增材制造路线图:走向智能化和工业化（1）

随着增材制造(Additive Manufacturing, AM)技术在过去30年的快速发展，增材制造已经从原型制造向工业中功能部件的先进制造转变。AM工艺和设备的智能化和产业化可能是未来AM技术广泛工业应用的瓶颈，本文重点阐述了这一问题，旨在描述未来5-10年的技术研究路线图。根据AM技术的流程和价值链中的数据流，分别阐述了设计方法、材料、工艺与设备、智能结构以及在极端尺度和环境中的应用。并对AM技术研发中可能面临的挑战提出建议，为未来产业创新创业搭建关键技术平台。

1. 介绍

增材制造(Additive manufacturing，也称3D打印)技术是一种将材料(包括液体、粉末、线材或板材)从数字模型中连接起来，构建三维物体的制造工艺，通常采用逐层的方式。与铣削、车削等减法制造和铸造、锻造等成型制造相比，AM自20世纪80年代以来技术发展周期较短，在推动未来制造技术革命方面潜力巨大。目前，在制造业中，新产品开发创新能力严重不足，已成为制约制造业发展的瓶颈。AM可以快速、高效地实现新产品的制造，为产品研发提供了有效的途径。此外，AM可以降低制造业的资本和人才技术门槛，有助于推动制造业的微观企业，激活社会智慧和资本资源。此外，AM为制造业革命和新产品的诞生提供了巨大的机遇，可以实现制造业的重组，推动制造业向智能制造转型。

AM技术购买的最重要的优势是释放了材料选择和结构配置的设计自由，可以实现形状可控和性能定制。AM技术通过创建从材料到最终应用的数据流，成功实现了设计和制造过程的数字化，如图1所示。在AM工艺中，大部分处于不同状态的工程材料都可以作为原料，通过对原料的微观结构和成分设计，甚至可以设计和制备新的性能。从微观尺度到中观尺度和宏观尺度，AM技术为具有不同功能的复杂结构的设计和制造带来了重大机遇，特别是复杂曲面、分层网格和薄壁/空心结构。在复杂结构的基础上，通过尖端材料科学、设计方法、工艺和设备的支持，也可以实现功能和智能结构。

图1 增材制造路线图示意图。

在过去的30年里，随着AM技术的快速发展，AM在工业上已经从原型制造向先进的功能部件制造转变。因此，工艺和设备的智能化和产业化可能成为AM技术在未来广泛工业应用的瓶颈。智能调幅技术通过闭环控制实现无人驾驶、更精确、更稳定的制造过程。通过建立AM的过程模型，利用过程数据库和大数据分析技术自动校正相应的参数，将是AM最关键的发展方向之一。同时，AM作为一项新兴和发展迅速的技术，还远远不能满足传统工业在标准化和工业化的大规模生产模式下的需求。在未来的AM工业化中，可以实现单部件、小批量和大规模定制，特别是环境和规模方面的极端制造。

为了突破AM向智能化和工业化的挑战，本文根据AM技术在设计方法、材料、工艺和设备、工艺流程和价值链中的数据流，阐述了AM技术的发展现状和技术路线图。本文重点阐述了AM技术从数字化到智能化、从创新到工业化的转变，旨在描述未来5 - 10年的技术研究路线图。对于AM技术的潜在研究和发展主题，每一节都提供了一些建议。

基于空洞多边形的二维悬臂梁两步优化过程

近年来，一种基于水平集函数的特征驱动优化方法得到了发展。结构被认为是由一组实体或空洞的几何特征构成的，这些特征的运动和变形将驱动结构的拓扑变化。Guo等人对采用的固体超椭圆和空洞闭B样条特征施加约束进行二维自支撑设计。在之前的工作中，空洞多边形特征被引入作为基本的原语来执行2D自支撑设计，伸出角度控制直接与设计变量的定义联系在一起。V形是一种特殊的无法打印的情况，满足角度要求，但仍然需要从下面支撑，如果只施加边界的角度限制，往往会出现V形。为了阻止V形，实验中采取了合并相交空洞多边形的措施，然后重新优化。上图给出了一个悬臂的例子。

