數(shù)字孿生驅(qū)動(dòng)增材制造的研究進(jìn)展

丁東紅 ， 紀(jì) 江 ， 張子軒 ， 丁小飛

1.佛山科學(xué)技術(shù)學(xué)院 機(jī)電工程與自動(dòng)化學(xué)院，廣東 佛山 528225

2.南京工業(yè)大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，江蘇 南京 211816

3.華東理工大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200237

4.中國(guó)航空發(fā)動(dòng)機(jī)集團(tuán) 沈陽發(fā)動(dòng)機(jī)研究所，遼寧 沈陽 110015

0 前言

以數(shù)字模型為基礎(chǔ)，將材料逐層堆積制造實(shí)體的增材制造（3D打?。┘夹g(shù)［1］可實(shí)現(xiàn)復(fù)雜形狀零件的短流程整體制造，減少零件數(shù)量和裝配，獲得高于組裝式結(jié)構(gòu)的服役可靠性。隨著高端裝備輕量化與可靠性需求不斷提升，增材制造技術(shù)已成為高端裝備關(guān)鍵零部件快速研發(fā)的利器。主流的金屬增材制造以粉末床熔融技術(shù)為主，如圖1所示，有成形精度高、應(yīng)用范圍廣的激光選區(qū)熔化（Selective Laser Melting，SLM）［2］和能量密度高、成形效率高的電子束選區(qū)熔化（Electron Beam Melting，EBM）［3］等。

雖然增材制造技術(shù)在最近幾十年獲得了大量的關(guān)注并取得了一系列的研究成果，但到目前為止，只有少量合金如AlSi10Mg、Ti6Al4V、CoCr和Inconel718等能夠被成功地應(yīng)用于增材制造，超過5 500種的商用合金因其打印過程中的熔化-凝固動(dòng)力學(xué)作用，致使微觀組織存在粗大的柱狀晶和周期性裂紋而很難獲得應(yīng)用［4］。另外，增材制造的產(chǎn)品組織結(jié)構(gòu)具有多樣性使其力學(xué)性能不穩(wěn)定；增材過程中容易產(chǎn)生各種不可預(yù)測(cè)的缺陷，導(dǎo)致廢品率高且耗費(fèi)時(shí)間和成本；缺乏健全的工藝標(biāo)準(zhǔn)而往往不得不采用試錯(cuò)的方式開展大量的預(yù)實(shí)驗(yàn)，造成產(chǎn)品單價(jià)提高以及交貨期延長(zhǎng)。

在增材制造過程中，微觀組織結(jié)構(gòu)的演化和成形幾何尺寸受瞬時(shí)溫度場(chǎng)、冷卻速率和材料凝固參數(shù)等多種因素的影響。因此，產(chǎn)品的性能以及形狀精度主要取決于材料屬性、打印過程的工藝參數(shù)以及成形方式。由于影響打印性能的參數(shù)眾多，如何選取和優(yōu)化控制工藝參數(shù)以獲得具有優(yōu)良性能的打印件是目前增材制造控形控性的關(guān)鍵。在電弧增材制造（Wire Arc Additive Manufacturing，WAAM）中，通過不斷地工藝試錯(cuò)能夠獲得理想的組織性能和形狀尺寸。然而在激光粉末增材制造中，因金屬粉末原材料價(jià)格更高、試驗(yàn)準(zhǔn)備時(shí)間更長(zhǎng)，導(dǎo)致這種試錯(cuò)方式十分昂貴且時(shí)間成本大大增加。

