激光選區(qū)熔化增材制造缺陷智能監(jiān)測與過程控制綜述

曹龍超，周奇,韓遠飛，宋波，聶振國，熊異，夏涼

1. 華中科技大學 航空航天學院，武漢 430074 2. 華中科技大學 材料科學與工程學院 材料成形與模具技術(shù)國家重點實驗室，武漢 430074 3. 上海交通大學 材料科學與工程學院 金屬基復合材料國家重點實驗室，上海 200240 4. 清華大學 機械工程系，北京 100084 5. 南方科技大學 系統(tǒng)設計與智能制造學院，深圳 518005 6. 華中科技大學 機械科學與工程學院 數(shù)字制造裝備與技術(shù)國家重點實驗，武漢 430074

增材制造因其獨特的制造能力(如速度快、設計自由、能制造復雜構(gòu)件、單步制造等)被認為是一種變革性的技術(shù)。《沃勒斯報告》指出增材制造技術(shù)及其在工業(yè)中的應用正在迅猛發(fā)展。激光選區(qū)熔化(Selective Laser Melting，SLM)技術(shù)被認為是最具應用前景的增材制造技術(shù)之一[1]，該技術(shù)是一種金屬基粉床增材制造技術(shù)，其制造構(gòu)件的過程包括設計過程、打印過程、后處理過程和評估過程，其中前3個過程都能對構(gòu)件的質(zhì)量進行控制。設計過程包含從原材料選擇到工藝規(guī)劃，原材料被污染或者粉末顆粒有氣孔等都會直接影響到構(gòu)件的最終質(zhì)量，工藝規(guī)劃包括設定最優(yōu)的工藝參數(shù)(如層厚、填充模式、掃描速度等)；打印過程包括材料的熔化、氣化和凝固等，涉及復雜的物理化學變化，會產(chǎn)生各類缺陷；后處理包括表面拋光、熱處理改性和熱等靜壓消除冶金缺陷等。

目前，如何確保構(gòu)件質(zhì)量的可靠性和制造的可重復性是SLM面臨的最大挑戰(zhàn)，已被認為是限制SLM及其他金屬增材制造技術(shù)發(fā)展和工業(yè)應用的最大障礙之一[2]。主要原因是SLM過程中會產(chǎn)生各類缺陷，研究表明，智能監(jiān)測和反饋控制是解決這一挑戰(zhàn)的重要方法，也是實現(xiàn)增材制造產(chǎn)品快速檢測的關(guān)鍵。此外，過程監(jiān)控可以盡早地識別和預測缺陷，從而減少廢品率和后處理工序、縮短研制周期，還為提供全程可溯的加工信息創(chuàng)造了可能。為了對SLM制造過程進行有效地監(jiān)測和對構(gòu)件質(zhì)量實時控制，首先，需要對增材制造的物理過程與化學變化有深刻的理解，同時要清楚金屬冶金缺陷的形成機理；其次，采用合適的傳感器收集SLM過程信號，實時獲取加工過程的狀態(tài)數(shù)據(jù)；再次，從監(jiān)測數(shù)據(jù)中提取特征，表征構(gòu)件當前狀態(tài)，結(jié)合構(gòu)件幾何特征和加工過程的先驗知識，識別和預測缺陷及加工狀態(tài)，建立缺陷及加工狀態(tài)與工藝參數(shù)之間的關(guān)聯(lián)關(guān)系；最后，根據(jù)模型預測結(jié)果優(yōu)化工藝參數(shù)，提高構(gòu)件的質(zhì)量，實現(xiàn)質(zhì)量回溯。其中，監(jiān)測過程中產(chǎn)生的海量數(shù)據(jù)及工藝-信號-質(zhì)量之間的復雜關(guān)系使傳統(tǒng)的基于統(tǒng)計的信號處理手段面臨巨大挑戰(zhàn)，為攻克這一難題，基于機器學習的金屬增材制造過程實時智能監(jiān)控已成為SLM技術(shù)的研究前沿和熱點之一。

近年來，國內(nèi)外學者已經(jīng)發(fā)表了若干與金屬增材制造智能監(jiān)測與控制相關(guān)的綜述性論文。Tapia和Elwany等[3]詳細綜述了金屬粉床增材制造和直接能量沉積的過程監(jiān)測及控制技術(shù)。Everton等[4]介紹了金屬增材制造的過程監(jiān)測與原位測量技術(shù)，其中重點介紹了原位監(jiān)測方法。Spears等[5]總結(jié)了SLM過程的監(jiān)測傳感技術(shù)。Grasso等[6]則全面綜述了粉床熔化增材制造中缺陷分類及成因、缺陷相關(guān)的工藝特征及原位傳感方法，重點介紹了自動缺陷監(jiān)測技術(shù)和過程控制策略方面的研究。Kim等[7]綜述了7種不同的增材制造技術(shù)的質(zhì)量控制。Kyogoku和Ikeshoji[8]報道了金屬增材制造過程的缺陷類型及其形成機理。吳世彪等[9]分析了激光選區(qū)熔化金屬增材制造的檢測技術(shù)，重點分析了在線及離線檢測手段。上述文獻分別從金屬增材制造過程缺陷的類型、缺陷的形成機理、原位監(jiān)測技術(shù)、質(zhì)量控制幾個方面進行了全面綜述，但是缺乏針對SLM的缺陷類型及其形成機理、過程信號分類及其監(jiān)測、基于機器學習的智能監(jiān)測和質(zhì)量控制等較為全面的討論。鑒于此，本文通過對近十年SLM監(jiān)測與控制領域的近150篇文獻進行調(diào)研，圖1為近十年該領域的文章數(shù)量變化及分布，在前人工作的基礎上，對以上幾個方面的關(guān)鍵技術(shù)及其研究現(xiàn)狀進行詳細綜述，旨在為相關(guān)領域?qū)W者深入研究SLM過程智能監(jiān)測及控制技術(shù)提供參考。

圖1 科學引文索引中關(guān)于SLM金屬增材制造智能監(jiān)測與控制的文章數(shù)及分布(2011年以來)Fig.1 Number and distributions of published papers in the area of intelligent monitoring and control of SLM metal based additive manufacturing based on Web of Science (Since 2011)

1 SLM構(gòu)件常見缺陷及其形成機理

缺陷是SLM技術(shù)在工業(yè)中廣泛應用的最大瓶頸之一，為突破這一瓶頸，需深入理解SLM的物理過程，并對缺陷類型及其產(chǎn)生過程進行深入研究。SLM過程中常見的缺陷有飛濺、球化、氣孔、表面質(zhì)量差、裂紋、幾何變形和粉層不規(guī)則等，對其深入研究，能為缺陷抑制甚至消除提供理論支撐。

1.1 SLM物理過程及原理

SLM是一種金屬粉末床增材制造技術(shù)，其先由三維模型進行分層切片、規(guī)劃激光掃描路徑、設置掃描間距、層厚等參數(shù)，得到可供SLM設備執(zhí)行的數(shù)據(jù)文件；其次，SLM設備根據(jù)逐層讀取的數(shù)據(jù)，通過掃描振鏡調(diào)控激光束，選擇性地熔化金屬粉末；一層加工完成后，送粉缸上升，成形缸下降一個層厚的高度，鋪粉機構(gòu)將粉末從送粉缸運送到成形平臺上，設備再次控制激光束的掃描路徑，選擇性地將新鋪的粉層熔化，與上一層熔合，重復這一過程，直至加工完成[10-11]。SLM加工零件的過程如圖2所示。

圖2 SLM工藝過程示意圖Fig.2 Schematic of the process of selective laser melting

SLM過程中材料的熱物理和非平衡冶金過程十分復雜，如圖3所示，激光與金屬粉末、熔池及基材之間存在著復雜的交互作用[12]。盡管SLM過程與激光焊接類似，但在SLM過程中，激光束與粉末材料相互作用，粉末的熱傳導及熔池內(nèi)部的熱量轉(zhuǎn)移過程更加復雜(316L粉末的熱導率為0.156 ± 0.004 W/mK，而316L塊狀固體的熱導率為15 W/mK[13])。首先，高能量密度的激光束照射在金屬粉末上，粉末迅速熔化形成熔池，當激光能量密度達到一定閾值(>MW/cm2)，材料氣化并在熔池中產(chǎn)生反沖壓力，形成小孔。熔池在反沖壓力、表面張力和馬蘭戈尼力等的耦合作用下劇烈波動。由于金屬粉末質(zhì)量較小，熔池周圍較小的粉末顆粒很容易被反沖壓力帶走，這一現(xiàn)象稱為“氣蝕”[14-16]，氣蝕會導致粉末填充不足，在軌道之間形成氣孔缺陷。

圖3 SLM過程材料的熔化和凝固行為[12]Fig.3 Melting and solidification behaviors in SLM[12]

