔化。這導(dǎo)致與新層的結(jié)合不良,。因此,，基本上，軌道重疊和淺穿透是其主要原因,。低激光能量密度,、低功率、高速度,、大掃描空間和大層厚度驅(qū)動該缺陷,。這些孔隙主要受工藝參數(shù)控制，并受沿層邊界的部分或不完全熔化的影響,。這些孔隙主要集中在以部分熔融為主的區(qū)域,。

相反，在夾層之間具有良好相干結(jié)合的區(qū)域中,，該孔隙率顯著最小化,。熔合孔也是粉末之間捕獲的氣體的結(jié)果。當(dāng)這些氣體逸出時,，它們形成危險的掃描路徑,。隨著過程的繼續(xù)，隨著空腔的形成,，流體力與蒸汽壓力平衡,，導(dǎo)致液相坍塌并產(chǎn)生孔隙,。

如果一個層出現(xiàn)嚴(yán)重的球化缺陷,，則有很大的可能產(chǎn)生連鎖反應(yīng)，即在下一層中出現(xiàn)氣孔和球化,。這導(dǎo)致零件性能差和密度低,。如果有足夠的具有良好流動性的熔融金屬，并且如果熔池的壽命更長且凝固速度較慢,，則可以填充孔隙,，并減少孔隙率。在氫的情況下,，吸水率非常高,，并且氫在鋁液和固體中的溶解度水平不同。因此,，為了檢查氫孔隙率,，在將鋁粉用于應(yīng)用之前,，應(yīng)充分干燥鋁粉。粉末床的預(yù)熱也有幫助,，因為熔池中的氫溶解會導(dǎo)致嚴(yán)重的孔隙率,。LPBFed Ti6-Al-4V頂層的孔隙如圖36所示。

圖36 （a）LPBFed Ti6-Al-4V頂層的孔隙,，（b）開放孔隙的放大圖像和（c）洞穴孔隙的放大圖,。

6.3.表面粗糙度

對于通過LPBF工藝生產(chǎn)的零件，表面光潔度問題一直備受關(guān)注,。這也是AM過程中的一個大缺點,。在各種AM工藝中，DED在表面光潔度方面表現(xiàn)最好,，其次是LPBF,，然后是EBM。據(jù)指出,，造成表面粗糙度的主要原因是由于大氣氣體的存在和部分熔融粉末在零件表面的粘附而導(dǎo)致的氧化,。與LPBF工藝一樣，未使用的粉末從不離開工藝區(qū)域或始終留在粉末床本身中,。這些顆粒仍有可能粘附到零件表面,。由粘附在表面上的顆粒引起的粗糙度的平均大小幾乎與粉末的直徑相同。

由于熔池流動內(nèi)部的表面張力梯度,，在熔池中形成的小球被吸引到熔池的外周,。然后邊緣凝固，導(dǎo)致表面粗糙,。因此,，可以通過提供高能量密度、低速度下的高激光功率,、低層厚度和不適當(dāng)?shù)膱D案填充間距來減少表面粗糙度,。此外，大尺寸顆粒難以完全熔化,，因此,，生產(chǎn)的最終零件表面光潔度較低。

在500 cm/s的橫向速度下,，DLD期間熔池的溫度等值線（a）-（b）：在XY（構(gòu)建）平面中的形狀相似,，（c）-（d）：顯示不同熔池深度的相應(yīng)XZ（剖面）平面圖。

6.4.裂紋和殘余應(yīng)力

在LPBF過程中可以識別出兩種主要的裂紋,。這些是冷裂紋和熱裂紋,。熱裂紋也稱為凝固裂紋，通常產(chǎn)生凝固過程的最后階段。熱裂紋主要是由于凝固過程中零件的固體結(jié)構(gòu)變形而形成的,。此外,，液體區(qū)域中的對流不足可能會產(chǎn)生熱裂紋。