數(shù)字孿生技術(shù)是充分利用物理模型、傳感器信息、運(yùn)行歷史等數(shù)據(jù)，集成多學(xué)科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，是實(shí)現(xiàn)制造物理世界和信息世界智能互聯(lián)與交互融合的一種有效途徑。中國(guó)工程院發(fā)布的《全球工程前沿2020》報(bào)告中，將數(shù)字孿生驅(qū)動(dòng)的智能制造列為機(jī)械與運(yùn)載工程領(lǐng)域的TOP10工程研究前沿方向。數(shù)字化貫穿增材制造的全生命周期，如圖2所示，主要涉及三維模型的設(shè)計(jì)與分析、制造過程的監(jiān)測(cè)、產(chǎn)品性能的測(cè)試與驗(yàn)證、產(chǎn)品的分發(fā)與管理等過程［5］。在增材制造的控形控性方面，數(shù)字孿生集成工藝預(yù)測(cè)模型，通過用戶自定義的工藝參數(shù)組合給出合理的成形組織結(jié)構(gòu)以及成形尺寸的預(yù)測(cè)。當(dāng)預(yù)測(cè)模型被足夠多的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證后，可以替代或大大減少昂貴耗時(shí)的真實(shí)物理實(shí)驗(yàn)，實(shí)現(xiàn)對(duì)成形的預(yù)測(cè)。同時(shí)，增材制造過程中的生產(chǎn)信息將被傳感器有效監(jiān)測(cè)、分析，并通過決策模型實(shí)現(xiàn)工藝參數(shù)的實(shí)時(shí)優(yōu)化調(diào)控。集成增材制造機(jī)理、控制、統(tǒng)計(jì)模型、機(jī)器學(xué)習(xí)和大數(shù)據(jù)等模塊的數(shù)字孿生技術(shù)，將通過減少工藝試錯(cuò)實(shí)驗(yàn)、控制缺陷、提高產(chǎn)品質(zhì)量以及縮短交貨周期來提高增材制造技術(shù)的效益和市場(chǎng)競(jìng)爭(zhēng)力。

圖2 增材制造的數(shù)字主線［5］Fig.2 Digital mainline of additive manufacturing［5］

本文綜述了數(shù)字孿生驅(qū)動(dòng)增材制造的研究進(jìn)展，從數(shù)字孿生的發(fā)展背景、增材制造的工藝分類與原理、前端的模型優(yōu)化設(shè)計(jì)與分層路徑規(guī)劃、加工過程的實(shí)時(shí)傳感、數(shù)據(jù)分析與建模方法以及增材制造的預(yù)測(cè)與控制效果等方面闡述了數(shù)字孿生技術(shù)對(duì)增材制造的驅(qū)動(dòng)作用，闡明目前數(shù)字孿生驅(qū)動(dòng)增材制造研究的主要難點(diǎn)，并指出未來的發(fā)展趨勢(shì)和研究方向。

1 數(shù)字孿生的背景

數(shù)字孿生最早可追溯到美國(guó)國(guó)家航空航天局（NASA）的阿波羅計(jì)劃。該項(xiàng)目首次嘗試使用孿生體（Twin）的理念，建造了兩個(gè)完全相同的太空飛行器。一個(gè)執(zhí)行太空飛行任務(wù)，另一個(gè)留在地球模擬孿生太空飛行器的實(shí)時(shí)飛行狀況，便于監(jiān)測(cè)太空飛行器的行為以及快速做出決策。2002年，密歇根大學(xué)的Grieves教授［6］在生命周期管理（Product Lifecycle Management，PLM）課程中提出一種鏡像空間模型，該模型能夠?qū)?shí)體產(chǎn)品映射到虛擬空間，在生產(chǎn)中降低成本，促進(jìn)高質(zhì)量產(chǎn)品的創(chuàng)新制造。此后，該概念被多次修改，直到2010年被正式定義為“數(shù)字孿生”［7］并在航空航天領(lǐng)域被廣泛采用。如圖3所示，將物理系統(tǒng)的數(shù)字信息作為一個(gè)獨(dú)立的實(shí)體創(chuàng)建，該數(shù)字信息是嵌入物理系統(tǒng)的“孿生”，并在系統(tǒng)的整個(gè)生命周期中與該物理系統(tǒng)相連接，即物理空間實(shí)體產(chǎn)品、虛擬空間虛擬產(chǎn)品、物理空間和虛擬空間之間實(shí)現(xiàn)從產(chǎn)品設(shè)計(jì)到制造，再到使用的全生命周期智能互聯(lián)與交互融合。