1.2 SLM過程缺陷類型及其影響因素

SLM過程中的缺陷可分為鋪粉過程缺陷和打印過程缺陷，鋪粉過程缺陷有粉層不規(guī)則，打印過程缺陷有飛濺、球化、氣孔、表面質(zhì)量差、裂紋、幾何變形等。表1總結(jié)了文獻中報道的SLM制造中常見缺陷及其形成機理。下面對不同缺陷及其形成過程進行介紹，并總結(jié)關(guān)鍵工藝參數(shù)對不同缺陷的影響。

表1 SLM過程缺陷類型及其影響因素Table 1 Defects and their influencing factors during SLM process

續(xù)表

1.2.1 飛 濺

飛濺是SLM過程中最常見的一種缺陷，會直接影響激光與材料相互作用，導致其他缺陷的產(chǎn)生。研究表明，飛濺主要是由側(cè)向保護氣流、熔池的波動和反沖壓力引起的。飛濺落在粉末上會形成較大的金屬顆粒，進而產(chǎn)生欠熔合和氣孔缺陷[25]；飛濺落在凝固層表面會影響下一層鋪粉，導致下一粉層不平整、不均勻，甚至損壞鋪粉輥[18]。為使金屬粉床不被飛濺污染，可以采用高速的保護氣流移除飛濺物[22]。然而，過大的氣流會影響粉層的表面質(zhì)量。為抑制飛濺，國內(nèi)外學者通過試驗和數(shù)值模擬等手段對其產(chǎn)生過程及機理進行了深入研究。

Gunenthiram等[21-22]基于高速攝像觀測了316L不銹鋼SLM過程金屬粉末熔化狀態(tài)，統(tǒng)計了飛濺的尺寸和數(shù)量，發(fā)現(xiàn)飛濺起源于熔池邊界處粉床(見圖4)；相同條件下的A4047鋁合金液滴直接和熔池合并，產(chǎn)生的飛濺較少。他們認為飛濺是由金屬蒸發(fā)在熔池表面產(chǎn)生的反沖壓力引起的，最后提出采用以熱傳導的模式(較低的能量密度和較大的激光光斑(≈ 0.5 mm))制造，能避免小孔的產(chǎn)生和減少飛濺。

圖4 飛濺在熔池前沿粉末熔池界面處產(chǎn)生[22]Fig.4 Initiation of spatters at the frontedge of molten pool near powder bed-molten pool interface[22]

Liu等[26]研究了316L不銹鋼粉末SLM過程的飛濺現(xiàn)象，并將其分為兩類：熔滴飛濺(Droplet Spatter)和粉末飛濺(Sideways Spatter)，熔滴飛濺是由于熔池表面的不穩(wěn)定導致的；粉末飛濺是由于熔池周圍粉末被吹起，這類飛濺與粉末的形狀和尺寸有密切關(guān)系，兩種飛濺的根本原因是激光作用使材料劇烈蒸發(fā)，金屬蒸汽產(chǎn)生的反沖壓力導致粉末或熔化金屬脫離原來位置形成的(見圖5)。隨后，Wang等[27]進一步觀察了CoCr合金SLM過程中金屬射流(Metallic Jet)、熔滴飛濺和粉末飛濺(Powder Spatter)3種飛濺的形成機理(見圖6)，發(fā)現(xiàn)在馬蘭戈尼力的作用下液態(tài)金屬從凹陷底部的高溫區(qū)向側(cè)壁的低溫區(qū)流動，同時在反沖壓力的作用下低粘度的液態(tài)金屬從熔池濺出形成金屬射流；在表面張力的作用下金屬射流分解為較小的液體從而形成熔滴飛濺；熔池前端的金屬粉末在沖擊波的作用下形成金屬粉末飛濺。

圖5 SLM過程飛濺[26]Fig.5 Spatter during the SLM[26]

圖6 3種飛濺的形成機理示意圖[27]Fig.6 Schematic of formation mechanisms of three types of spatters[27]

Leung等[40]采用同步X射線技術(shù)研究了Invar 36金屬SLM過程中飛濺的運動過程，分析了粉末飛濺和熔滴飛濺行為，計算了飛濺的速度、方向等特征，得到飛濺的速度約為1 m/s，如圖7所示。

圖7 粉末飛濺(紅色虛線圓圈)和熔滴飛濺(綠色箭頭表示其運動軌跡)[40]Fig.7 Powder spatter (purple dotted circle) and droplet spatter (its trajectory path is indicated by the green arrows)[40]

SLM過程中飛濺會影響鋪粉和熔融質(zhì)量，使構(gòu)件內(nèi)部產(chǎn)生欠熔合、氣孔、夾渣等缺陷，降低SLM構(gòu)件的抗拉強度和疲勞性能，因此，減少SLM過程飛濺缺陷對提高SLM構(gòu)件質(zhì)量的意義重大。

1.2.2 球 化

球化是金屬基粉床制造過程特有的冶金缺陷，當液態(tài)金屬在表面張力作用下凝固成球狀便會產(chǎn)生球化。激光束能量密度過高和過低都會造成球化，能量過低時金屬粉末未完全熔化會導致球化的產(chǎn)生；能量過高時，液態(tài)金屬飛濺到未熔化的金屬粉末上也會形成球化。圖8[51，77]為典型的球化現(xiàn)象。球化會影響下一層的鋪粉質(zhì)量，影響構(gòu)件的表面質(zhì)量，還會導致熔合不良、夾渣等缺陷，進一步地，降低構(gòu)件的抗拉強度和抗疲勞性能。為抑制球化缺陷，國內(nèi)外學者也已展開了大量研究。

圖8 SLM過程中的球化現(xiàn)象[51,77]Fig.8 Balling phenomenon during SLM process[51,77]

Yan等[32]建立了三維多物理場數(shù)值模型，研究了球化缺陷的形成過程，發(fā)現(xiàn)當金屬粉末被激光照射時，部分熔化的粉末會粘結(jié)在一起形成團簇，團簇凝固后形成獨立的球狀顆粒，這一現(xiàn)象主要是由表面張力引起的，當輸入能量不足以熔化粉末層下的基層時，表面張力的作用會使熔化的粉末聚集在一起形成球化，使表面和表面能最小。因此，如果能夠使粉末和基層充分熔化，可以減少球化。L?ber等[77]研究了鈦鋁合金SLM過程中工藝參數(shù)與球化的關(guān)系，發(fā)現(xiàn)低激光功率、低掃描速度和較高激光功率、超高掃描速度均會導致球化的產(chǎn)生。

球化會增加構(gòu)件的氣孔率和表面粗糙度，嚴重影響構(gòu)件的質(zhì)量，且較大的球化會阻礙鋪粉輥的運動，影響粉層質(zhì)量，甚至導致SLM制造過程失敗。因此，需要有效的方法抑制球化，從而提高構(gòu)件的質(zhì)量。

1.2.3 氣 孔

氣孔是SLM構(gòu)件最主要的缺陷類型，是對SLM構(gòu)件力學性能影響最大的缺陷之一，也是工業(yè)界和學術(shù)界關(guān)注的焦點之一。SLM過程中，材料迅速的熔化和凝固、熔池劇烈波動等會導致氣孔的產(chǎn)生。氣孔的尺寸、數(shù)量、形貌和位置均對構(gòu)件的力學性能有重要影響，較高的氣孔率會縮短成型件的疲勞壽命，靠近表面的氣孔對成形件的疲勞性能影響比其他位置的都大[47,78]。根據(jù)氣孔的形成機制可將其分為原材料相關(guān)的氣孔和激光作用導致的氣孔。

Bauerei?等[36]基于格子玻爾茲曼法建立了介觀數(shù)值模型，考慮了熱毛細效應和潤濕效應，模擬了非熔合氣孔的形成和長大過程。Gong等[38]研究了TC4金屬粉末SLM過程不同的氣孔類型與能量密度的關(guān)系，并根據(jù)氣孔類型建立了工藝窗口，分別為高密度區(qū)、過熔化區(qū)、熔合不足區(qū)和過熱區(qū)。King等[37]研究了316L不銹鋼SLM過程中小孔模式向熱導模式轉(zhuǎn)變的條件，定義了由激光功率、掃描速度和光束直徑確定的變量名義焓，發(fā)現(xiàn)在層厚為50 μm時，模式轉(zhuǎn)變的名義焓閾值為ΔH/hs ≈(30±4)。Qiu等[35]通過實驗和數(shù)值仿真研究了掃描速度和粉層厚度對TC4合金SLM構(gòu)件的氣孔率的影響，發(fā)現(xiàn)氣孔率隨著掃描速度和粉層厚度的增加而增加。同時，較厚的粉層會加劇熔池的波動振蕩行為，導致氣孔率增加。

