西南交大增材顶刊邀请综述：工艺-结构-性能-寿命一体化评价方法

在金属材料及部件先进近终形制造领域，电弧增材制造能够显著增强设计自由度与制造多元化，更容易实现中大型部件的一体化成型制造。而通过结合工艺过程中诸如各向异性的微观结构、广泛分布的缺陷、深层累积的残余应力和复杂的表面粗糙度等因素，从而建立工艺-结构-性能-寿命（Process-Structure-Properties-Performance, PSPP）一体化评价方法，将成为推动金属增材制造技术在大型结构金属部件制造领域广泛应用的重要课题和有效策略。

https://doi.org/10.1080/17452759.2024.2390495

近日，吴圣川课题组在Virtual and Physical Prototyping(IF=10.6)上发表题为"State-of-art review on the process-structure-properties-performance linkage in wire arc additive manufacturing"邀请综述论文。轨道交通运载系统全国重点实验室博士生张涵为论文第一作者，吴圣川研究员、刘军江助理教授和太行实验室雷力明研究员为共同通讯作者。该研究工作得到太行实验室重点课题项目（C2024-1-0405）和国基金大科学装置联合基金（U2032121）支持。

研究背景

增材制造(AM)技术能够根据数字模型逐层构建三维部件，打破了传统制造模式的束缚，提升了设计的自由度和灵活性，同时缩短了产品从概念到实物的市场期望。为了应对大型且复杂部件的制造技术挑战，电弧增材制造技术（Wire Arc Additive Manufacturing, WAAM）凭借其高效能、低成本、卓越的材料利用率以及显著的生态友好特性，赢得了工业制造领域青睐。WAAM技术通过精简中间环节，减少了材料损耗，并有效缩短了制造周期及后续加工时间，从而被视为“绿色技术”。截至目前，WAAM技术已成功应用于多种工程材料领域，展现出巨大的应用潜力和广阔的发展前景，论文系统总结了WAAM 技术当前研究和发展情况。

WAAM工艺过程面临快速冷却、热循环诱发的材料瑕疵如气孔、开裂及高残余应力等挑战，这些均削弱了部件的机械强度与疲劳耐久性，直接关系到服役行为，因此，开展过程-结构-性能-寿命（PSPP）一体化评价尤为重要，核心是聚焦于微观结构、缺陷、残余应力及粗糙度的综合影响。我们知道，传统研究依赖实验分析、理论建模和数值求解来构建PSPP模型，其在探索金属增材工艺参数、影响因素和机械性能之间错综复杂的多因素耦合关系方面存在明显局限性和较大偏差，从而导致在预测宏观机械性能和服役寿命时，难以满足对精度和易用性的要求。

作为解析高维数据复杂性的强大工具，机器学习（ML）近年来在增材制造领域，特别是WAAM技术中，展现出前所未有的研究潜力，图1展示了机器学习在 WAAM 领域建立PSPP关系的示意图。总体上，PSPP应用边界正随着ML的介入而不断拓展，它以一种前所未有的方式整合了从材料制备到部件服役全生命周期的关键要素，为工艺、结构、性能与服役寿命一体化评价开辟了新思路。

论文力图对WAAM技术的最新进展进行一次全面、系统、深入的梳理和分析。通过聚焦于工艺过程、与工艺相关的缺陷、微观结构、残余应力、表面粗糙度，得以实现相关机械性能与服役寿命的量化评价。展现了WAAM技术中过程-结构-性能-服役寿命（PSPP）一体化评价框架的独特优势，同时也讨论了其当前存在的局限性与挑战，共同推动PSPP评价成为制造业转型升级的重要节点。

图1 基于机器学习建立的WAAM技术PSPP关系示意图

内容简介

论文首先以制造工艺为切入点，简单介绍了WAAM是一种将电弧焊与增材制造相结合的先进制造方法，而气体钨极电弧焊(GTAW)、气体金属电弧焊(GMAW)和等离子弧焊(PAW)是WAAM工艺的三种形式。随后，分别介绍了各自工艺参数、特点及应用场景等。尽管WAAM与传统制造方法相比具有诸多优势，尤其在生产效率方面，但仍存在一些问题，比如，WAAM工艺很难生产出所需特征和精度的近终形成品件，阻碍其大规模工业应用。电弧混合增材制造(Hybrid-WAAM)应运而生，其采用两个或多个连续工艺来制造成品零件，通过施加辅助场提升WAAM的性能。这些增材制造技术为生产金属基材料提供了多样化的选择，并可以根据具体需求和应用场景选择合适的技术途径。

随后，对WAAM工艺的制造过程控制展开了详细描述。通过传感器监测，可实时调整工艺参数。这些动态调整对于在整个材料沉积过程中保持最佳条件至关重要，确保了最终产品的结构完整性和尺寸精度。除了对WAAM工艺过程的监控之外，多维和多尺度表征技术在WAAM构件的监测至关重要，是制造过程中精确控制和优化微观结构的关键，如图2所示。此外，ML模型在PSPP框架内建立定量映射关系，通过利用实时监控和离线监测的历史数据进行预测以进一步完善工艺，从而实现高性能材料的快速迭代、低成本开发和广泛的应用。