有几项工作与V形抑制有关。Qian建议在线性密度过滤器中使用更大的半径，以消除V形。Mezzadri等人首先检测到V形的尖端，然后制定自适应过滤器、约束或惩罚。实验中通过结合悬挑角度约束和最小水平长度比例控制来实现抑制。Wang等和Allaire等分别构造了三角形约束和机械约束来解决V形问题。

2. 设计方法

增材制造使三维结构和产品的智能设计和制造自由。AM设计已经成为跨学科研究的新兴研究领域。一种称为拓扑优化（TO）的计算机辅助设计方法用于生成创新和复杂的结构配置，表现出可调刚度、层次特征，此外，TO还将出色的轻量化性能零件整合作为另一种有利的设计策略，将一个组件的多个零件组合成一个可打印组件（图2（a））。

此外，最近提出了多学科优化，设计结构需要满足多个目标，并满足相关约束，例如复杂的载荷条件、高耐热性、有限的应力和位移（图2（b）和图2（c））。采用集成AM驱动设计，以考虑典型的设计约束（如图2（d）‒2（f）中的悬垂角），并利用工艺特征（如材料的各向异性、建筑方向和工艺参数）。先进的热力模拟用于预测加工过程中的温度梯度和残余应力分布，获得的温度场或应力场可用于帮助消除结构变形。与图2（h）‒2（k）所示的实心结构相比，TO对微晶格和宏观结构的分层设计显示出优异的轻质和机械性能。此外，开发了一种数据驱动的结合AM过程-结构-性质-性能关系的TO，实现了多个过程参数、建筑方向和结构配置的并行优化。基于周期性构造元素（而非单个元素）的集体响应，超材料表现出非凡的宏观特性，可以通过两种主流方法建立，即ad hoc方法和TO方法。

图2 (a)用于AM的飞机机翼千兆体素TO;(b)用于复杂发动机设计的薄壁点阵填充;(c)耐热结构的双梯度材料和功能设计;(d)带支撑结构的金属承重框架;(e)和(f)承重结构的无支承设计;(g)基于SLM的钛合金分级设计;(h)、(i)、(j)卫星支架的固网并行设计;(k)具有连续格演化的分层设计。

到目前为止，在不久的将来仍然存在以下挑战，如图3所示:

(1）结构和多学科的TO仍然面临着设计挑战的到来。结构的综合优化设计需要考虑诸如宽带振动、循环载荷下的材料疲劳、极端高温和强辐射等极端载荷条件。为了提高和拓宽综合优化的视野，需要对外部载荷进行多物理建模。所设计的部件保持必要的机械性能，并具有其他功能，如光学、电磁、热性能等。采用多物理驱动的体量设计，将多尺度特征、多类型材料数字化，实现结构的功能融合。

（2）提出了基于知识库驱动的设计数据集约趋势组织和管理方法，这是智能设计制造系统的一个重要方面。该知识库包括配方/成分材料数据库、功能格单元库、工艺参数组合等及其相互关系。这些信息可以从设计、制造和评估的整个流程中追踪到。AM中材料-工艺-结构-性能/功能的关系需要通过定量物理模型或数据驱动模型来建立。例如，多物理过程模拟、人工智能以及机器学习算法可以用于定量关系的建立。在此基础上，基于知识库的设计可以将这些关系充分融入到结构拓扑优化中，从而弥合理想设计原则与现实AM -预制结构之间的差距。

（3）通过成本导向管理，产品生命周期将在先进的解决方案中得到解决，该解决方案推荐了零件的数字模型，以主动补偿预期的翘曲。设计、制造和使用寿命的真实数据流可以支持决策和成本导向的设计。在数字化系统中进行产品设计的迭代过程将显著降低开发成本和时间消耗。

（4）对于超材料结构设计而言，实现自动化设计是未来的发展趋势。模块化设计利用临时方法和TO方法的优点，为创造具有理想性能的超材料提供了一种新的途径。它从结构基础出发，根据已有的知识选择合适的结构基础，从而节省计算时间，节省时间，平衡了设计性能和计算成本。