如圖9所示，Hojjatzadeh等[47]采用高速(2 MHz) 高分辨率(約2 μm)的X射線分別觀察了4種金屬粉末在SLM過程中氣孔的演化過程，分析了導致氣孔的6種機制，其中3種是已有報道的機制：小孔引起的氣孔，來自原材料的氣孔和熔化邊界不穩(wěn)定物質(zhì)的蒸發(fā)或者少量被困氣體的膨脹導致的氣孔。另外3種新發(fā)現(xiàn)的機制為：被熔池表面波動困住的氣孔，由反沖壓力造成的較淺凹陷區(qū)域發(fā)生振蕩形成的氣孔(區(qū)別于小孔坍塌形成的氣孔)和由裂紋形成的氣孔。同時，發(fā)現(xiàn)SLM過程中高溫度梯度引起的熱毛細力可以快速的消除熔池內(nèi)部的部分氣孔，為SLM過程中氣孔的抑制提供了借鑒[44]。

圖9 6種氣孔的產(chǎn)生機制[47]Fig.9 Six pore formation mechanisms[47]

de Terris等[43]研究了能量密度對SLM制造316L構(gòu)件氣孔率的影響，發(fā)現(xiàn)在低能量密度時粉末熔化不充分，會導致非圓氣孔(Lack of Fusion)，高能量密度時會產(chǎn)生小孔模式空洞性氣孔(Cavity)，中間能量密度會有少量氣體夾雜形成的氣孔(Blowhole)(見圖10[79])。為減少構(gòu)件邊界附近的氣孔，Xiong等[80]通過選擇性地設計通道連接氣孔和構(gòu)件的邊界以減少SLM制造構(gòu)件內(nèi)部的封閉氣孔。

圖10 316L不銹鋼SLM過程產(chǎn)生的氣孔類型[79]Fig.10 Types of porosities obtained on 316 L steel during SLM[79]

上述研究表明，氣孔的產(chǎn)生過程十分復雜，其與工藝參數(shù)關(guān)系密切。氣孔是SLM過程中常見的缺陷，調(diào)控工藝參數(shù)，減少氣孔率是提升SLM構(gòu)件力學性能的迫切需求。

1.2.4 表面質(zhì)量

隨著SLM技術(shù)的發(fā)展，可打印材料的種類越來越豐富，且構(gòu)件的力學性能得到了很大提升，但是相對較差的表面質(zhì)量仍然是限制SLM發(fā)展與工業(yè)應用的主要阻礙之一[51]。中間層的表面粗糙度會影響下一層的鋪粉質(zhì)量，導致內(nèi)部缺陷產(chǎn)生；成形面的表面粗糙度會影響構(gòu)件疲勞性能。為獲得表面質(zhì)量優(yōu)異的構(gòu)件，國內(nèi)外學者從掃描速度、粉層厚度、能量密度、表面傾角和位置等方面對SLM構(gòu)件的表面質(zhì)量進行了大量研究[50,53,58]。

Guo等[66]研究了激光功率、掃描速度和掃描間距3個關(guān)鍵參數(shù)對IN718LC金屬粉末SLM構(gòu)件表面質(zhì)量的影響，發(fā)現(xiàn)在掃描間距大于45 μm時，表面粗糙度隨著掃描間距的增加而增加，主要原因是當掃描間距增加時，掃描軌道之間的間隙增加；同時，表面粗糙度也隨著掃描速度和激光功率的增加而增加(見圖11)。

圖11 不同激光功率下的上表面SEM和重構(gòu)圖像((a),(b) 150 W, (c),(d) 250 W and (e),(f) 350 W,掃描速度2 000 mm/s, 掃描間距 90 μm)[66]Fig.11 SEM and reconstruction images of the top surfaces at the laser power of ((a),(b) 150 W, (c),(d) 250 W, and (e),(f) 350 W, scan speed: 2 000 mm/s, hatch spacing: 90 μm)[66]

表面質(zhì)量會嚴重影響SLM構(gòu)件的疲勞性能，表面質(zhì)量與熔池的流動行為密切相關(guān)，通過調(diào)控激光功率、掃描速度和粉層厚度等工藝參數(shù)可以有效的改善表面質(zhì)量；也可以通過后處理來提高構(gòu)件表面質(zhì)量，但是會增加成本、降低效率，因此，需探索新方法以提升構(gòu)件的表面質(zhì)量。

1.2.5 裂 紋

SLM過程中裂紋的形成與溫度分布、殘余應力及熔合不良有關(guān)。殘余應力形成的裂紋又可以分為凝固裂紋和液化裂紋，這類裂紋與材料有關(guān)，凝固裂紋是由于熔池與凝固金屬之間存在較大的溫度梯度，導致熔池產(chǎn)生較大形變，然而液體的流動性不足，不能補充熔池產(chǎn)生的形變；液化裂紋出現(xiàn)在部分熔化區(qū)，它與液化范圍、晶粒結(jié)構(gòu)、熱延伸率、金屬的收縮和約束有關(guān)。圖12[82]為典型的凝固裂紋和液化裂紋。

圖12 典型裂紋[82]Fig.12 Typical cracks[82]

此外，熔合不良形成的欠熔合也是SLM構(gòu)件常見的一類裂紋，它對SLM構(gòu)件的力學行為和疲勞壽命有致命影響。欠熔合裂紋多出現(xiàn)在相鄰的掃描焊道之間或者沉積層之間，主要是金屬粉末不完全熔化造成的。如圖13所示[6]，裂紋嚴重時還可能導致分層缺陷。為減少裂紋缺陷，提高構(gòu)件使用壽命，國內(nèi)外學者開展了關(guān)于SLM構(gòu)件裂紋的研究。

圖13 分層缺陷實例[6]Fig.13 Example of severe delamination[6]

Guo等[66]研究了SLM制造IN738LC構(gòu)件過程中，工藝參數(shù)(激光功率、掃描速度和掃描間距)對裂紋的影響，發(fā)現(xiàn)殘余應力和熔化金屬的凝固時間是影響裂紋密度的主要因素，裂紋隨著掃描間距和掃描速度的增加而減少，隨著功率的增加而增多。如圖14所示，Lee等[67]采用近紅外相機觀察SLM過程中各沉積層的溫度變化，從而識別裂紋缺陷，發(fā)現(xiàn)制造過程中裂紋隨著掃描方向和位置周期性地出現(xiàn)和消失，裂紋與掃描方案及構(gòu)件的幾何形狀有關(guān)。如圖15所示，Vrancken等[83]通過高速攝像原位觀察了金屬鎢在SLM過程中裂紋的產(chǎn)生過程，并分析了工藝參數(shù)(激光功率、掃描速度和光束直徑)和熔池幾何形狀對裂紋的影響。隨后，將熱機械仿真與高速攝像觀測結(jié)果結(jié)合，觀察了裂紋隨熱過程的產(chǎn)生和擴散過程，發(fā)現(xiàn)金屬鎢由韌性到脆性的轉(zhuǎn)變，認為裂紋是由材料韌性到脆性轉(zhuǎn)變引起的。楊益等[84]研究發(fā)現(xiàn)SLM成形TiAl合金制件中的裂紋為冷裂紋，由于SLM成形過程中的快速加熱冷卻，成形件內(nèi)部殘余應力高于材料的抗拉強度，導致了裂紋的形成，且裂紋多起源于試樣側(cè)面邊緣粉末黏結(jié)、缺口等缺陷存在的地方。

圖14 采用近紅外相機觀察的裂紋傾向[67]Fig.14 Observed cracking tendency with near infrared camera[67]

圖15 焊道周圍的裂紋[83]Fig.15 Crack network around scan track[83]

裂紋對SLM構(gòu)件有致命性的影響，減少SLM構(gòu)件裂紋缺陷是學術(shù)界和工業(yè)界面臨的重要挑戰(zhàn)。合金化與調(diào)整工藝參數(shù)是改善微裂紋的兩種可能的方法，但成功率仍然有限。目前，針對SLM構(gòu)件裂紋的研究較少，亟需深入研究。

1.2.6 幾何變形

SLM過程中由于構(gòu)件的幾何特征、熱積累、應力集中等原因會形成不同程度幾何缺陷，程度較輕的可能引起變形，造成尺寸誤差，嚴重的導致結(jié)構(gòu)不完整，甚至使加工過程失敗。如圖16所示[85]，SLM構(gòu)件的幾種幾何缺陷。為避免嚴重的幾何缺陷、提高尺寸精度，國內(nèi)外學者做了大量研究。

圖16 SLM構(gòu)件的幾何結(jié)構(gòu)缺陷實例[85]Fig.16 Examples of defective parts produced via SLM[85]