結(jié)構(gòu)應(yīng)力是由于相變期間部分發(fā)生的體積膨脹而產(chǎn)生的,。當(dāng)零件內(nèi)部的殘余應(yīng)力大于屈服應(yīng)力時,，零件發(fā)生變形或產(chǎn)生裂紋以釋放應(yīng)力。LPBF部分的開裂分為兩部分：液化開裂和凝固開裂,。沉積的層由于凝固收縮和熱條件引起的循環(huán)而經(jīng)歷收縮,。但是基底/襯底的溫度或先前固化的層遠(yuǎn)低于新熔化的層。因此,，新層的收縮比先前鋪設(shè)的層大得多,，并且該差異也傾向于阻礙該新層的壓縮。這導(dǎo)致在凝固和開裂期間在新熔化層中形成應(yīng)力,。這是凝固開裂,。液化開裂發(fā)生在部分熔化粉末的區(qū)域。在這些區(qū)域,，快速加熱導(dǎo)致某些晶粒熔化,，特別是低熔點碳化物。當(dāng)零件冷卻時,，產(chǎn)生拉力,；在這些力作用下，熔化的碳化物充當(dāng)裂紋萌生的位置,。

（a–b）分別為3D印刷Zr基BMG的SEM-BSE顯微照片的側(cè)視圖和俯視圖,，（b）中的插圖顯示了孔隙的分布；（c–d）腐蝕后的3D印刷鋯基BMG的側(cè)視圖和俯視圖,，插圖顯示了熔池和熱影響區(qū),。

6.5.合金元素的損失

揮發(fā)性金屬，主要是Mg,、Zn,、Al等，由于溫度非常高,，極易從熔池蒸發(fā),。當(dāng)激光與金屬接觸時,，這些元素的高蒸氣壓和低沸點導(dǎo)致其蒸發(fā),。熔池的溫度遠(yuǎn)高于元素的沸點。這些元素的蒸發(fā)改變了所生產(chǎn)零件的組成,，并改變了機(jī)械性能,。改變的性能主要是微觀結(jié)構(gòu)的強(qiáng)度、耐腐蝕性、蠕變和伸長率,。

大部分蒸發(fā)是由于熔池過熱而發(fā)生的,。因此，在這種情況下,，激光能量密度是一個重要因素,。蒸發(fā)導(dǎo)致熔池的不穩(wěn)定性和沉積層組成的變化。蒸發(fā)也在熔池內(nèi)形成反沖壓力,。這種壓力推開熔融區(qū)的液體,，并導(dǎo)致一種稱為“鎖孔效應(yīng)”的缺陷。蒸發(fā)還導(dǎo)致最終零件的密度降低,，因為它增加了孔隙率,。已經(jīng)進(jìn)行了不同的實驗來觀察某些元素的蒸發(fā)。在LPBF下處理TiAl樣品,，觀察到顯著的鋁損失,。Cu-4Sn的LPBFed部分由于蒸發(fā)而損失錫。這種蒸發(fā)會影響性能并增加熔體軌跡的不穩(wěn)定性,。但是可以控制蒸發(fā)和損失,。通過監(jiān)測熔池溫度和激光能量密度，可以將其最小化,。但是,，由于低能量密度將減少元素的損失，它還將觸發(fā)零件的不均勻性,，并可能導(dǎo)致屬性偏離所需的屬性集,。

6.6.氧化物夾雜物

氧化物的夾雜是不可避免的缺陷之一，它也會降低所生產(chǎn)零件的性能,。如果在前一層上存在氧化物層,，它可以與新沉積的層結(jié)合。由于鍵合受到氧化物層的影響,，它們也有助于球化,。坎貝爾指出,，合金元素有助于在一次加工期間將氧化物引入熔池,。已經(jīng)觀察到，向任何鋁合金中添加某些元素,，如Si或Mg,，會改變形成的氧化物的性質(zhì)。許多研究人員正在尋找對抗鋁合金氧化的解決方案,，因為鋁對氧具有很大的親和力,，即使在低氧濃度下也會形成氧化物。