圖3 數(shù)字孿生在全生命周期中的概念［7］Fig.3 Concept of digital twin in full lifecycle［7］

數(shù)字孿生在產(chǎn)品生命周期中的驅(qū)動(dòng)作用見圖4。產(chǎn)品生命周期每個(gè)階段創(chuàng)建的信息可以有效地提供給后續(xù)階段，數(shù)字孿生作為推動(dòng)因素將這些過程連接起來，能極大地促進(jìn)未來生產(chǎn)制造的效率［8］。

圖4 數(shù)字孿生在產(chǎn)品生命周期中的驅(qū)動(dòng)作用［8］Fig.4 Driving effect of digital twin in product life cycle［8］

數(shù)字孿生最初主要應(yīng)用于復(fù)雜制造系統(tǒng)的建模、仿真與可視化［9］。隨著信息物理系統(tǒng)和通信技術(shù)的發(fā)展，以及大規(guī)模云計(jì)算和智能算法的進(jìn)步，數(shù)字孿生的概念逐漸引起了智能制造領(lǐng)域的廣泛關(guān)注［10-12］。如圖5所示，數(shù)字孿生建立了智能工廠實(shí)現(xiàn)物理世界和數(shù)字信息世界之間的互動(dòng)，通過傳感器從物理世界收集數(shù)據(jù)，并利用通信技術(shù)將其發(fā)送到數(shù)字孿生的虛擬數(shù)字模型［13］。Zhuang等人［14］提出了基于數(shù)字孿生的復(fù)雜產(chǎn)品裝配車間智能管理控制框架，該框架融合數(shù)字孿生和大數(shù)據(jù)，實(shí)現(xiàn)衛(wèi)星的預(yù)測(cè)性裝配。

圖5 工業(yè)4.0要求的智能工廠示意［13］Fig.5 Schematic diagram of smart factory required by Industry 4.0［13］

目前，關(guān)于數(shù)字孿生的概念［15］、模型［16］、應(yīng)用［17］、標(biāo)準(zhǔn)與技術(shù)體系［18-20］等已被國(guó)內(nèi)外學(xué)者廣泛研究。Kritzinger等人［15］就數(shù)據(jù)交互方式與系統(tǒng)集成度差異對(duì)數(shù)字孿生的相關(guān)概念做出了嚴(yán)格的學(xué)術(shù)定義，認(rèn)為數(shù)字孿生與數(shù)字模型、數(shù)位陰影的區(qū)別主要在于物理模型與數(shù)字模型之間能否自動(dòng)進(jìn)行數(shù)據(jù)交互。陶飛等人［17］在數(shù)字孿生車間的研究中，對(duì)傳統(tǒng)三維數(shù)字孿生模型進(jìn)行擴(kuò)展，增加了孿生數(shù)據(jù)和服務(wù)兩個(gè)維度，衍生了五維數(shù)字孿生概念，如圖6所示。Wagner等人［21］討論了資產(chǎn)管理殼與數(shù)字孿生在工業(yè)4.0背景下工廠生命周期中的應(yīng)用，并給出了對(duì)設(shè)備制造商、工廠管理者和工業(yè)4.0開發(fā)者的建議，推動(dòng)數(shù)字孿生和資產(chǎn)管理殼在工業(yè)界中的應(yīng)用。美國(guó)通用電氣公司、NASA和美國(guó)空軍建立了包括噴氣發(fā)動(dòng)機(jī)、動(dòng)力渦輪機(jī)等在內(nèi)的多個(gè)基于真實(shí)物理系統(tǒng)的數(shù)字孿生系統(tǒng)，以增加物理系統(tǒng)設(shè)計(jì)的可靠性和安全性［22］。

圖6 數(shù)字孿生五維概念模型［17］Fig.6 Five-dimensional conceptual model of digital twin［17］