Ren等[71]研究了不同掃描方式對幾何變形和殘余應力分布的影響，建立了不同掃描模式下變形程度與殘余應力的關(guān)系，發(fā)現(xiàn)不同的掃描方式會對溫度場產(chǎn)生重要影響，溫度場會影響殘余應力分布和構(gòu)件的幾何變形。Gruber等[86]采用三維激光掃描和計算機斷層掃描方法研究增材制造構(gòu)件的內(nèi)部和外部特征尺寸和幾何精度，比較了激光金屬沉積、SLM和電子束熔融構(gòu)件的幾何精度，結(jié)果表明SLM構(gòu)件的幾何精度較高。Sufiiarov等[75]研究了SLM制備的TC4粉末晶格結(jié)構(gòu)表面質(zhì)量和尺寸精度，實驗表明，激光輻照參數(shù)、光斑尺寸、能量分布對晶格結(jié)構(gòu)的表面質(zhì)量和尺寸精度有重要影響。Xie等[87]提出了一種考慮實驗獲得應力松弛的模型，預測了薄壁構(gòu)件的變形行為，預測精度大大提高，無松弛和有松弛情況下最大變形率分別為83.54%和6.38%，而沒有考慮松弛的傳統(tǒng)本構(gòu)模型不能描述增材制造過程往復的熱過程。

SLM構(gòu)件的幾何精度會影響到構(gòu)件的裝配和使用性能[88]，同時與工藝參數(shù)密切相關(guān)，制定合適的工藝參數(shù)，提高構(gòu)件的幾何精度會極大地促進SLM技術(shù)的工業(yè)應用。

1.2.7 粉層不規(guī)則

SLM過程中，粉末的填充質(zhì)量會影響到粉床的熱導率及其對激光的吸收率。粉層填充密度會影響粉床的熱導率和熔池的流動，粉層的厚度會影響熔池的穩(wěn)定性、熔化狀態(tài)和構(gòu)件的內(nèi)部缺陷，粉層表面不規(guī)則也會引起構(gòu)件的質(zhì)量問題[89]。同時，SLM是一層一層成形的，一個構(gòu)件要經(jīng)過多層制造。因此，每一層鋪粉對構(gòu)件的質(zhì)量都非常重要。國內(nèi)外學者圍繞粉層特征展開了一系列研究。

圖17[90]所示為典型的粉層不平整現(xiàn)象。Averardi等[89]考慮多分布顆粒的填充特性，測定給定顆粒尺寸和形狀分布下可達到的期望密度，研究了不同顆粒填充性能，為選擇合適的粉末提高構(gòu)件質(zhì)量提供了參考。Zhang等[17]觀測了SLM過程中每一層粉層熔化前和熔化后的表面形貌，提取了粉層和凝固表面的高度、紋理等特征。

圖17 粉床不平整[90]Fig.17 Powder bed irregularity[90]

鋪粉是SLM制造的關(guān)鍵步驟，粉層質(zhì)量的好壞直接關(guān)系到材料對激光的吸收，粉層厚度會影響到熔池的穩(wěn)定性，粉層過厚會引起欠熔合、氣孔等缺陷，粉層過薄會降低制造效率，因此，嚴格控制鋪粉質(zhì)量對提高SLM構(gòu)件質(zhì)量有重要意義。

2 SLM制造過程信號類型及其監(jiān)測

SLM過程中，激光與材料作用會產(chǎn)生聲、光、熱及振動信號，這些信號中包含著豐富的信息，能夠反映加工狀態(tài)和構(gòu)件內(nèi)部缺陷，缺陷監(jiān)測對識別失敗構(gòu)件、預測構(gòu)件性能及反饋控制尤為重要，獲得準確的監(jiān)測數(shù)據(jù)是實現(xiàn)質(zhì)量控制的前提。如圖18為SLM監(jiān)測中用到的傳感器及監(jiān)測技術(shù)，表2總結(jié)了文獻中報道的SLM過程的信號及其監(jiān)測手段。

圖18 傳感器及監(jiān)測技術(shù)分類Fig.18 Classification of sensors and monitoring techniques

表2 SLM過程信號及其監(jiān)測總結(jié)Table 2 A summary of process singnals of SLM and monitoring

2.1 聲信號

SLM制造過程中，由于類型、尺寸、形態(tài)、位置等因素的差異，每一種缺陷都能夠產(chǎn)生具有獨特特征的聲信號，采用合適的傳感器采集并識別不同信號對應的缺陷類型是SLM過程監(jiān)測的關(guān)鍵難題，也是質(zhì)量控制的重要前提。近年來，國內(nèi)外學者在基于聲信號對SLM過程監(jiān)測方面做了大量工作。

如圖19所示，Plotnikov等[91]利用ISRWDCA-HT聲學傳感器和FLIR A56紅外熱成像儀監(jiān)測SLM過程，建立了圖像和聲信號關(guān)聯(lián)關(guān)系，研究了聲信號特征和氣孔率的關(guān)系，分析了制造過程中產(chǎn)生凝固斷裂缺陷時聲信號發(fā)生突變的原因(氣孔缺陷的產(chǎn)生)。

圖19 SLM過程中不同孔隙率對應的聲信號[91]Fig.19 Corresponding acoustical signal with different porosity during SLM[91]

如圖20所示，Lee等[67]利用光纖布拉格光柵(Fiber Bragg Grating, FGB)傳感器收集SLM過程中的聲信號，建立聲信號和孔隙率之間的關(guān)系，基于聲信號實現(xiàn)了對SLM過程構(gòu)件孔隙率的監(jiān)測[93]。

圖20 基于FBG監(jiān)測的SLM過程[93]Fig.20 Monitoring of SLM based on FBG[93]

Gaja和Liou[62]通過聲信號監(jiān)測金屬增材制造過程中裂紋缺陷，發(fā)現(xiàn)裂紋引起的信號時間間隔較短，幅值較大。Kouprianoff等[96]利用378B02麥克風對SLM過程中的鋪粉高度進行監(jiān)測，為了減少聲信號頻譜圖像特征復雜程度，對頻譜圖采用了0-1編碼處理，簡化了信號特征，減少了計算量。如圖21所示，Shevchik等[93]利用小波變化對數(shù)據(jù)進行分析，運用深度學習進行缺陷識別，基于聲信號實現(xiàn)了每一層質(zhì)量的預測。

圖21 典型光學顯微鏡橫斷面圖像、相應的AE信號和對應的小波譜圖[93]Fig.21 Typical light microscope cross-sectional images, their corresponding AE signals, and their corresponding wavelet spectrogram[93]

綜上所述，聲信號可以對SLM過程狀態(tài)和缺陷進行監(jiān)測，同時，提取聲信號特征，可以建立信號特征和缺陷的對應關(guān)系。聲信號傳感器的相對位置、角度等對采集到的信號有較大的影響，在布置時需要重點考慮。目前，聲信號的監(jiān)測主要針對SLM單軌道掃描，需要進一步開發(fā)適用于多軌道多層甚至零件加工全過程的聲信號監(jiān)測方案。

2.2 光信號

SLM過程中，粉層、金屬蒸汽、飛濺、熔池、小孔、凝固層等產(chǎn)生的光信號可以通過相應的光學傳感器進行監(jiān)測。目前，基于光信號對SLM過程進行監(jiān)測是最常用的手段。研究者采用數(shù)碼相機、高速攝像機、光譜儀和光電二極管等設備采集SLM過程中的光信號，進一步提取特征，對SLM構(gòu)件的質(zhì)量和缺陷進行監(jiān)測。下面基于不同的光信號傳感器進行介紹。

2.2.1 工業(yè)相機

工業(yè)相機雖然采樣頻率較低，但成本低、分辨率較高，常用于監(jiān)測粉層表面和凝固層表面質(zhì)量，其與CT掃描結(jié)合可以用于確定缺陷的位置和尺寸[117]。

Gobert等[117]采用數(shù)碼相機獲取SLM過程中構(gòu)件每一層的形貌特征，用CT三維掃描切片作標簽，基于機器學習技術(shù)，可以快速識別凝固層的不連續(xù)和正常狀態(tài)。Zur Jacobsmuhlen等[118]發(fā)現(xiàn)SLM過程凝固層中凸起區(qū)域會影響鋪粉質(zhì)量，通過圖像分析凝固層形貌特征，基于分類方法快速地識別了凝固層凸起的區(qū)域。如圖22所示，Caggiano等[119]根據(jù)SLM過程中凝固層鋪粉前后的形貌圖像比較精確地識別了凝固層缺陷。

圖22 構(gòu)件切片形貌的交叉比較[119]Fig.22 Cross test comparison of part slice images[119]