图3 智能增材制造设计方法路线图

案例研究中，网格线框的生成需要两轮。在第一轮中，选择立方中心拓扑填充实体部分内部的所有空空间。因为晶格结构填充了低相对密度区域。相对较大的单元尺寸将使晶格结构实现较低的相对密度，因为最小的支柱厚度受到AM的可制造性的限制。最大单元格的大小也受到AM过程的限制，因为水平支柱可能下垂，如果伸出太长。此外，单元格的大小还受填充体积的影响。如果填充体积小而单元格尺寸过大，则填充体积中单元格数较少。这样就不能准确的优化物料分配。在本案例研究中，由于填充体积小，顶部中心区域的单元格尺寸为10 mm。其他区域的单元细胞大小为15 mm。可以达到较低的相对密度，增加材料分布的自由度。然后，基于实体线框和网格线框建立仿真模型。

栅格线框的生成

优化结果表明，在中下部区域，所有倾斜支板的支板厚度最小。这意味着立方中心拓扑是冗余的。因此，该区域的拓扑变为如上图(a)所示的Cubic拓扑。在第二轮中，去除短struts，更新线框。将部分节点移至固体点阵界面的边界，以增加点阵结构与固体部分之间的连通性。将接口上的一些节点组合为一个节点，以增加网格支柱之间的连通性。更新后的线框边界上没有短杆。最后，采用BESO方法对栅格结构进行优化，得到最优的支撑厚度分布。第二轮优化结果如图(b)所示。随着优化算法的迭代，混合结构的最大位移逐渐减小。最大位移生成曲线如图(c)所示。

3.材料

由于可控制的形状和性能的内在特征，材料在所有AM过程中发挥关键作用。材料需求受到创建原料的需要的影响，需要被制造商成功地处理，再加上后处理，并显示可接受的服务属性。如图4所示，金属、聚合物、陶瓷和天然材料在不同的AM工艺中被使用。基于这些同质材料系统，成功建立了具有异质材料（包括各种复合材料和多种材料）的AM工艺，以获得更高的性能、更多的功能，甚至定制性能，例如阻燃聚合物、直接金属和陶瓷复合材料。具有某些响应特性的智能材料，如形状记忆，也被用于AM工艺，以产生形状或性能变化的结构，即所谓的4D打印。

图4 AM过程中使用的材料系统

这种多样性导致了材料的高度多样化。材料和材料加工的重大挑战是在更广泛的材料多样性中，以更低的材料、机器、加工和精加工成本，提高质量、工艺一致性、可重复性和可靠性。以金属材料体系为例，如图5所示。近年来，基于金属基AM的快速凝固特性，越来越多的新材料被设计出来，扩大了材料在增材制造中的应用范围。通过引入纳米形核剂控制凝固过程，可以解决大柱状晶粒和周期性裂纹，制备的铝合金具有无裂纹、等轴、细晶粒组织。本文报道了一种专为AM设计的Fe19Ni5Ti (wt.%)钢，其纳米沉淀和马氏体转变可以通过冷却时间来控制。为处理钛合金的各向异性，设计了钛铜合金。该合金具有较高的结构过冷能力，可以克服激光熔化区高热梯度的负面影响，形成完全等轴细晶组织。在AM中采用原位设计方法可以改变钛合金中元素的浓度。

图5 (a)通过选择性激光熔化制备了7075种含纳米颗粒的合金;(b)定向能沉积得到Fe19Ni5Ti (wt%)样品;(c) Ti-8.5Cu合金的扫描电镜表征。

为了弥合材料、工艺、结构、性能以及各种性能之间的差距，仍面临着巨大的挑战。

(1）为了完善材料设计理论，有必要根据增材制造的工艺特点，完善材料设计的理论体系和方法。材料基因组提供了新的可能性。建立专业数据库，实现材料的智能优化选择。通过建立成分、工艺、显微组织与性能之间的内在关系，可以根据材料的性能设计出符合要求的显微组织。

（2）以目标为导向的材料设计策略，应从材料服务的角度来实现材料的多层次、多因素设计。对于结构材料，要实现材料导向的增韧设计;对于智能材料，如形状记忆聚合物和合金，有必要实现可控变形恢复设计。

