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
精选
精选
2026-5-11 13:59
阅读：6931
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等研究人员合作完成基于场景退化检测的激光雷达-惯性里程计紧耦合SLAM研究。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。
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的核心技术，能够实现复杂零件的生产，在航空航天、高端装备等领域具有广阔的应用前景。然而，工艺参数波动和材料特性变化导致缺陷等问题，已成为阻碍增材制造迈向大规模生产的绊脚石。近年来，机器学习的快速发展使LDED和LPBF的研究重点从“工艺参数优化”转向“人工智能驱动的在线质量控制”，集成先进传感技术也因此变得尤为关键。
研究人员从过程信息感知、基于原位和非原位测量的内/外部缺陷评估、性能质量评价、工艺参数优化以及质量控制五个维度，概述了LPBF和LDED增材制造智能监测研究的进展与现状，着重指出了两项技术在实现大规模生产方面所面临的挑战，并对前景进行了展望。
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:
往期研究:
投稿网址:
转载本文请联系原作者获取授权，同时请注明本文来自Sage学术科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3650976-1534356.html?mobile=1
收藏
当前推荐数：0
推荐到博客首页
网友评论0 条评论