（a–b）分別從側(cè)視圖和俯視圖對熔池周圍的熱應(yīng)力場進(jìn)行有限元模擬；（c）應(yīng)力集中發(fā)生在熔池附近的孔隙中,。

6.7.AM部件的鑒定

評估疲勞加載零件的“適用性”是一項基本挑戰(zhàn),，它與制造過程中產(chǎn)生的微觀結(jié)構(gòu)和缺陷直接相關(guān)。微計算機(jī)斷層掃描是探測地表附近或薄而復(fù)雜幾何結(jié)構(gòu)中的斷層的最有效技術(shù)之一,。已經(jīng)討論了在組件評估背景下使用極值統(tǒng)計分析X射線CT掃描測量的優(yōu)點和限制,。

本研究使用延時同步輻射X射線顯微計算機(jī)斷層掃描（SR-CT）跟蹤LPBF制造的AlSi10Mg試樣在250°C原位拉伸-拉伸循環(huán)載荷下（180-38000次循環(huán)）的整個疲勞壽命內(nèi)的損傷累積。在聯(lián)合循環(huán)疲勞環(huán)境下,，Patriarca等人提供了一種確定設(shè)計應(yīng)力和允許故障的概率方法,。這些數(shù)據(jù)用于確定材料參數(shù)的平均值和變化，然后將其用于蒙特卡洛模擬,，并基于目標(biāo)失效可能性確定設(shè)計應(yīng)力,。本研究側(cè)重于確定安全裕度，該安全裕量僅取決于影響機(jī)械部件損傷累積的元件的固有可變性,。

7.數(shù)值建模,、優(yōu)化和機(jī)器學(xué)習(xí)技術(shù)

7.1.傳熱分析的控制方程

Shiva等人闡述了傳熱分析；一般而言,，熱輸入在高斯分布下進(jìn)行,，并且還考慮了由于對流和輻射引起的損失。瞬態(tài)熱分析必須確定基底上和粉末床上沉積材料的每個特定點的溫度歷史,。

7.2.LPBF過程的數(shù)值模擬

AM帶來了從設(shè)計開始到部件投入使用以及創(chuàng)新領(lǐng)域的工作方式的變化,。AM通過降低成本和制造復(fù)雜部件，使許多行業(yè)發(fā)生了革命性的變化,。在設(shè)計步驟中,，設(shè)計師將獲得市場上最新的軟件。該軟件可以預(yù)測使用特定參數(shù)構(gòu)建的零件的特性和性能,。它有助于減少成本和時間,。但這種技術(shù)需要對任何零件的物理印刷過程中發(fā)生的所有物理現(xiàn)象有詳細(xì)的了解。主要障礙是理解參數(shù)與輸出特性之間的關(guān)系,，輸出特性因材料而異,。LPBF采用逐層方法構(gòu)建零件，并在其中熔化粉末以形成3D零件�,，F(xiàn)在可以肯定地說,，這樣復(fù)雜的過程永遠(yuǎn)不會完全沒有缺陷。制造商面臨的挑戰(zhàn)是制造缺陷最小的產(chǎn)品,，包括優(yōu)化工藝參數(shù),。

研究人員正在開發(fā)優(yōu)化工藝參數(shù)的新方法，如數(shù)值模擬,。通過實際制造十幾個零件并逐步改進(jìn)來優(yōu)化工藝參數(shù)的迭代需要大量的時間和資源,。數(shù)值建模的主要優(yōu)點是不需要任何物理產(chǎn)品制造來研究。因此,，節(jié)省了時間,、原材料和成本�,；�本模型之一是熱機(jī)械模型,，其中考慮了所有熱歷史和殘余應(yīng)力。眾所周知,，基于實驗的優(yōu)化是必要的,，但數(shù)值建模為研究人員通過任何復(fù)雜工藝制造零件提供了一個穩(wěn)定的開端。他們在早期階段就洞察了該過程,，現(xiàn)在可以優(yōu)化該過程以獲得最佳結(jié)果,。