2.2.2 高速攝像機

高速攝像機是SLM過程監(jiān)測常用的手段之一，可以直觀地監(jiān)測熔池、小孔、飛濺、蒸汽羽煙等的行為，并快速地識別缺陷。

SLM過程常見的2種高速攝像機布置方式分別為同軸和旁軸，如圖23[31]和圖24[97]所示。Alkahari等[31]利用FASTCAM SA5高速攝像機同軸監(jiān)測SLM過程，研究了粉末熔凝特征和工藝參數(shù)之間的關(guān)系，發(fā)現(xiàn)激光功率和激光掃描速度會影響熔池區(qū)域、凝固寬度、固化凝聚物直徑以及飛濺等，進而影響粉末熔凝質(zhì)量。Matilainen等[97]利用CR3000X2高速攝像機對SLM過程進行旁軸監(jiān)測，研究了激光的作用時間與孔洞缺陷的關(guān)系。

圖23 粉末凝結(jié)狀態(tài)監(jiān)測設備[31]Fig.23 Setup of powder consolidation monitoring[31]

Gunenthiram等[21]利用高速攝像機(SA2 Photron with a C-Mos sensor)對SLM過程進行監(jiān)測，研究了加工過程中的飛濺、粉末剝蝕、熔池波動等的產(chǎn)生機理，部分特征提取圖片如圖25所示。

高速攝像機可以直觀地觀測到SLM過程熔池、飛濺和羽煙等現(xiàn)象，基于圖像提取特征、判斷缺陷的產(chǎn)生是SLM過程監(jiān)測的有效手段。采用濾波、輔助光源、衰減等方法能夠獲得特定區(qū)域的典型特征。準確建立圖像特征與缺陷之間的關(guān)系是目前需要解決的關(guān)鍵問題。

2.2.3 光電二極管

光電二極管是一種可以把光信號轉(zhuǎn)換成電信號的光電傳感器，能夠根據(jù)所受光的照度輸出相應的模擬電信號或者實現(xiàn)數(shù)字電路中不同狀態(tài)間的切換[9]。SLM制造過程中，熔池、飛濺、金屬蒸汽等產(chǎn)生強烈的輻射，采用光電二極管監(jiān)測，可以獲得豐富的加工狀態(tài)和構(gòu)件質(zhì)量信息。

如圖26所示，Coeck等[42]使用安裝在SLM設備成形平臺兩側(cè)的光電二極管組成的熔池監(jiān)測系統(tǒng)，監(jiān)測整個過程中產(chǎn)生的光信號，預測了氣孔缺陷的尺寸和位置，氣孔預測靈敏度達90%。

圖26 光電二極管監(jiān)測熔池示意圖[42]Fig.26 Schematic of melt pool monitoring system using two photodiodes[42]

Montazeri等[102]采用光電二極管監(jiān)測了SLM過程，應用譜圖理論分析獲得的數(shù)據(jù)，實現(xiàn)了SLM過程中材料間交叉污染的監(jiān)測。Nadipalli等[103]使用光電二極管在開放架構(gòu)的脈沖式激光系統(tǒng)中分別對粉床和熔池狀態(tài)進行同軸和非同軸監(jiān)測。Zhang等[104]提出了一種優(yōu)化的熔池狀態(tài)監(jiān)測方法——光電二極管分區(qū)監(jiān)測方法，分區(qū)采集加工過程中的光信號，通過此方法提高SLM過程中采集數(shù)據(jù)的精確性，研究了激光功率對氧化鋁單軌道熔池的影響，分析了熔池特征和工藝參數(shù)(激光功率、掃描速度和掃描間距)之間的關(guān)聯(lián)關(guān)系。

2.2.4 X射線

與其他監(jiān)測手段不同，X射線可以直觀地反映內(nèi)部缺陷的三維形貌和位置，例如氣孔、裂紋的大小和位置等。

如圖27所示，Hojjatzadeh等[47]利用原位X射線成像技術(shù)研究了SLM過程中氣孔的形成機制，觀察到已經(jīng)被發(fā)現(xiàn)的3種氣孔形成機制，并發(fā)現(xiàn)了3種新的氣孔形成機制，研究結(jié)果為降低氣孔率提供了理論指導。

圖27 原位高速X射線成像實驗示意圖[47]Fig.27 Schematics of in-situ high speed x-ray imaging experiments[47]

G?gelein等[105]利用光學層析成像技術(shù)在線監(jiān)測SLM全過程，對不同樣品進行X射線成像，得到檢測概率曲線；然后，建立缺陷與光學層析成像之間關(guān)聯(lián)關(guān)系，準確識別了SLM構(gòu)件熔合不良缺陷，如圖28所示。Hu等[106]利用X射線計算機斷層掃描技術(shù)從數(shù)量、形態(tài)、尺寸和位置等方面對氣孔和熔合不良缺陷進行表征，并結(jié)合疲勞裂紋擴展模型預測疲勞壽命，有效判斷了缺陷的不同位置所導致的疲勞威脅等級。

圖28 熔合不良缺陷的光學層析成像和 計算機斷層掃描結(jié)果[105]Fig.28 Optical tomography and computed tomography of lack of fusion[105]

雖然X射線能夠直觀地實時監(jiān)測內(nèi)部缺陷的形貌和位置，但X射線監(jiān)測的成本較高且需要加強防護，尤其是高速高分辨率X射線原位觀測成本更高，其一般用于對其他監(jiān)測手段進行校核和驗證[40]。

上述研究表明，基于光信號的SLM過程監(jiān)測能夠直觀地反映粉層、熔池、飛濺和氣孔等信息，是目前應用最多的SLM過程監(jiān)測手段之一。近年來，光譜儀[120]、激光超聲[121]等手段也逐漸應用于SLM過程光信號的監(jiān)測。

2.3 熱信號

熱傳遞是實現(xiàn)SLM過程的驅(qū)動力，熔池的形成與動態(tài)行為、液態(tài)金屬的冷卻與凝固、凝固層的熱循環(huán)等都與熱傳遞有關(guān)。SLM過程中復雜的溫度歷程對構(gòu)件的微觀組織、殘余應力、變形等有直接影響，均勻的溫度分布會形成質(zhì)量良好的構(gòu)件，不合理的溫度分布會影響構(gòu)件結(jié)構(gòu)的完整性和質(zhì)量。因此，研究熱行為對保證SLM構(gòu)件質(zhì)量具有重要意義。

用于SLM過程溫度監(jiān)測的傳感器可以分為2種類型：一類是高溫計，另一類是熱成像儀(可以看作高溫計陣列)。高溫計只能測量局部區(qū)域溫度，而熱成像儀可以測量整個區(qū)域溫度。此外，熱電偶也能測量SLM過程中的溫度且成本較低，但其只能測量固定點的溫度，且需接觸被測物體，一般置于基板底部測量SLM過程的溫度歷史，然而，高溫計和熱成像儀不需要和被測物體接觸，可以測量運動熔池的溫度。

如圖29所示，Krauss等[107]將視場區(qū)域為160 mm×120 mm中等分辨率的紅外攝像機安裝在SLM設備的外部，與打印平臺成45°角，以監(jiān)測制造過程中凝固層的溫度分布及其隨時間的變化，通過研究熔池面積變化來監(jiān)測工藝偏差。

圖29 SLM過程紅外相機旁軸監(jiān)測系統(tǒng)[107]Fig.29 Monitoring system of off situ infrared camera temperature in SLM[107]

如圖30所示，Zheng等[109]采用同軸紅外熱成像儀監(jiān)測對TC4合金在SLM成形過程中熔池溫度進行跟蹤和監(jiān)測。根據(jù)熔池溫度梯度分布特征提取熔池邊界，通過熔池邊界來預測單個軌道的寬度(圖31)。

圖30 SLM成形過程紅外熱成像儀同軸監(jiān)測系統(tǒng)[109]Fig.30 Monitoring system of coaxial infrared thermal imager of SLM[109]

圖31 基于紅外熔池溫度圖像提取熔池邊界預測單軌道寬度[109]Fig.31 Extracting boundary of the melt pool from the temperature image to predict the width of a single track[109]

Lane等[112]采用分辨率為1 280×1 024，最大幀率為120幀/s的高速、高倍原位熱成像儀，對SLM過程熔池區(qū)域的等離子體羽煙和金屬蒸汽等多種現(xiàn)象進行觀測。Jalalahmadi等[113]通過集成在商用SLM設備中的高頻紅外攝像機連續(xù)監(jiān)測熔池，利用CT掃描對制造件的氣孔位置和大小進行了表征，建立了紅外傳感信號與氣孔的關(guān)系。Zhirnov等[110]使用紅外相機研究了掃描速度和激光功率對熔融區(qū)溫度的影響。Barua等[64]根據(jù)裂紋缺陷處熱導率較差、溫度不均勻的特點采用高速攝像對金屬增材制造過程裂紋缺陷進行監(jiān)測，實現(xiàn)了裂紋的實時監(jiān)測。