由工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）發(fā)布的《工業(yè)數(shù)字孿生白皮書（2021）》［23］提出了工業(yè)數(shù)字孿生功能架構(gòu)（見圖7），主要由連接層、映射層和決策層組成。同時(shí)指出數(shù)字孿生發(fā)展的三大典型特征，即全生命周期實(shí)時(shí)映射、數(shù)據(jù)與模型融合的綜合決策以及全業(yè)務(wù)流程的閉環(huán)優(yōu)化，并對(duì)工業(yè)數(shù)字孿生技術(shù)、產(chǎn)業(yè)以及應(yīng)用發(fā)展?fàn)顩r進(jìn)行了系統(tǒng)的梳理。圖8為基于數(shù)字孿生多學(xué)科聯(lián)合仿真構(gòu)建多物理場(chǎng)、多學(xué)科耦合的復(fù)雜系統(tǒng)級(jí)數(shù)字孿生解決方案。

圖7 工業(yè)數(shù)字孿生功能架構(gòu)［23］Fig.7 Functional framework of industrial digital twin［23］

圖8 基于數(shù)字孿生的產(chǎn)品多學(xué)科聯(lián)合仿真研發(fā)方案［23］Fig.8 Product multidisciplinary co-simulation research and development scheme based on digital twin［23］

在增材制造領(lǐng)域，前端的三維數(shù)字化模型處理，如CAD或逆向工程建模、模型拓?fù)鋬?yōu)化設(shè)計(jì)、分層切片以及路徑規(guī)劃等均屬于數(shù)字孿生主線程中的必要環(huán)節(jié)。加工過程中，數(shù)字孿生方法還可以通過優(yōu)化工藝參數(shù)、檢測(cè)和監(jiān)測(cè)工藝故障、減少多尺度建模的計(jì)算負(fù)擔(dān)、處理大量的現(xiàn)場(chǎng)傳感器數(shù)據(jù)來控制增材制造過程［24］，能明顯減少試錯(cuò)量、減少缺陷、縮短設(shè)計(jì)和生產(chǎn)之間的時(shí)間等，在很大程度上減少人力物力的投入，達(dá)到有效驅(qū)動(dòng)增材制造的效果［25］。目前構(gòu)建應(yīng)用于增材制造數(shù)字孿生的方法、硬件、軟件和相關(guān)技術(shù)等正在快速發(fā)展過程中，增材制造全生命周期映射有待完善［26-27］，亟需大量的科學(xué)和工程研究來充實(shí)增材制造數(shù)字孿生系統(tǒng)，實(shí)現(xiàn)數(shù)字孿生有效驅(qū)動(dòng)增材制造的目標(biāo)。

2 增材制造數(shù)字孿生的關(guān)鍵要素

增材制造的多個(gè)環(huán)節(jié)與數(shù)字化息息相關(guān)。文獻(xiàn)［28］描繪了智能增材制造設(shè)計(jì)方法的路線圖，如圖9所示。在前端的模型處理與設(shè)計(jì)中，基于計(jì)算機(jī)輔助設(shè)計(jì)的結(jié)構(gòu)拓?fù)鋬?yōu)化有助于設(shè)計(jì)出滿足性能的最優(yōu)輕量化結(jié)構(gòu)，實(shí)現(xiàn)工件功能的進(jìn)一步提升。另外，三維數(shù)字模型的打印取向、模型的分層切片與路徑規(guī)劃均對(duì)金屬打印件的成形效率、精度和質(zhì)量起著重要作用［29-30］。目前，三維模型的處理以及加工路徑策略的生成作為增材制造的前端，主要在離線情況下由相關(guān)算法和計(jì)算機(jī)輔助實(shí)現(xiàn)。

圖9 增材制造設(shè)計(jì)方法的路線圖［28］Fig.9 Rodemap of additive manufacturing design methods［28］

如圖10所示，增材制造工藝過程的數(shù)字孿生主要包含：機(jī)理模型、傳感和控制、統(tǒng)計(jì)模型、大數(shù)據(jù)和機(jī)器學(xué)習(xí)等要素［31］。大數(shù)據(jù)對(duì)多種數(shù)字信息分類處理并傳遞給機(jī)器學(xué)習(xí)模型，從而更新優(yōu)化現(xiàn)有的機(jī)理模型、傳感控制模型和統(tǒng)計(jì)模型，在成形工藝和過程信息之間產(chǎn)生交互，形成一個(gè)閉環(huán)優(yōu)化的制造過程，實(shí)現(xiàn)增材產(chǎn)品質(zhì)量的提升。

