美國西北大學(xué)發(fā)布新成果：可推進激光DED過程控制的數(shù)字孿生框架

2025年10月8日，南極熊獲悉，美國西北大學(xué)和凱斯西儲大學(xué)的研究人員公布了一個數(shù)字孿生框架，旨在利用機器學(xué)習(xí)和貝葉斯優(yōu)化技術(shù)來優(yōu)化激光定向能量沉積 (DED)制造過程。數(shù)字孿生框架將用于預(yù)測熱建模的貝葉斯長短期記憶(LSTM) 神經(jīng)網(wǎng)絡(luò)與用于工藝優(yōu)化的新算法相結(jié)合，建立了迄今為止最完整的金屬增材制造數(shù)字孿生實施方案之一。

這項題為《Towards a digital twin framework inadditive manufacturing: Machine learning and bayesian optimization for timeseries process optimization/邁向增材制造中的數(shù)字孿生框架：機器學(xué)習(xí)和貝葉斯優(yōu)化用于時間序列過程優(yōu)化》的研究發(fā)表在《制造系統(tǒng)雜志》上。它致力于實現(xiàn)DED中的實時自適應(yīng)控制。

論文鏈接：https://doi.org/10.1016/j.jmsy.2024.04.023

DED是一種增材工藝，以其在功能梯度材料和修復(fù)應(yīng)用方面的潛力而聞名，但常常受到熱不穩(wěn)定性以及部件間差異性的限制。

△論文提出的DED增材制造數(shù)字孿生框架示意圖。圖片來自《制造系統(tǒng)雜志》。

邁向增材制造真正的數(shù)字孿生

在金屬增材制造中，DED系統(tǒng)將激光束照射到基板上，同時輸送金屬粉末或金屬絲，逐層構(gòu)建零件。雖然DED工藝可以實現(xiàn)近凈成形制造和材料定制，但也會產(chǎn)生周期性熱波動，導(dǎo)致微觀結(jié)構(gòu)不均勻性和機械各向異性。

現(xiàn)有的反饋控制方法，例如PID或前饋控制器，雖然可以緩解一些熱變化，但仍然受到單向信息流和無法預(yù)測未建模干擾的限制。西北大學(xué)的研究團隊試圖通過創(chuàng)建一個完全雙向的數(shù)字孿生框架來克服這些挑戰(zhàn)，可以在模擬和物理DED過程之間持續(xù)交換數(shù)據(jù)，從而實現(xiàn)動態(tài)的模型預(yù)測控制。

與僅反映流程行為的所謂“數(shù)字陰影”不同，數(shù)字孿生框架能夠動態(tài)更新虛擬模型，并將優(yōu)化后的流程參數(shù)發(fā)送回機器。作者認為，這種能力對于實現(xiàn)工業(yè) 4.0 愿景至關(guān)重要，即打造能夠智能自我修正的信息物理制造系統(tǒng)。

△基于 LSTM 的神經(jīng)網(wǎng)絡(luò)架構(gòu)，用于預(yù)測不同空間位置的溫度。圖片來自《制造系統(tǒng)雜志》。

不確定性量化的實時預(yù)測

數(shù)字孿生框架的核心是一個貝葉斯長短期記憶 (LSTM) 替代模型，經(jīng)過訓(xùn)練模型可以預(yù)測激光沉積過程中零件的溫度變化。新模型取代了計算成本高昂的有限元法 (FEM) 模擬，后者速度太慢，無法進行實時操作。

神經(jīng)網(wǎng)絡(luò)使用西北大學(xué)的增材快速成型儀 (ARPI) 生成的高保真熱數(shù)據(jù)進行訓(xùn)練，模擬 Inconel 718 中的薄壁構(gòu)造。每個數(shù)據(jù)集都改變激光功率、頻率和掃描路徑，以捕捉各種熱行為。

通過將蒙特卡羅隨機失活 (Dropout) 與變分貝葉斯推斷相結(jié)合，新模型不僅可以估算預(yù)期溫度，還可以估算置信區(qū)間，從而量化由材料變異性、測量噪聲或模型簡化引起的不確定性。此功能使數(shù)字孿生能夠在不確定的情況下做出明智的調(diào)整，這是動態(tài)過程控制的一項重要特性。

模型在獨立數(shù)據(jù)集驗證中，R2 得分達到 0.75，展現(xiàn)出強大的實時應(yīng)用準(zhǔn)確性。在活躍熔池附近（反饋數(shù)據(jù)可用）的預(yù)測最為精確，而在零件較深或熱滯后區(qū)域，預(yù)測結(jié)果的準(zhǔn)確性會降低。

據(jù)作者稱，這種替代建模方法為未來物理 DED-DT 系統(tǒng)中的實時模型預(yù)測控制 (MPC) 奠定了基礎(chǔ)。

時間序列控制的貝葉斯優(yōu)化

為了補充預(yù)測模型，研究人員開發(fā)了時間序列過程優(yōu)化的貝葉斯優(yōu)化（BOTSPO），這是一種用于確定隨時間變化的最佳激光功率分布的數(shù)據(jù)高效算法。