正如許多研究人員所研究的，LPBF過程中的熱輸入是影響輸出產(chǎn)品特性的主要參數(shù)之一,。然而,，根據(jù)參數(shù)和目標(biāo)，在不同的研究中注意到了一些變化,。Tan等人在LPBF中使用了激光束,，假設(shè)其高斯分布不對稱。此外,，對移動點高斯激光掃描進(jìn)行建模,，以了解經(jīng)歷LPBF的固體模型中的溫度分布。在其他許多研究工作中,，激光源按照高斯分布建模,。在LPBF中，激光能量通過稱為激光光斑的特定區(qū)域傳輸,，并進(jìn)行建模以復(fù)制激光中心和外圍的熱強(qiáng)度,。

Luo等人指出，對LPBF進(jìn)行的大部分建模工作使用移動高斯熱源來建模熔池輪廓,，很明顯,，這種模型需要大量時間和計算成本，不能用于較低的水平,。為了減少計算時間和成本,，提出了一種線熱源，通過增加時間步長和減少單元數(shù)量來加速LPBF過程中的傳熱模擬,。線熱源代替移動的激光源,。仿真結(jié)果表明，替換對開發(fā)沒有任何更顯著的影響,，但可以大大減少計算時間,。

(a) 3,、(b) 4和(c) 5區(qū)域中部370 W、1300 mm/s的溫度分布,。

已經(jīng)進(jìn)行了大量研究,，通過建模和仿真優(yōu)化LPBF工藝。但由于過程的高度復(fù)雜性,，在結(jié)果中總是存在一些差距,。許多研究人員現(xiàn)在正在嘗試不同的模擬方法，以盡可能提高精度,。

LPBF的主要障礙之一是理解加工參數(shù)與最終零件性能之間的關(guān)系,。因此，研究人員開發(fā)了過程模擬作為優(yōu)化過程參數(shù)的迭代,�,？刂品匠淌侨魏文�擬工作的數(shù)學(xué)背景。不同的目標(biāo)可能需要使用不同的模型,。模型必須考慮過程對溫度的依賴性,。由于實際世界中的相似性，熱機(jī)械和熱流體模型在研究人員中很受歡迎,。熱源建模也非常重要,。注意，激光的最大能量強(qiáng)度集中在激光的中心,，并沿激光光斑的周邊逐漸減小,。因此，高斯分布模擬了中心具有最大強(qiáng)度的熱源,。大多數(shù)模型的解是使用有限元法提取的,。許多研究人員選擇有限元法作為求解熱方程的主要方法。但任何模擬僅基于計算數(shù)字給出結(jié)果,；因此,，有必要用實驗結(jié)果驗證模擬結(jié)果。

7.3.預(yù)測LPBF工藝特性的機(jī)器學(xué)習(xí)方法

由于其能夠制造復(fù)雜的幾何零件,，LPBF是最普遍的金屬增材制造工藝,。它背后有大量的學(xué)術(shù)研究和工業(yè)投資。盡管使用有限元分析對LPBF進(jìn)行了廣泛的數(shù)值模擬,，但仍然需要進(jìn)行過程監(jiān)控,，以確保可靠的零件制造并減少制造后質(zhì)量評估,。為了使LPBF過程高效,，需要基于人工智能的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)。圖37顯示了實現(xiàn)基于機(jī)器學(xué)習(xí)的預(yù)測模型的方法,。