溫度監(jiān)測的難點在于材料的輻射率不易獲得，輻射率與材料的形態(tài)、溫度分布等關(guān)系密切，即便已知材料在常溫下的輻射率，但在SLM過程中，材料的形態(tài)有粉末態(tài)、液態(tài)、固態(tài)及氣態(tài)，而且不同位置的溫度有差異。因此，粉層表面輻射率并不是常數(shù)，而是隨材料狀態(tài)、空間及溫度變化，獲取SLM過程中的輻射率是非常困難的。一個有效的解決辦法是采用雙色高溫計和紅外熱成像儀相結(jié)合，因為雙色高溫計對輻射率的變化不敏感，可以用來校核紅外熱成像儀[122]，這方面有待進一步研究。

2.4 振動信號

SLM過程中的振動信號也能很好地反映加工狀態(tài)和構(gòu)件質(zhì)量。通過振動信號可以判斷SLM過程中熔透深度、裂紋、鋪粉質(zhì)量等。

如圖32所示，Kleszczynski等[116]采用加速度傳感器監(jiān)測SLM過程中的振動信號，該系統(tǒng)使用集成在鋪粉機構(gòu)上的壓電式加速度計采集鋪粉機構(gòu)和制造平臺之間的振動信號，確定了維持鋪粉裝置制在造過程中穩(wěn)定的上升臨界值。

圖32 集成于鋪粉裝置上的加速度傳感器[116]Fig.32 Integration of an acceleration sensor at recoating mechanism[116]

SLM過程中鋪粉輥的運動、小孔的形成、熔池的波動等均會產(chǎn)生振動信號，采用加速度傳感器監(jiān)測振動信號，也能為SLM過程監(jiān)測提供一種有效手段。目前，基于振動信號對SLM過程進行監(jiān)測的研究比較少，尚需在傳感器的選擇、布置、信號收集與處理方面進行深入研究。

2.5 多信號融合

采用單一的傳感信號僅能反映加工過程中的某一方面信息，不能全面地反映加工狀態(tài)和缺陷信息，導致監(jiān)測的信息不全，且監(jiān)測的準確性不足，而采用多種傳感器采集多方面信號能夠比較全面的反映加工狀態(tài)，使監(jiān)測準確性大大提高。

表3中列出了近年來基于多傳感技術(shù)對SLM過程進行監(jiān)測的相關(guān)報道，可以看出，多傳感多信號融合正逐漸成為增材制造過程監(jiān)測的研究熱點。

表3 SLM過程多傳感信號和監(jiān)測Table 3 Multi-sensors singnals of SLM and monitoring

Furumoto等[123]利用FASTCAM SA5高速攝像機監(jiān)測粉床熔化過程圖片，并采用雙色高溫計監(jiān)測工件表面溫度，分析了粉末融合狀態(tài)與表面溫度的關(guān)系，為基于表面溫度控制粉末熔合狀態(tài)提供了參考。Alberts等[124]以3個光電二極管為主體構(gòu)成的光學原位同軸監(jiān)測系統(tǒng)，對SLM過程的熔池狀態(tài)進行監(jiān)測。G?khan等[125]設計了包含2個攝像機和1個二極管組成的同軸多傳感監(jiān)測系統(tǒng)，通過信號強度的變化監(jiān)測馬氏體時效鋼SLM制造過程的缺陷。Montazeri和Rao[126]集成了光電探測器、高速相機、紅外熱感攝像機3種傳感器對SLM過程進行監(jiān)測，將采集到的信號轉(zhuǎn)換為低維加權(quán)無向網(wǎng)狀圖，進而對加工零件的邊緣和內(nèi)部加工條件進行區(qū)分，傳感器布置如圖33和圖34所示。García等[65]利用熱成像儀、基于雙波混合干涉儀的激光振動計和Eta250無膜光學麥克風對增材制造過程進行監(jiān)測，很好的監(jiān)測了分層裂紋和熱影響區(qū)裂紋。

圖33 熱傳感相機和高速攝像機布局圖[126]Fig.33 Distribution of thermal sensor camera and high-speed camera[126]

圖34 多傳感器監(jiān)測布局示意圖[126]Fig.34 Diagram of multi-sensor monitoring layout[126]

由于工藝的特殊性，SLM過程監(jiān)測的難點在于：與激光焊接相比，SLM過程材料熔凝速度快、熔池尺寸小，缺陷尺寸較小，監(jiān)測的難度大；同時，熔池周圍存在羽煙、飛濺粉末等多種干擾源，嚴重影響監(jiān)測信號的精確度。針對前者需采用高分辨高采樣頻率的傳感器；針對后者，可以采用輔助光源、濾波片和衰減片等手段。同時，羽煙、飛濺本身也包含豐富的信息，可以作為信號源進行監(jiān)測。

目前較多采用的是高速攝像機和紅外熱成像儀，其中紅外熱成像儀的測量精度亟需提高。此外，麥克風、加速度傳感器、激光超聲、X射線和光譜儀等也逐漸被用于SLM過程監(jiān)測。為進一步提高監(jiān)測和識別的精度，采用多傳感器監(jiān)測，并將多信號融合已成為SLM過程監(jiān)測的發(fā)展趨勢。

3 監(jiān)測數(shù)據(jù)處理與分析方法

SLM過程監(jiān)測中會產(chǎn)生海量高維復雜數(shù)據(jù)，尤其是在多傳感監(jiān)測的背景下，數(shù)據(jù)量更加龐大，同時，SLM極快的加工速度對數(shù)據(jù)的處理速率提出了嚴苛要求。因此，需要先進的計算和分析工具。目前處理分析方法大致分為兩類，一類是傳統(tǒng)的基于統(tǒng)計的數(shù)據(jù)處理方法，另一類是基于機器學習的數(shù)據(jù)處理分析方法。

3.1 傳統(tǒng)數(shù)據(jù)處理與分析方法

傳統(tǒng)的數(shù)據(jù)處理與分析方法主要是基于信號處理的思想，包括對信號進行時頻域變換、傅里葉變換、特征提取等，得到信號特征與缺陷的對應關(guān)系。Colosimo等[69]提出了一種基于空間加權(quán)主成分分析法，并與基于k均值聚類算法的報警規(guī)則相結(jié)合，該方法能夠在時間和空間上對SLM過程缺陷進行有效監(jiān)測和識別。Zhang等[24]提出一種圖像處理算法，從熔池、羽流和飛濺中提取特征，并研究它們與構(gòu)件質(zhì)量的關(guān)系，結(jié)果表明羽流和飛濺的特征與輸入能量和熔池穩(wěn)定性有關(guān)。如圖35所示，Lane等[127]利用熱成像儀、高速可視相機、光電二極管同步采集SLM過程中的信號，并對光電信號進行聯(lián)合時頻分析，通過同步數(shù)據(jù)的圖像融合對光電信號和圖像信號進行比較，實驗表明光電信號與熔池的位置和運動有很強的關(guān)系。

圖35 圖像融合示例圖[127]Fig.35 Schematic diagram of image fusion[127]

傳統(tǒng)的數(shù)據(jù)處理與分析方法在處理少量一維數(shù)據(jù)方面能較好的分析信號特征與缺陷的定性關(guān)系，但是面對大量的一維及二維數(shù)據(jù)時會顯得捉襟見肘。為適應SLM過程監(jiān)測的新需求，需要探索更高效的數(shù)據(jù)處理方法。

3.2 基于機器學習的數(shù)據(jù)處理與分析方法

近年來，機器學習的迅速發(fā)展為深入研究SLM過程提供了重要技術(shù)手段。基于機器學習的數(shù)據(jù)處理與分析方法是SLM過程智能監(jiān)測與控制的核心。基于機器學習建立的相關(guān)模型可用于性能預測、參數(shù)優(yōu)化、缺陷識別、分類、回歸和預報等。機器學習模型可分為3類：無監(jiān)督學習、有監(jiān)督學習和半監(jiān)督學習。在有監(jiān)督學習中，一組帶有標簽的訓練集提供了輸入值和對應輸出，有監(jiān)督學習可以用于分類和回歸；在無監(jiān)督學習中，沒有帶標簽的訓練集，機器學習模型根據(jù)分組參數(shù)自動地將訓練集分為不同的簇，并識別目標類。無監(jiān)督學習主要用于探測異常條件。相應地，半監(jiān)督學習的訓練集中只有部分有標簽，主要用于只有少量標簽的問題中，可以用于分類和回歸。表4總結(jié)了基于機器學習的SLM過程監(jiān)測，下面將分別進行介紹。

表4 基于機器學習的SLM過程監(jiān)測總結(jié)Table 4 A summary of process monitoring in SLM based on machine learning