（3）对于智能复合材料来说，自然通过进化将天然复合材料以一种有效的方式合成生物系统，提供了多功能的集成和智能化。生物系统紧密集成了传感、驱动、计算和通信以及工程应用，可以通过使用利用类似原理的复合材料来实现。先进复合材料的AM为实现跨尺度智能复合材料结构的设计与制造提供了一个有用的工具。

4. 工艺与设备

以数字化制造支撑系统为基础，推动重点产业智能化转型，引领制造业发展。数字基因AM需要在保持定制效益的基础上，从规模化生产效率、质量控制和灵活性等方面提高核心竞争力。如图6所示，将高端机床和智能工业机器人引入AM设备体系结构，将大大提高AM过程的传感和控制效率和自动化水平。同时，装备自动化与数字化信息化相结合，是实现智能化的途径。基于数据、软件和网络，并结合多尺度建模和仿真、机器学习和人工智能等先进技术的数字生态系统，将更有效地将信息与物理过程连接起来，激发新的制造能力。

图6 基于先进设备和数字生态系统的物理和数据驱动的AM框架示意图

在设备结构方面，机器人辅助AM是一个很有前途的系统，它提供了额外的设计自由度。多机器人方便了多材料加工，没有尺寸限制，并以本地可定制的方式。通过将AM与减法或造型制造相结合的混合多任务过程，可以在单个处理设置期间修改内部和外部特征。此外，AM借助机器人传感器或摄像机，通过在线识别和反馈实现自主路径规划和原地参数调整。然后，对于AM数字生态系统，物理和数据驱动框架可以识别过程-结构-属性(p-s-p)的关系，而不受试错负担。

数据驱动的方法利用数据挖掘算法、机器学习和人工智能，允许探索AM输入和输出之间的相关性，而无需明确的物理解释。数据驱动方法在快速预测、流程优化，特别是实时诊断中具有反馈控制的优势。另外，通过结合物理驱动和数据驱动的方法，基于物理的数据科学正因其可解释性和快速性而变得越来越有吸引力。利用上述数字工具创建了一个包含机械、统计和控制建模的数字孪生模型，以智能和经济的方式鉴定和认证AM产品。

AM智能转型仍处于探索的早期阶段。与AM硬件和软件的工业化相关的几个未来行动如下(图7):

(1）开发多机器人协作下的混合AM解决方案。以AM为核心的混合制造结合了多种加工技术的优势，在多材料、多结构、多功能制造领域展现出广阔的前景。与其他过程或能源相结合的AM框架依赖于过程链的集成。多物理效应对零件特征的影响机理和不确定性方面的知识空白值得研究。此外，混合制造需要机床或机器人精确的协同控制，以控制单个环节。设备制造商应致力于提出合适的数据编译器和标准，以实现机器人系统和调幅设备之间的数据互操作性和互流，从而创建一个可行的混合调幅解决方案。

（2）改善监测和传感设备的功能和集成。调幅期间的信号处理包括视觉、光谱、声学和热。多个传感器的叠加不仅导致了设备的复杂性和可靠性的降低，而且由于各种数据类型的结构不均匀，给数据处理和自动控制带来了困难。因此，多功能单设备将显著提高监测和传感设备在行业中的普及度;同时，通过与数据预处理软件的耦合，提高了物理建模、流程优化和闭环控制等方面的数据可用性。

（3）将工业互联网融合为AM数字孪生。智能AM离不开分布式的人、机、料的工业互联网。数字孪生(DT)的核心是模型和数据，但对于众多的AM企业来说，DT的构建和使用具有较高的技术和成本门槛。幸运的是，工业互联网可以解决上述问题，通过云DT平台共享和分析数据和模型。学术界和产业界可以分别从云DT中获取数据和模型，从而实现产学研合作的规范化机制。

（4）支持AM数字生态系统的建立和完善。持续的AM研发项目旨在将先进设备或技术(如过程监控、信息感知、机器学习、人工智能、数据库等)集成到AM数字制造生态系统中，需要国家层面的政策支持。由业界和学术界共同提出的指引，将有助新AM硬件/软件向数字化设计和智能控制过渡。

图7 与AM智能改造工艺和设备相结合的未来行动