圖37 順序決策分析神經(jīng)網(wǎng)絡(luò)（SeDANN）示意圖,。上面所示的傳感器數(shù)據(jù)和高度圖屬于以0.33的線性能量密度（EL）沉積的單個軌跡,，即成球狀態(tài)。從高溫計中提取的統(tǒng)計概率分布特征用于第一級人工神經(jīng)網(wǎng)絡(luò)（ANN）中,，以預(yù)測激光工藝參數(shù)（P和V）,，然后是從高速攝像機(jī)中提取的熔池特征，以預(yù)測更高層的平均寬度和標(biāo)準(zhǔn)偏差以及單道連續(xù)性,。

本文研究了將ML納入LPBF工藝鏈的多個階段,，從而提高質(zhì)量控制的問題,。ML可用于L-PBF之前的零件設(shè)計和文件準(zhǔn)備,。然后，機(jī)器學(xué)習(xí)技術(shù)可用于優(yōu)化工藝參數(shù)并實時監(jiān)控,。最后,，機(jī)器學(xué)習(xí)可以包括在后處理中。Okaro等人提出應(yīng)用ML系統(tǒng)自動預(yù)測AM產(chǎn)品中的缺陷/缺陷,。使用了半監(jiān)督學(xué)習(xí)方法,，該方法可以使用來自兩個構(gòu)建的數(shù)據(jù)，其中生成的組件被認(rèn)證,，并且在訓(xùn)練期間生成的組件的質(zhì)量不確定,。這使得該方法具有成本效益，尤其是當(dāng)零件認(rèn)證昂貴且耗時時,。

Ogoke等人提出了深度強(qiáng)化學(xué)習(xí),，用于預(yù)測LPBF工藝的熱特性和最小化缺陷的可能性，如圖38所示,。在熔化過程中,，開發(fā)的控制算法改變激光器的速度或功率，以確保熔池的一致性,，并最小化成型產(chǎn)品的過熱,。通過精確模擬不同激光路徑下粉末床層的連續(xù)溫度分布，對控制算法進(jìn)行了訓(xùn)練和驗證,。

圖38 深度強(qiáng)化學(xué)習(xí)框架,。（a）在強(qiáng)化學(xué)習(xí)中，代理基于當(dāng)前狀態(tài)s和將每個狀態(tài)映射到動作的策略π來選擇動作,。（b）對于模擬的前三個時間步,，該狀態(tài)由激光器位置附近的x-y、y-z和x-z平面中的域橫截面表示,。（c）策略網(wǎng)絡(luò)是一個完全連接的神經(jīng)網(wǎng)絡(luò),，它接收狀態(tài)的當(dāng)前表示，并預(yù)測一個行動以最大化預(yù)期回報,。策略網(wǎng)絡(luò)被實現(xiàn)為兩層多層感知器,，具有雙曲正切激活函數(shù)和每個隱藏層64個神經(jīng)元,。

Baumgartl等人提出了基于神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的模型和熱成像離軸成像的集成模型組合，作為預(yù)測印刷缺陷和工藝監(jiān)控（如熔池或離軸紅外監(jiān)控）的數(shù)據(jù)源,。所提出的方法在預(yù)測分層和飛濺方面的準(zhǔn)確率為96.80%,。此外，該模型非常小,，計算成本低,，即使在功能較弱的硬件上也適合實時操作。大多數(shù)缺陷,，如鍵孔,、氣孔和成球，都發(fā)生在熔池本身的尺寸和時間尺度上,。對此類缺陷的監(jiān)控至關(guān)重要,。Scime和Beuth提出了一種深度學(xué)習(xí)方法，該方法提出了現(xiàn)場檢測此類重要缺陷的可能性,。使用固定視場的高速可見光相機(jī)研究了Inconel 718材料系統(tǒng)中LPBF熔池的形態(tài),。