由于時間序列數(shù)據(jù)的高維性，傳統(tǒng)的DED參數(shù)優(yōu)化計算成本高昂。BOTSPO通過將激光功率曲線表示為僅由十個可調(diào)參數(shù)（包括振幅、頻率、相位、線性趨勢、季節(jié)性及其變化率）定義的修正傅里葉級數(shù)，解決了這一難題。

△貝葉斯時間序列過程優(yōu)化（BOTSPO）中的數(shù)據(jù)流框架。圖片來自《制造系統(tǒng)雜志》。

高斯過程 (GP) 模型評估每個候選曲線對目標(biāo)的影響，在本例中是熱處理時間，即材料在 Inconel 718 合金 γ” 相沉淀硬化的關(guān)鍵溫度范圍 (654–857 °C) 內(nèi)停留的時間。然后，優(yōu)化器使用置信上限 (UCB) 獲取函數(shù)來平衡探索和利用，并根據(jù)模型不確定性動態(tài)調(diào)整搜索。

BOTSPO 應(yīng)用于模擬的薄壁幾何形狀后，平均熱處理時間從 30.3 秒提升至 38.2 秒，提升了 26%。早期迭代進行了廣泛的探索，而后期迭代則優(yōu)化了功率軌跡，使其達到最佳順序：初始激光功率較高以促進均勻加熱，然后隨著散熱量隨著構(gòu)建高度的增加而逐漸降低功率。

△不同 BOTSPO 迭代中的激光功率分布，目的是最大化熱處理時間；第一個圖是迭代 1 時的激光功率分布，第二個圖是迭代25 時的激光功率分布，第三個圖是迭代 50 時的激光功率分布。圖片來自《制造系統(tǒng)雜志》。

結(jié)果雖然顯示有提高增材部件機械性能潛力，但也揭示了在整個部件中實現(xiàn)熱均勻性仍存在挑戰(zhàn)，這是研究團隊計劃的多目標(biāo)擴展的重點。

通過數(shù)字孿生連接模擬和控制

所提出的數(shù)字孿生架構(gòu)將 BOTSPO 實現(xiàn)的離線優(yōu)化與貝葉斯長短期記憶 (LSTM) 驅(qū)動的在線預(yù)測控制相連接。在實踐中，優(yōu)化后的激光功率分布可作為數(shù)字孿生實時控制器的參考軌跡，控制器可根據(jù)現(xiàn)場傳感器反饋動態(tài)修改輸入。

上述工作流程代表著邁向自主增材制造過程控制的重要一步，它將基于物理的模型、數(shù)據(jù)驅(qū)動的學(xué)習(xí)和動態(tài)決策結(jié)合在一個統(tǒng)一的系統(tǒng)中。據(jù)作者介紹，下一階段的研究將集中于將數(shù)字孿生架構(gòu)與物理DED系統(tǒng)集成，并開發(fā)用于校正制造過程中模擬漂移的連續(xù)模型更新。

邁向數(shù)據(jù)驅(qū)動的增材制造

通過將不確定性感知神經(jīng)網(wǎng)絡(luò)與自適應(yīng)貝葉斯優(yōu)化相結(jié)合，西北大學(xué)領(lǐng)導(dǎo)的研究團隊展示了一條通往金屬增材制造智能數(shù)字孿生的實用途徑。這項研究凸顯了增材制造研究的更廣泛轉(zhuǎn)變，即從靜態(tài)過程監(jiān)控轉(zhuǎn)向能夠自我優(yōu)化的預(yù)測性、反饋式系統(tǒng)。

這項工作得到了美國國家科學(xué)基金會混合自主制造工程研究中心：從進化到革命（ERC-HAMMER）、美國國家科學(xué)基金會研究生獎學(xué)金以及西北大學(xué)預(yù)測科學(xué)與工程設(shè)計集群的支持。

此外，全球數(shù)字孿生技術(shù)正在工業(yè)和人工智能研究領(lǐng)域迅速擴展。今年早些時候，SecondLife 獲得了 1000 萬美元的資金，用于開發(fā)基于人工智能的數(shù)字孿生功能，旨在提高制造流程的智能化程度。在海事領(lǐng)域，一個英國財團啟動了全球首個數(shù)字化增材制造螺旋槳項目，展示了集成仿真和性能監(jiān)控如何加速認證和設(shè)計驗證。

與此同時，Meta發(fā)布了全球最大的3D模型數(shù)字孿生目錄，以支持人工智能驅(qū)動的研究，凸顯了增材制造、仿真和人工智能之間日益融合的趨勢。西北大學(xué)牽頭的這項研究將數(shù)字孿生原理轉(zhuǎn)化為金屬增材制造的實時閉環(huán)優(yōu)化，進一步拓展了這些進展。