圖10 增材制造的數(shù)字孿生系統(tǒng)［31］Fig.10 Digital twin system of additive manufacturing［31］

增材制造的機(jī)理模型如圖11所示，基于較成熟的工程、科學(xué)和冶金學(xué)理論所建立，在給定的打印設(shè)備、材料屬性以及工藝參數(shù)設(shè)置情況下，能夠預(yù)測(cè)成形的凝固結(jié)構(gòu)、微觀組織演化、結(jié)構(gòu)性能、缺陷以及溫度場(chǎng)等關(guān)鍵信息。機(jī)理模型在焊接過程中進(jìn)行了大量的研究并得到部分驗(yàn)證，將來有望在增材制造中實(shí)現(xiàn)［32］。

圖11 增材制造機(jī)理模型［31］Fig.11 Additive manufacturing mechanism model［31］

傳感和控制模塊通常需要對(duì)多種傳感器信息進(jìn)行融合，如打印溫度場(chǎng)信息，成形表面粗糙度、缺陷、幾何偏差，以及其他原位無損監(jiān)測(cè)的特征信息等［33］。有效的多信息融合模型可以判斷缺陷和尺寸是否在可接受的范圍內(nèi)，從而進(jìn)一步做出合理的決策，提高成形工件的質(zhì)量［34］。例如，液態(tài)金屬熔池的溫度過高或過低都極易引起成形缺陷，當(dāng)監(jiān)控的溫度偏離正常范圍時(shí)，控制模型可以實(shí)時(shí)調(diào)整熱源功率或掃描速度等工藝變量，以實(shí)現(xiàn)缺陷抑制。

機(jī)理模型和控制模型的輸出往往會(huì)有一定的偏差，這是由于模型中通常引入一定的簡(jiǎn)化假設(shè)、材料熱物理和熱機(jī)械特性數(shù)據(jù)的誤差，特別是在高溫等極端條件下以及大型復(fù)雜計(jì)算中常見的數(shù)值誤差［35］。將機(jī)理模型、控制模型與高級(jí)統(tǒng)計(jì)模型相結(jié)合能夠減少這些偏差。如在計(jì)算未充分熔合間隙的機(jī)理模型中，由于間隙形成的復(fù)雜性以及多變量多因素導(dǎo)致工件內(nèi)部無法充分熔合時(shí)，機(jī)理模型的預(yù)測(cè)效果往往并不理想［36］。統(tǒng)計(jì)模型的應(yīng)用則可以基于大數(shù)據(jù)提升預(yù)測(cè)效率，糾正機(jī)理模型預(yù)測(cè)的不準(zhǔn)確性［37-38］。

大數(shù)據(jù)是各種數(shù)字信息的廣泛融合，其規(guī)模通常無法直接存儲(chǔ)、分析或共享。如圖10所示，增材制造的大數(shù)據(jù)主要有4種類型：（1）從多臺(tái)打印設(shè)備獲得的溫度、熔池特征和工件幾何形狀等實(shí)時(shí)傳感數(shù)據(jù)；（2）存儲(chǔ)的構(gòu)件微觀組織特征、晶粒尺寸、凝固組織和性能等測(cè)試的結(jié)果數(shù)據(jù)；（3）來自增材制造領(lǐng)域的相關(guān)文獻(xiàn)數(shù)據(jù)；（4）由機(jī)理模型、統(tǒng)計(jì)模型產(chǎn)生的預(yù)測(cè)和仿真數(shù)據(jù)［39］。在每次實(shí)驗(yàn)或模型執(zhí)行時(shí)，大數(shù)據(jù)自身會(huì)不斷疊加，需要使用先進(jìn)的算法根據(jù)預(yù)期目的對(duì)數(shù)據(jù)進(jìn)行適當(dāng)分類。例如，如果預(yù)期目的是將大數(shù)據(jù)用于粉末床激光熔覆增材制造，那么打印過程的其他數(shù)據(jù)，如直接能量沉積增材制造的相關(guān)數(shù)據(jù)便不會(huì)包括在內(nèi)。同時(shí)，還須持續(xù)從新實(shí)驗(yàn)、仿真以及不斷更新的文獻(xiàn)中收集數(shù)據(jù)，適當(dāng)?shù)厥褂眠@些數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行優(yōu)化，并使用機(jī)器學(xué)習(xí)方法決定在何時(shí)對(duì)預(yù)測(cè)模型進(jìn)行優(yōu)化［40-41］。