图2 WAAM成形Ti6Al4V合金疲劳损伤行为的多维和多尺度相关成像表征

WAAM所涉及的动态过程复杂，确定工艺-结构-性能-服役(PSPP)关系对于WAAM过程理解尤为关键。例如，研究人员开发了多尺度模型来定义PSPP关系。WAAM技术生产的构件的机械性能和服役寿命受到四个主要因素的显著影响：微观结构、内部缺陷、残余应力和表面粗糙度，如图4所示。这些因素与工艺参数密切相关，论文全面综述了这些影响因素与工艺参数之间的关系,例如经典的Murakami模型、Manson-Coffin公式等。研究一般通过常规实验和物理建模探索它们之间的相互作用机制，目的是建立工艺、结构和性能以及服役寿命之间的关系。这种方法旨在获得深刻的启示，促进WAAM工艺和部件设计的优化。基于物理信息的一体化评价能够更深刻地理解工艺-结构-性能-服役行为之间的潜在相互关系，从而实现多尺度动态过程建模。

受各向异性结构、广泛的缺陷分布、深残余应力和复杂的表面粗糙度等多种因素的影响，基于传统经验模型和有限数据预测增材制造中金属机械性能的效率和准确性面临严峻挑战。近年来，随着大数据和人工智能的发展，机器学习（ML）方法为有效处理高维物理量之间复杂的非线性关系提供了契机。将机器学习研究引入WAAM的趋势日益明显，如图3所示，这项研究采用了机器学习技术，将传统经验模型和数据集进行输入，其目的是建立工艺-结构-性能-服役行为之间的关联机制，以控制工艺参数和优化构件质量。

图3 WAAM工艺制造的金属构件PSPP关系示意图

图4 机器学习驱动下WAAM金属构件PSPP关系示意图

WAAM虽然应用前景广阔、发展潜力巨大，但也面临着众多挑战。(1) WAAM构件的复杂PSPP关系建模问题。为将工艺与结构、性能以及构件服役行为准确关联，需结合新技术、新手段，如利用原位观察和高分辨率成像以及高保真模拟来获取丰富的训练数据。进一步开发用于WAAM工艺的多尺度ML模型及高效的算法，增强基于物理信息的建模技术，通过确定PSPP关系对构件性能进行控制。(2) WAAM国产的实时监测与控制。可借助高速数据采集、传感器融合以及原位监测技术，如高分辨率X射线成像和超声检测，以增强缺陷检测和质量控制。并且开发自适应控制系统和预测建模，结合云计算和边缘计算，可以管理控制系统的复杂性和计算需求。(3) WAAM产品标准化与物理机制引入。为提高训练样本的质量和数量，可以结合数据增强技术。这些技术允许整合来自实验数据、模拟结果或先验知识的不同尺度和物理量的多样数据并进行标准化。此外，可构建物理机制驱动的ML模型，以提高模型的准确性、可解释性、泛化能力以及降低的数据依赖性。

在深入探讨增材制造领域的前沿技术时，我们不可忽视选择性激光熔化（Selective Laser Melting, 简称SLM）。两者共同遵循的核心原则是基于逐层累积的构造策略，精确构建复杂的三维结构体。具体而言，SLM技术运用高能激光束作为热源，通过精确控制金属粉末的熔融与凝固过程，在三维空间中逐点、逐层地“绘制”出设计蓝图，实现了极高的制造精度与复杂结构的直接成型。而WAAM技术则利用电弧焊接原理，通过连续送丝与精确控制的电弧热输入，实现金属丝材的逐层沉积与熔合，构建出具有高强度与良好致密性的实体结构。

展望未来，期待WAAM技术能够发挥桥梁作用，不仅在其应用领域内推动PSPP的综合评价体系的深入应用与优化，而且有望拓展至包括SLM在内的其他增材制造技术，构建一套跨技术平台的综合性评价体系。这一目标的实现，将依赖于深入的科学研究与广泛的实践探索，旨在推动整个增材制造行业向更高层次的智能化、精密化方向发展，为工业制造领域带来深远的变革与显著的飞跃。

团队工作简介

近年来，西南交通大学吴圣川课题组研制了基于同步辐射光源三维成像技术的原位拉压、微动疲劳、接触磨损、轴向/旋弯疲劳及超高温/超低温/强腐蚀等先进材料结构内部损伤表征的系列原创装置，提出了增材制造和焊接构件内部损伤的图像力学方法（3D+时间+损伤），建立了应力水平-缺陷临界-疲劳寿命的三参数K-T评定图（或W-W参数模型），创立了基于先进光源的结构内部损伤原位跨尺度表征方向，入选《中国力学2035发展战略》，基于高时空分辨的原位超高周疲劳试验技术被国家标准《超高周疲劳超声疲劳试验方法》确定为第三方验证方法，相关成果在Nature子刊、Acta Mater、Int J Mech Sci、Int J Fatigue等期刊发表，多篇入选ESI高被引论文，授权发明16件，出版论著《材料疲劳损伤行为的先进光源表征技术》和《增材制造先进材料及结构完整性》，试验数据与模型被国际科研领军软件Thermo Fisher Scientific采纳，兼任Int J Fatigue编委及Tomo Mater Struct创刊编委，部分成果支撑了2022年中国质量技术一等奖（排名2）。