3.2.1 無監(jiān)督學習

無監(jiān)督機器學習又稱為聚類，是在對潛在數(shù)據(jù)結(jié)構(gòu)沒有先驗知識的情況下進行分組的算法。Scime等[34]使用高速相機觀測熔池，先利用計算機視覺技術(shù)構(gòu)造熔池、羽流和飛濺等特征信息，再利用無監(jiān)督機器學習對熔池進行分類，建立原位與非原位觀測結(jié)果的聯(lián)系，然后使用無監(jiān)督機器學習對熔池進行分類，所提出的機器學習方法能夠?qū)⑷鄢匦螒B(tài)劃分為4類：理想、球化、欠熔化和小孔型氣孔。Snell等[128]使用無監(jiān)督機器學習對小孔型氣孔和未熔合氣孔兩種氣孔進行分類，取得了較好的效果。Li和Anand[72]提出了一種基于神經(jīng)網(wǎng)絡的方法預測任意激光掃描方案構(gòu)件的固有應變，為激光掃描方案的優(yōu)化并獲得高質(zhì)量的構(gòu)件提供了依據(jù)。de Souza等[129]提出一種基于貝葉斯網(wǎng)絡的建模方法，并利用該模型預測增材制造構(gòu)件的幾何誤差。如圖36所示，Silbernagel等[130]將傳統(tǒng)的參數(shù)優(yōu)化過程中收集的光學圖像分割并送入卷積自動編碼器，然后進行聚類，依據(jù)聚類結(jié)果的分類質(zhì)量對算法進行評分，結(jié)果表明機器學習可以有效地對監(jiān)測結(jié)果進行分類。

圖36 無監(jiān)督機器學習的流程示意圖[130]Fig.36 Flow diagram of unsupervised machine learning[130]

3.2.2 有監(jiān)督學習

Gobert等[117]開發(fā)了一種基于監(jiān)督機器學習的SLM缺陷原位監(jiān)測算法，采用高分辨率相機收集每層的圖像，使用線性支持向量機提取和評估多維視覺特征，以三維計算機斷層掃描數(shù)據(jù)中獲得的缺陷真實位置為標簽訓練支持向量機，并進行二元分類，原位缺陷監(jiān)測準確率大于80%。Shevchik等[93]使用光纖光柵傳感器記錄低、中、高3種質(zhì)量零件生產(chǎn)過程中的聲學信號，利用小波包變換提取窄頻帶的能量作為聲學特性圖像，以頻譜卷積神經(jīng)網(wǎng)絡為分類器對不同質(zhì)量的聲學特性進行分類，結(jié)果表明該分類器的分類置信度在83%～89%之間。Yuan等[131]利用SLM過程中單個焊道寬度的平均值、標準差和焊道是否連續(xù)來標記熔池的視頻數(shù)據(jù)，利用部分標記數(shù)據(jù)訓練卷積神經(jīng)網(wǎng)絡，該卷積神經(jīng)網(wǎng)絡預測焊道寬度、標準差的相關(guān)系數(shù)分別為0.93和0.70，預測焊道連續(xù)性的準確率達到了93.1%。Aminzadeh和Kurfess[101]開發(fā)了一種用于監(jiān)測SLM過程每層熔合質(zhì)量和缺陷形成的在線監(jiān)測系統(tǒng)，利用貝葉斯分類器進行訓練和測試，結(jié)果表明該系統(tǒng)能在每層中檢測出熔合質(zhì)量差或有缺陷的區(qū)域，真陽性率和真陰性率分別為89.5%和82%。Coeck等[42]基于兩個光電二極管觀測到的熔池信號，建立熔池信號與未熔合缺陷之間的關(guān)系，預測未熔合氣孔的大小和位置，并利用計算機斷層掃描進行驗證，結(jié)果表明在氣孔體積大于0.001 mm3時，預測精度為90%。Li和Anand[72]提出一種基于神經(jīng)網(wǎng)絡的方法來預測任意填充圖形零件的固有應變，先通過熱機械模擬得到兩個不同填充圖形的固有應變，然后利用一個填充圖形獲取的數(shù)據(jù)對反向傳播神經(jīng)網(wǎng)絡進行訓練，再用另一個填充圖形獲取的數(shù)據(jù)對訓練后的網(wǎng)絡進行驗證，結(jié)果表明該網(wǎng)絡能夠以小于8%的誤差快速預測任意填充圖形的固有應力。Raitanen和Ylander[132]利用統(tǒng)計學習建立氣孔與監(jiān)測數(shù)據(jù)之間的相關(guān)性，并以此建立支持向量回歸模型，結(jié)果表明支持向量回歸能夠很好的建立熔池特征與零件質(zhì)量之間的關(guān)系。Ren等[133]利用有限元模型來生成訓練數(shù)據(jù)，并建立循環(huán)神經(jīng)網(wǎng)絡與深度神經(jīng)網(wǎng)絡相結(jié)合的熱分析模型來識別激光掃描模式與其對應的輸出溫度場之間的相關(guān)性，該熱分析模型能夠使用不同的激光掃描模式對任意幾何形狀進行溫度場預測，預測精度達到95%以上。葉冬森等[30,134-135]利用3780C1 PCB麥克風采集SLM過程中的聲信號，使用深度置信網(wǎng)絡(Deep Belief Network, DBN)算法構(gòu)建了4種不同的粉末熔化狀態(tài)與聲信號強度間的關(guān)系(如圖37所示)，并建立了不同程度的缺陷狀態(tài)同工藝參數(shù)之間的關(guān)系。

圖37 4種加工條件下的聲學信號時域圖[30]Fig.37 Acoustic signals corresponding to four conditions in the time domain[30]

如圖38所示，Zhang等[23]提取3種不同質(zhì)量焊道的熔池、羽煙和飛濺的特征，通過主成分分析(PCA)算法進行特征降維，并將特征向量作為支持向量機的輸入，對不同質(zhì)量的焊道進行分類，將熔池、羽流和飛濺的特征組合在一起，分類準確率提高到90.1%，與支持向量機相比，卷積神經(jīng)網(wǎng)絡具有更高的分類精度，分類準確率達到了92.7%。

圖38 基于有監(jiān)督學習的SLM過程監(jiān)測流程示意圖[23]Fig.38 Schematic diagram of SLM process monitoring based on supervised machine learning[23]

3.2.3 半監(jiān)督學習

Okaro等[138]提出了一種用于自動檢測增材制造產(chǎn)品缺陷的半監(jiān)督機器學習算法，先使用隨機奇異值分解從光電二極管采集的數(shù)據(jù)中提取關(guān)鍵特征，然后訓練高斯混合模型來識別缺陷，結(jié)果表明該算法能夠以較低成本獲得與監(jiān)督學習相當?shù)男Чi等[139]為緩解現(xiàn)有數(shù)據(jù)驅(qū)動方法對大量高質(zhì)量標記訓練數(shù)據(jù)的依賴，提出了一種基于識別一致性的半監(jiān)督訓練數(shù)據(jù)挖掘方法，利用深度卷積神經(jīng)網(wǎng)絡進行訓練和測試，實驗表明在僅有少量低質(zhì)量數(shù)據(jù)的情況下取得了較好的分類效果。Scime和Beuth[34]利用Photron FASTCAM Mini AX200高速攝像機收集SLM過程中熔池圖像，結(jié)合計算機視覺特征提取和無監(jiān)督學習算法對熔池進行分類，將分類結(jié)果作為監(jiān)督學習算法的輸入以監(jiān)測新的熔池缺陷，如圖39所示。

圖39 基于半監(jiān)督學習的SLM過程監(jiān)測實現(xiàn)流程圖[34]Fig.39 Flowchart of implementation of SLM process monitoring based on semi-supervised machine learning[34]

機器學習在一維及二維信號數(shù)據(jù)處理方面優(yōu)勢顯著，與SLM過程監(jiān)測實時特征提取和缺陷識別的需求非常契合，影響機器學習模型有效性的最大因素是可用于訓練的數(shù)據(jù)。基于機器學習的SLM過程監(jiān)測是智能監(jiān)測與控制的核心，已成為研究熱點。

4 質(zhì)量控制方法

基于機器學習的在線監(jiān)測已成為SLM加工狀態(tài)和缺陷識別的主要方向，基于監(jiān)測信號進行工藝調(diào)控與優(yōu)化是保證構(gòu)件質(zhì)量的可靠性和制造的可重復性的關(guān)鍵。SLM構(gòu)件的生產(chǎn)及質(zhì)量控制如圖40所示[140]。目前，SLM構(gòu)件質(zhì)量的控制手段分為非閉環(huán)控制和閉環(huán)控制兩大類。

圖40 SLM生產(chǎn)周期及質(zhì)量控制[140]Fig.40 SLM lifecycle and quality control[140]

