熔池科幻影视

分享：激光粉末床熔融成形HR-2抗氢钢的研究进展

河南科技大学、洛阳船舶材料研究所、重庆大学等多家单位的科研人员报道了基于蚁群优化-支持向量回归的矩形光斑激光熔覆熔池几何形貌分析与预测研究进展。相关论文以“Analysis and Prediction of Melt Pool Geometry in Rec

作为一种先进的金属增材制造技术，激光定向能量沉积（DED-LB）近年来备受关注，并日益广泛应用于航空航天、汽车制造、船舶工业和生物医疗等领域。然而，随着行业应用标准的不断提高，DED-LB在零件质量、工艺稳定性和成形效率方面面临的挑战日益突出。在线监测与实时质

贵州大学、重庆邮电大学、重庆理工大学、贵州省核能部件材料及制造技术重点实验室的科研人员综述报道了难焊高温合金的激光粉末床熔融技术研究进展。相关论文以“Advances in laser powder bed fusion of hard-to-weld sup

据悉，福建理工大学的科研人员报道了焊接缺陷检测：基于深度学习的图像处理与缺陷形成机理。相关论文以“Weld Defect Detection: Deep Learning-Based Image Processing and the Mechanisms of

大尺寸激光粉末床熔融（LPBF）技术因其能够制造复杂大型构件而备受青睐，随着成型尺寸的增大飞溅物残留问题日益凸显，严重影响了成型零件质量稳定性。汕头大学刘子欣博士联合华南理工大学杨永强教授团队与新加坡国立大学闫文韬副教授团队在《Journal of Mater

金属增材制造带来了前所未有的设计自由度，但在涉及到安全关键的领域中，其规模化应用之路往往受限于质量控制的“黑箱”。机器学习技术则有望点亮工艺参数与最终性能之间的盲区，为生产过程的精准导航与自主决策提供可能，是推动增材制造摆脱人工试错，走向智能化制造的引擎之一。

本综述聚焦于机器学习辅助金属增材制造成形质量控制优化及预测研究。基于金属增材制造质量控制的过程，研究主要包括六个方面，并探讨了该领域面临的挑战，同时提出了机器学习在金属增材制造领域的未来发展方向。

低碳钢S45C作为常见的结构钢，具有成本较低、易获取、加工性能良好等特点，且其热-流体性能（如密度、热导率、表面张力等）已被充分研究，为激光送丝定向能量沉积（DED）的数值模拟和实验验证提供了可靠的材料属性基础，适合作为该工艺研究的典型材料。相比粉末式DED，

双相不锈钢 2209 具备良好的力学强度与耐腐蚀性，可满足高精度、高质量部件的制造需求；激光送丝定向能量沉积（DED-LB/w）具备灵活性和精准性，沉积率高，过程可控性强，工业适配性广。

激光增材制造（LAM）已广泛应用于航空航天、核电、船舶等高端制造领域。然而，由于激光增材制造过程中存在极大的温度梯度、较快的冷却速率，且涉及毫秒级时间尺度与微米级空间尺度，直接且连续观测该过程中复杂的激光 - 物质相互作用、熔体液流及缺陷形成，仍是一项重大挑战

环芯可调激光焊（ring-core Adjustable Laser Welding）因其具备跨越间隙、调控组织以及提升焊缝力学性能的能力，正受到越来越广泛的关注。然而，在窄间隙结构中，熔池形貌的形成机理及其对组织和力学性能沿厚度方向非均匀性的影响机制，仍缺乏

激光增材制造（LAM）已广泛应用于航空航天、核能和船舶等高端制造领域。然而，由于存在极大的温度梯度、极快的冷却速率，以及毫秒级时间和微米级空间尺度等特征，对 LAM 过程中复杂的激光-物质相互作用、熔池流动及缺陷形成进行直接、连续的观测仍是一项重大挑战。同步辐