近年來機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展非常迅速［42］，它提供了一種基于不斷更新積累的知識(shí)庫來改進(jìn)統(tǒng)計(jì)和控制模型的動(dòng)態(tài)能力，并賦予了數(shù)字孿生隨時(shí)間變化的敏捷性，這種能力針對(duì)打印條件或材料系統(tǒng)發(fā)生變化時(shí)效果顯著。一般來說，機(jī)器學(xué)習(xí)通過智能算法來實(shí)現(xiàn)，如深度學(xué)習(xí)［40-41］、神經(jīng)網(wǎng)絡(luò)［43］、支持向量機(jī)［44］等對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行測(cè)試和驗(yàn)證?？煽?、可預(yù)測(cè)且沒有重大缺陷的機(jī)器學(xué)習(xí)方法將在未來的數(shù)字孿生領(lǐng)域發(fā)揮更高的效用。

根據(jù)關(guān)鍵要素構(gòu)建應(yīng)用于增材制造的數(shù)字孿生是一個(gè)新概念，現(xiàn)有的方法很難依據(jù)所選取的工藝和材料系統(tǒng)等快速有效地確定最優(yōu)的工藝方法和參數(shù)，而數(shù)字孿生系統(tǒng)因信息的全面性、實(shí)時(shí)性以及模型的先進(jìn)性，將有助于生產(chǎn)出結(jié)構(gòu)合理、無缺陷以及可靠的工件，并實(shí)現(xiàn)生產(chǎn)成本的優(yōu)化。

3 增材制造數(shù)字化研究進(jìn)展

盡管數(shù)字孿生的各個(gè)重要組成要素在文獻(xiàn)中都有一些相關(guān)的研究和分析［45］，但還缺乏一個(gè)較全面的增材制造數(shù)字孿生系統(tǒng)的研究進(jìn)展和討論，文中通過闡述增材制造的物理過程、傳感與控制、統(tǒng)計(jì)模型、大數(shù)據(jù)和機(jī)器學(xué)習(xí)等方面的發(fā)展現(xiàn)狀以及目前存在的一些挑戰(zhàn)，為構(gòu)建應(yīng)用于增材制造的數(shù)字孿生提供一些參考。

3.1 增材制造的工藝及建模研究

增材制造的物理過程特性取決于制造工藝，不同的材料、熱源、操作環(huán)境以及工件尺寸都對(duì)工藝的選擇有所影響。圖12為當(dāng)前較成熟的增材制造基礎(chǔ)工藝，創(chuàng)新的工藝技術(shù)仍在不斷涌現(xiàn)，但多是從這些成熟的基礎(chǔ)工藝中拓展而來。

圖12 增材制造過程工藝分類［13］Fig.12 Technology classification of additive manufacturing process［13］

在實(shí)現(xiàn)增材制造物理過程的數(shù)字化時(shí)，第一個(gè)需要解決的問題就是數(shù)字模型的構(gòu)建。圖13為雙機(jī)械臂協(xié)同工作的增材制造數(shù)字模型，該模型在物理模型的基礎(chǔ)上進(jìn)行數(shù)字重構(gòu)，同時(shí)完成增材制造過程的路徑規(guī)劃以及過程仿真等，并將物理模型映射到數(shù)字系統(tǒng)中，實(shí)現(xiàn)虛實(shí)融合。

圖13 雙機(jī)械臂增材制造工藝規(guī)劃數(shù)字模型［46］Fig.13 Digital model of additive manufacturing process planning for double mechanical arms［46］