Sanchez等人利用ML的潛力建立了工藝、結(jié)構(gòu)和性能之間的關(guān)系,，以預(yù)測LPBF工藝生產(chǎn)的78個合金基零件的蠕變率,。使用包括LPBF工藝參數(shù)和從圖像分析技術(shù)獲得的材料幾何特征（孔隙率圖像）的輸入數(shù)據(jù)來訓(xùn)練ML算法。該模型顯著且準(zhǔn)確地預(yù)測了LPBF的最小蠕變率,，高達(dá)98.60%,。Zhang等人開發(fā)了一種混合機(jī)器學(xué)習(xí)模型，用于預(yù)測LPBF工藝的可制造性評估,。在設(shè)計方面,，使用基于體素的卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，在工藝方面,，使用神經(jīng)網(wǎng)絡(luò)（NN）模型,。然后，將這兩個模型集成在一起,，以預(yù)測所選LPBF工藝參數(shù)下的體系結(jié)構(gòu)的可制造性,。

較大的“pancake”缺陷的等效橢球模型:(a)橢球模型的坐標(biāo)系為:z，對應(yīng)試樣的軸向加載方向;A,、b,、c分別為橢球的三個主半軸(代表缺陷);橢球c軸相對于試件加載方向的角θ;(b)缺陷在不同取向角下的空間構(gòu)型。

Peng等人使用ML的能力來預(yù)測LPBF處理的AlSi10Mg合金的疲勞壽命,。發(fā)現(xiàn)極端梯度增強(qiáng)模型能夠準(zhǔn)確預(yù)測疲勞壽命,。這些變量在限制疲勞壽命中的重要性按上述順序進(jìn)行評級。該模型預(yù)測了不同的樣品壽命,，這意味著微觀結(jié)構(gòu)起到了適度的作用,。當(dāng)平行于施工方向進(jìn)行測試時,，發(fā)現(xiàn)斷裂面上的缺陷的巨大投影面積是觀察到的壽命縮短的主要原因。更通用的雙變量村上模型充分預(yù)測了疲勞壽命,，而ML模型驗證了經(jīng)驗相關(guān)性的經(jīng)驗?zāi)Ｐ透�接近預(yù)期,。

Zhang等人使用基于神經(jīng)模糊的機(jī)器學(xué)習(xí)方法預(yù)測LPBF處理的316L不銹鋼的高周疲勞壽命。創(chuàng)建了一個訓(xùn)練數(shù)據(jù)集,，其中包含經(jīng)受不同處理條件,、后處理和循環(huán)載荷的樣本的疲勞壽命數(shù)據(jù)，以模擬復(fù)雜的非線性輸入-輸出環(huán)境,。Bao等人利用ML技術(shù)的潛力來確定缺陷位置,、尺寸和形態(tài)對LPBF處理部件疲勞性能的影響。使用特征化技術(shù)識別導(dǎo)致高周疲勞失效的關(guān)鍵和重要缺陷,，并使用支持向量機(jī)（SVM）作為訓(xùn)練的輸入數(shù)據(jù),。選擇具有測試數(shù)據(jù)的網(wǎng)格搜索策略來擬合模型參數(shù),，以加快優(yōu)化過程,。Moon等人建立了Ti-6Al-4V合金基試樣疲勞性能的表面粗糙度和孔隙特征之間的關(guān)系。這些數(shù)據(jù)進(jìn)一步用于訓(xùn)練用于預(yù)測部件疲勞壽命的機(jī)器學(xué)習(xí)模型,。Hassanin等人提出了一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（DLNN）模型,，用于合理化和預(yù)測LPBF處理的Ti-6Al-2Sn-4Zr-6Mo合金的致密化和硬度。開發(fā)了工藝參數(shù)和輸出特性之間的關(guān)系,，并將其用作訓(xùn)練DLNN模型的輸入數(shù)據(jù),。創(chuàng)建的模型經(jīng)過驗證并用于創(chuàng)建流程圖。訓(xùn)練的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型具有最高的精度,，孔隙度和硬度的平均百分比誤差分別為3%和0.2%,。根據(jù)研究結(jié)果，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)被發(fā)現(xiàn)是從微小數(shù)據(jù)集預(yù)測材料質(zhì)量的有效技術(shù),。

