本综述分析了机器学习（ML）在直接能量沉积（DED）和线弧增材制造（WAAM）中的应用。自 2020 年以来，深度学习、模糊逻辑和物理信息神经网络等方法已逐步从孤立实验转向主流研究，推动了增材制造技术的发展。尽管取得了显著进展，但在闭环过程控制、跨机器泛化及位置特定的机械效应整合等方面仍存在挑战。研究指出，未来的研究应关注位置感知建模、实时闭环控制以及不确定性量化等方向，同时解决数据集不足、方法比较缺乏等问题，以推动增材制造的进一步发展。
温莎大学的研究人员在ResearchGate上发表的一篇综述分析了机器学习（ML）在直接能量沉积（DED）和线弧增材制造（WAAM）中的应用。综述涵盖了2010年到2025年中期之间的研究，显示出自2020年以来，研究活动迅速增长，深度学习、模糊逻辑和物理信息神经网络等方法已从孤立实验发展为主流话题。尽管取得了显著进展，但在闭环过程控制、跨机器的泛化能力和位置特定的机械效应整合等方面仍然存在差距。
作者开发了一段Python脚本来自动化地检索Crossref文献数据库。通过结合DED过程和机器学习技术的关键词集，成功检索到相关文献并去除了重复项。每篇文献都经过人工检查，确保研究确实将机器学习应用于DED或WAAM。虽然这种方法涵盖了该领域的广泛内容，但数据集仅限于Crossref索引的内容，排除了Scopus或Web of Science等专有数据库。这引入了一定程度的偏差，但仍然提供了人工智能如何进入这一金属3D打印分支的代表性概述。
DED系统的分类，基于能量源和工艺特性。图片来自温莎大学。
从早期基础到转折点
2010年代前半期的研究稀少且探索性强。最初的研究测试了模糊逻辑模型来调节激光熔覆中的扫描速度，并应用简单的神经网络来预测熔覆质量或优化熔池几何形状。这些项目展示了数据驱动方法的可行性，但仍局限于狭窄的参数优化任务。
到2016年，无监督方法开始出现。一项研究使用聚类方法对激光熔覆的熔覆珠进行分类，另一项研究使用神经网络来提高喷嘴效率。递归神经网络在2018年进入该领域，用于预测时间序列的温度数据。一年后，卷积神经网络（CNN）被引入用于基于图像的缺陷检测，为更复杂的视觉驱动监测铺平了道路。
自2020年以来，研究活动急剧上升。CNN被训练用于同轴图像以识别铝合金沉积中的孔隙率。高斯过程回归模型被开发用于预测变形过程中的应变率，强化学习框架也被测试用于优化激光臂在多轨沉积中的运动。这一时期标志着从孤立演示到先进架构的系统性应用的决定性转变。
发布论文数量的趋势—橙色条预测了2025年7月到年底之间将发表的论文数量。图片来自温莎大学。
2020年后的多样化
2020年以后发布的研究拓宽了机器学习在DED中的应用范围。随机森林分类器被用于分割线材工艺中的孔隙率，而长短期记忆（LSTM）网络则预测熔池温度。结合神经网络与有限元仿真的混合框架能够预测过渡温度，帮助减少WAAM中的热缺陷。到2022年，物理信息神经网络应运而生，将控制方程嵌入到训练过程中，平衡了预测精度和遵循物理定律的要求。
更近期的研究进入了混合和时间模型领域。2023年，门控递归单元（GRU）网络在预测熔池动力学方面优于CNN和密集神经网络，表明序列架构在捕捉时间依赖性方面更为有效。2025年出现了半监督方法，结合回归和无监督聚类，用于从传感器输入中提取隐藏特征，从而解决了高质量标注数据集的短缺问题，同时保持模型的鲁棒性。
2010年到2025年DED研究中最热门的六种机器学习方法，根据关键词统计。图片来自温莎大学。
部署障碍
尽管方法和应用迅速增长，但仍有多个障碍限制了工业应用。闭环控制仍然罕见，大多数模型运行在开环配置中，即传感器数据用于预测，但并未实时调整工艺参数。与沉积位置相关的效应，如边缘的应力积累或角落附近的畸变，仍然得不到很好的体现，尽管这些效应对最终部件性能有显著影响。
数据限制是另一个障碍。捕捉热-机械耦合行为的高保真有限元模型计算开销巨大，限制了数据集的规模。实验数据的收集也面临类似挑战，因为标注应力场或微观结构的精度要求非常高。这些因素解释了为什么监督模型在文献中占主导地位，而无监督和半监督方法仍处于欠开发阶段。
方法学的多样性也使该领域更加复杂。回归、支持向量机、模糊逻辑、聚类和深度学习等方法在研究中都有出现，但很少有对比性研究在相同条件下评估这些方法。缺乏基准测试意味着最佳实践尚未确立，尤其是在缺陷检测、熔池监测或残余应力预测等应用中。
集成AI和ML的DED制造路线图。图片来自温莎大学。
展望
温莎大学的综述指出了未来研究的若干优先方向。位置感知建模，能够编码沉积历史和工具路径策略，对于预测各向异性和部件可靠性至关重要。实时闭环控制，将神经网络与传感器反馈集成，被视为向自适应制造系统迈出的关键一步。
物理信息模型继续受到关注。通过将物理约束嵌入数据驱动架构，它们在热-机械仿真中提供了可解释性和预测效率的平衡。另一个尚未深入研究的领域是不确定性量化。概率方法可以为预测提供置信区间，这对于航空航天和国防等安全关键应用至关重要。
综述还指出了研究重点的不平衡。工艺优化和熔池几何形状占主导地位，而缺陷分类、多目标预测和实时自适应控制的研究较少。解决这些差距将需要更大、更具代表性的数据集，方法的对比评估以及将空间和时间变异性整合到模型设计中的努力。
具有跨层过渡的特殊多材料构建。图片来自温莎大学。