針對(duì)不同的增材制造物理過程，在每種不同的條件下選擇對(duì)應(yīng)工藝后，都應(yīng)該有一個(gè)標(biāo)準(zhǔn)的數(shù)字化模型。該模型要能夠適用于各種不同參數(shù)和環(huán)境的變化，根據(jù)需要在用戶輸入標(biāo)準(zhǔn)數(shù)據(jù)后便能自動(dòng)生成增材制造過程的實(shí)時(shí)數(shù)字孿生系統(tǒng)。但目前看來，要想實(shí)現(xiàn)統(tǒng)一的、普適性的數(shù)字化目標(biāo)，還需要做出更多的努力。

3.2 增材制造實(shí)時(shí)傳感研究

數(shù)據(jù)的實(shí)時(shí)雙向傳輸需要靈敏的傳感器與高效的計(jì)算能力作為支撐。不同的軟硬件依照通訊協(xié)議和智能設(shè)備進(jìn)行有效連接，實(shí)現(xiàn)增材制造設(shè)備與數(shù)字孿生模型在整個(gè)數(shù)字主線中進(jìn)行傳輸交互。要想實(shí)現(xiàn)傳輸多種類型的數(shù)據(jù)，如操作環(huán)境、工作條件、傳感器數(shù)據(jù)等，其物理系統(tǒng)需要有標(biāo)準(zhǔn)的數(shù)據(jù)通信設(shè)備來實(shí)現(xiàn)不同通信接口或協(xié)議的統(tǒng)一轉(zhuǎn)換和數(shù)據(jù)的統(tǒng)一打包［47］。在這些通信設(shè)備的基礎(chǔ)上，通過物理系統(tǒng)對(duì)多類型、多尺度的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、清洗和打包，然后以數(shù)字方式上傳到數(shù)字孿生模型中，進(jìn)而達(dá)到物理空間和虛擬空間的交互融合。最終，用戶只需要輸入工藝參數(shù)就可以獲得增材制造過程的實(shí)時(shí)數(shù)字化孿生模型，在構(gòu)建這個(gè)模型的同時(shí)，還需要大量的數(shù)據(jù)來訓(xùn)練模型，以提高模型的精度。

圖14展示了物理世界中的制造過程及其數(shù)字孿生體，可以看到數(shù)字孿生模型實(shí)時(shí)復(fù)制出工廠里實(shí)際發(fā)生的情況。為了從打印設(shè)備和制造過程收集和分析大量有用的數(shù)據(jù)，需要大量傳感器來監(jiān)視打印過程和機(jī)器的狀況［48］。因此，構(gòu)建基于增材制造的物聯(lián)網(wǎng)來實(shí)現(xiàn)硬件和軟件的連接，進(jìn)而實(shí)現(xiàn)數(shù)字孿生將是一種可行的方案。

圖14 制造過程的數(shù)字孿生模型［48］Fig.14 Digital twin model of manufacturing process［48］

一種數(shù)字孿生的云實(shí)施方案如圖15所示，將機(jī)器人手臂、可調(diào)節(jié)平臺(tái)與用戶之間的通信數(shù)據(jù)存儲(chǔ)在云中，達(dá)成實(shí)時(shí)反饋，使決策變得高效［49］，這也是將數(shù)字孿生應(yīng)用到增材制造中的一個(gè)例子。

圖15 應(yīng)用于增材制造的數(shù)字孿生的云實(shí)施方案［49］Fig.15 Cloud implementation plan of digital twin for additive manufacturing［49］