4.1 非閉環(huán)控制

非閉環(huán)控制是在設計過程中，根據(jù)構(gòu)件結(jié)構(gòu)特點和先驗知識確定構(gòu)件不同部位的加工工藝參數(shù)，從而保證構(gòu)件的性能和質(zhì)量。如圖41所示，Druzgalski等[141]提出一種可用于任意幾何形狀零件工藝優(yōu)化的方法，先利用特征提取識別需要參數(shù)自適應的掃描向量，然后采用基于仿真的前饋控制模型進行快速參數(shù)優(yōu)化，再利用誘導遷移或者遷移學習算法將優(yōu)化策略自動轉(zhuǎn)移到新的零件設計中，實驗驗證了該方法進行局部工藝優(yōu)化的優(yōu)越性。Martin等[45]采用X射線同步輻射和ALE3D多物場軟件研究了TC4金屬粉末增材制造過程中，激光束按照設定掃描路徑改變方向時氣孔的形成機制，同時提出了此類氣孔的抑制方法。激光束改變方向時，激光功率不變，掃描速度先減少后增大，導致能量密度先增加后減少，會在轉(zhuǎn)向點附近形成小孔型氣孔，根據(jù)激光束距轉(zhuǎn)向點的距離動態(tài)調(diào)整激光功率可以有效減少這類氣孔。

圖41 SLM工藝優(yōu)化后的實驗結(jié)果[141]Fig.41 Experimental results of SLM with optimized process parameters[141]

Yeung等[59]基于IN625塊狀材料與粉末材料熱導率相差大的特點(粉末的熱導率小于凝固材料的1%)，提出了利用打印件周圍凝固材料和粉末材料的比例調(diào)整局部打印功率的思路，并定義了“幾何熱導因子”參數(shù)，以此作為局部功率調(diào)控的依據(jù)，在打印邊緣和懸臂位置處，可以減少激光功率，使打印構(gòu)件不同位置時熔池的形狀和尺寸保持一致，保證了制造過程的穩(wěn)定性，如圖42所示，IN625金屬構(gòu)件的上表面和懸臂面的表面質(zhì)量大幅提高。

圖42 構(gòu)件表面質(zhì)量檢測結(jié)果[59]Fig.42 Measurement results of parts[59]

4.2 閉環(huán)控制

閉環(huán)反饋控制系統(tǒng)可以根據(jù)熔池的形狀變化實時調(diào)整工藝參數(shù)(掃描速度、激光功率、掃描間距等)，從而使熔池的尺寸保持穩(wěn)定；還可以通過溫度場數(shù)據(jù)實時調(diào)整工藝參數(shù)[142-143]，使SLM過程中溫度分布穩(wěn)定，從而減少過熔透或者欠熔合缺陷發(fā)生，減少氣孔。Fleming等[144]通過內(nèi)聯(lián)相干成像系統(tǒng)監(jiān)測SLM過程每一層加工前和加工后的形貌，識別凸起和凹陷，對凸起的區(qū)域進行重熔并填充凹陷的區(qū)域，實現(xiàn)了凝固層表面質(zhì)量的人為閉環(huán)控制。Renken等[145]采用高溫計監(jiān)測SLM過程熔池溫度，通過實時調(diào)整激光功率使熔池溫度保持穩(wěn)定，實現(xiàn)了SLM過程的閉環(huán)控制，響應時間為46 μs。Huang等[146]采用熱成像儀監(jiān)測SLM過程凝固層溫度分布，建立了掃描速度與溫度分布的關(guān)系，通過實時調(diào)整掃描速率是凝固層溫度維持穩(wěn)定，實現(xiàn)了SLM過程的閉環(huán)控制。如圖43所示，Vasileska等[147]通過實時控制熔池面積實現(xiàn)了SLM過程的閉環(huán)控制，減少了凝固層的翹曲缺陷。

圖43 SLM過程控制[147]Fig.43 Control of SLM process[147]

在SLM過程中集成機器視覺、數(shù)據(jù)采集、圖像處理、數(shù)據(jù)分析和反饋控制，從而實現(xiàn)實時監(jiān)測、閉環(huán)反饋控制和缺陷修正，對SLM構(gòu)件的質(zhì)量提升和靈活制造有重要意義。然而，SLM過程速度快，對反饋控制要求苛刻，因此需要優(yōu)化機器學習算法，提升缺陷識別并工藝參數(shù)調(diào)整速度。目前，在SLM過程控制方案中，基于機器學習反饋控制策略剛剛興起，還需要深入研究。

5 總結(jié)與展望

綜述了選擇性激光熔化過程智能監(jiān)測和控制技術(shù)，對SLM過程常見的缺陷及其形成過程進行了較為全面的分析；對SLM過程中產(chǎn)生的光、聲、熱和振動等信號進行了詳細描述，總結(jié)了信號和缺陷的對應關(guān)系；梳理了常用于SLM過程監(jiān)測的不同傳感器及其采集的信號特征；總結(jié)了信號處理方法，分析了機器學習方法在SLM過程監(jiān)測中的應用；綜述了質(zhì)量控制方法，包括非閉環(huán)控制和實時反饋控制。通過對近十年相關(guān)文獻分析，總結(jié)和概括如下：

1) 國內(nèi)外學者通過實驗及數(shù)值模擬等手段對SLM過程常見的缺陷及其產(chǎn)生機理進行了深入地研究，但目前對SLM構(gòu)件裂紋的研究還較少，裂紋對構(gòu)件的力學性能有致命影響，需深入研究。

2) 聲、光、熱等多種傳感器已經(jīng)在研究中得到應用，并能定性的建立監(jiān)測信號與工藝或缺陷的關(guān)系，然而，監(jiān)測傳感器的精度，采集信號的準確性方面還有待提高，要建立工藝-信號-缺陷的定量關(guān)系還面臨很大的挑戰(zhàn)。

3) 機器學習算法已經(jīng)在SLM過程監(jiān)測中得到應用：基于采集的信號，提取特征，采用機器學習算法建立信號和缺陷或者工藝之間的關(guān)系，對缺陷或加工狀態(tài)進行分類或預測。然而，目前監(jiān)測信號處理主要在SLM加工后，SLM過程中激光掃描速度快，要實現(xiàn)實時監(jiān)測和控制，需考慮數(shù)據(jù)的處理時間。

4) 在反饋控制方面，主要是在工藝規(guī)劃階段考慮構(gòu)件的尺寸和形狀特殊性，設置路徑和工藝參數(shù)，實現(xiàn)質(zhì)量控制。基于監(jiān)測信號的實時反饋控制的研究較少，尚待深入。

目前，針對SLM過程智能監(jiān)測和實時反饋控制研究主要有以下發(fā)展趨勢：

1) 信號-缺陷-工藝參數(shù)的定量關(guān)系。SLM為制造復雜構(gòu)架提供了手段，但是如何保證構(gòu)件質(zhì)量的可靠性和制造的可重復性仍是一大挑戰(zhàn)。原位監(jiān)測和實時反饋控制是解決這一挑戰(zhàn)的重要手段。過程監(jiān)測的最終目的是為實時閉環(huán)控制提供可靠的數(shù)據(jù)。建立監(jiān)測變量及特征與工藝、構(gòu)件質(zhì)量之間的定量關(guān)系是實現(xiàn)SLM過程實時反饋控制的前提。建立傳感信號特征與缺陷、缺陷與工藝參數(shù)及傳感信號-缺陷-工藝參數(shù)之間的定量關(guān)系是SLM過程監(jiān)測的重要發(fā)展方向。

2) 多傳感器監(jiān)測、多傳感信號融合。基于單一的聲、光、熱等傳感信號的過程監(jiān)測具有很大的局限性，采集到的信號比較片面、準確度較低。基于多傳感器監(jiān)測光、聲、熱等多種信號能夠提供更加全面的、可靠的、精確的信息以實時監(jiān)測加工狀態(tài)和識別缺陷，并為實時反饋控制提供依據(jù)。相應地，必將涉及到多類型、多維度傳感信號的融合問題，將多傳感多源信號數(shù)據(jù)融合，最大限度的挖掘信息并判斷SLM過程狀態(tài)和缺陷是SLM過程監(jiān)智能測需要解決的問題之一，也是SLM過程監(jiān)測未來的發(fā)展趨勢。

3) 基于機器學習的SLM過程監(jiān)測與實時控制。SLM過程激光束逐層快速掃描，要求快速地采集信號并迅速做出判斷。監(jiān)測過程采集的信號數(shù)據(jù)量大，傳統(tǒng)的傅里葉變換、概率密度分度分析、小波包分解等很難快速準確地的分析并做出決策。機器學習算法可以快速提取信號特征、識別缺陷類型，并迅速調(diào)整工藝參數(shù)。

4) 面向全尺寸構(gòu)件的全過程監(jiān)測與實時質(zhì)量控制技術(shù)。目前，SLM過程監(jiān)測與控制研究多針對單道掃描或者小尺寸簡單試件。如何對工業(yè)生產(chǎn)中大尺寸構(gòu)件制造的全過程監(jiān)測與控制仍面臨諸多挑戰(zhàn)，也是未來重要的發(fā)展方向之一。

致謝

感謝課題組博士研究生李京昌，碩士研究生羅舒楊、徐杰和李夢磊等對本文撰寫的大力協(xié)助與支持。