所有缺陷沿V-HCF和H-HCF試樣的加載方向投射到平面上,，其中偽色編碼僅用于提高清晰度。

8.總結(jié)

增材制造是工業(yè)和學(xué)術(shù)領(lǐng)域中普遍存在的話題,。本綜述涉及對LPBF工藝的理解和最近的升級,。LPBF已成為一種適用于多種金屬及其合金的通用方法，因此受到了廣泛關(guān)注,。對LPBF過程進(jìn)行了全面審查,，并出現(xiàn)了一些關(guān)鍵點，這些關(guān)鍵點非常重要,。還討論了各種工藝參數(shù)的重要性,，以最小化最終產(chǎn)品中的缺陷。

•對于任何材料上的LPBF工藝應(yīng)用,，為了在LPBFed零件上實現(xiàn)盡可能高的密度和所需的機(jī)械性能,，最重要的是精確監(jiān)控工藝參數(shù),。

•金屬/合金暴露于LPBF工藝已經(jīng)解決了與傳統(tǒng)制造工藝相關(guān)的許多問題。LPBFed樣品所繼承的特性表明,，LPBF可以生產(chǎn)出性能優(yōu)于常規(guī)方法生產(chǎn)的樣品,。

•金屬的致密化行為主要受激光能量密度變化的影響，激光能量密度的變化由若干其他工藝參數(shù)控制和改變,。致密化可以直接與由于工藝參數(shù)的變化引起的激光能量密度的變化相關(guān),。

•在LPBF中，粉末粒度和分布的影響被認(rèn)為不太重要,，因為所有顆粒都經(jīng)歷完全熔化,。與發(fā)生部分熔化的SLS不同，粉末參數(shù)對零件致密化的貢獻(xiàn)可以忽略不計,。

•通過選擇性激光熔化加工的零件的微觀結(jié)構(gòu)特征受到其熱歷史的強(qiáng)烈影響,，包括加熱和冷卻速率的變化、溫度梯度,、溫度升高等,。生產(chǎn)后處理方法對于細(xì)化微觀結(jié)構(gòu)非常重要，標(biāo)準(zhǔn)工藝包括退火和熱機(jī)械加工,。

•熱歷史,，主要是凝固速率、冷卻速率和熱梯度,，也決定了LPBFed零件的機(jī)械性能,。大多數(shù)機(jī)械性能歸因于晶粒微觀結(jié)構(gòu)的細(xì)化，因此取決于熱歷史,。

•由于完全熔化是LPBF的一個重要特征,，該工藝極易發(fā)生熔池不穩(wěn)定。如果工藝參數(shù)選擇不當(dāng),，這也可能導(dǎo)致微觀結(jié)構(gòu)缺陷,。所有缺陷都會對零件的性能產(chǎn)生不利影響。此外,，較大的粉末顆粒難以熔化,。因此，當(dāng)使用較粗和較大的粉末進(jìn)行LPBF時,，觀察到表面光潔度較差,。

•決定缺陷的一個關(guān)鍵因素是與層數(shù)增加相關(guān)的“階梯”效應(yīng)：缺陷，特別是表面粗糙度,，隨著層厚度的增加而增加,。因此，我們的想法是平衡表面粗糙度和產(chǎn)品成型時間之間的平衡。

•基于人工智能的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)用于過程監(jiān)控,、預(yù)測產(chǎn)品質(zhì)量和優(yōu)化過程控制,。

來源：Laser Powder Bed Fusion: A State-of-the-Art Review of the Technology, Materials, Properties & Defects, and Numerical Modelling, Journal of Materials Research and Technology, doi.org/10.1016/j.jmrt.2022.07.121

來源：Beese, A. Wilson-Heid, A. De, W. Zhang, Additive manufacturing of metallic components – Process, structure and properties, Progress in Materials Science, 92 (2018), pp. 112-224, 10.1016/j.pmatsci.2017.10.001