在增材制造過程中，從多個(gè)傳感器實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，包括一維數(shù)據(jù)（如光譜）、二維數(shù)據(jù)（如圖像）和三維數(shù)據(jù)（如層析成像）［50］，期望實(shí)現(xiàn)動(dòng)態(tài)調(diào)整與反饋，這些數(shù)據(jù)便是增材制造產(chǎn)品質(zhì)量的第一手信息，倘若實(shí)現(xiàn)同步并且準(zhǔn)確分析這些實(shí)時(shí)數(shù)據(jù)，那么便能實(shí)現(xiàn)對(duì)制造過程的全閉環(huán)控制。魏一雄等人［51］提出一種基于實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的數(shù)字孿生車間體系架構(gòu)與技術(shù)路線，實(shí)現(xiàn)智能車間生產(chǎn)狀態(tài)實(shí)時(shí)可視化監(jiān)控、健康管理、故障診斷等需求，為數(shù)字孿生技術(shù)在智能制造領(lǐng)域的應(yīng)用提供了參考。Zou等人［52］提出一種將建模結(jié)果與分布式光纖傳感器測(cè)量數(shù)據(jù)融合在一起的數(shù)字孿生方法，完成了增材制造過程中設(shè)計(jì)和制造的優(yōu)化。

Gaikwad等人［24］將增材制造過程的仿真、現(xiàn)場(chǎng)傳感及機(jī)器學(xué)習(xí)集成起來，完成增材制造過程的實(shí)時(shí)監(jiān)控，構(gòu)建了應(yīng)用于增材制造實(shí)時(shí)反饋的數(shù)字孿生模型。通過將物理模型的預(yù)測(cè)與機(jī)器學(xué)習(xí)框架中的現(xiàn)場(chǎng)傳感器相結(jié)合，來檢測(cè)增材制造工件在生產(chǎn)過程中的缺陷，實(shí)現(xiàn)增材制造過程的無缺陷生產(chǎn)，并通過激光粉末床和定向能量沉積金屬調(diào)幅的實(shí)驗(yàn)研究進(jìn)行了驗(yàn)證。這項(xiàng)工作通過基于物理建模、現(xiàn)場(chǎng)傳感和數(shù)據(jù)分析的無縫集成，完成了對(duì)增材制造過程的數(shù)字孿生實(shí)時(shí)監(jiān)控的早期嘗試。為了在增材制造過程中更好地實(shí)現(xiàn)檢測(cè)、預(yù)測(cè)及控制整個(gè)增材制造的數(shù)字化過程，需使用大量的傳感器并運(yùn)用物聯(lián)網(wǎng)、5G等技術(shù)和強(qiáng)大的計(jì)算能力作為支撐，來完成增材制造過程與數(shù)字孿生模型之間的實(shí)時(shí)反饋。

張海軍等人［53］針對(duì)智能制造決策數(shù)據(jù)實(shí)時(shí)性和準(zhǔn)確性的不足，提出一種基于數(shù)字孿生的制造資源動(dòng)態(tài)優(yōu)選決策方法與架構(gòu)，能夠提供準(zhǔn)確、實(shí)時(shí)的反饋評(píng)價(jià)數(shù)據(jù)，最后將該方法應(yīng)用于航空發(fā)動(dòng)機(jī)葉片制造，驗(yàn)證了方法的可行性和有效性。Knapp等人［45］構(gòu)建了應(yīng)用于激光定向能量沉積的增材制造技術(shù)數(shù)字孿生，研究發(fā)現(xiàn)對(duì)于工件每一層的沉積需要計(jì)算大約35億的線性等式，這在配備3.40 GHz的i7處理器、8 GB RAM的個(gè)人計(jì)算機(jī)上大約需要計(jì)算50 min，同時(shí)每一個(gè)打印工件又由成百上千層堆疊而成，可見計(jì)算量之龐大，所需時(shí)間之長(zhǎng)。

總之，基于現(xiàn)有的計(jì)算能力、物聯(lián)網(wǎng)、5G等技術(shù)的運(yùn)用情況，解決增材制造過程的大量信息計(jì)算與模擬似乎無法馬上完成。要想完成物理與虛擬過程的實(shí)時(shí)互動(dòng)，還需要各界學(xué)者們進(jìn)一步的研究。

3.3 數(shù)據(jù)分析及模型研究

數(shù)字化技術(shù)貫穿在增材制造的產(chǎn)品設(shè)計(jì)與仿真、制造準(zhǔn)備、制造過程、后處理等關(guān)鍵環(huán)節(jié)中。DebRoy等人［27，31］在此領(lǐng)域進(jìn)行了許多開創(chuàng)性的研究工作，為實(shí)現(xiàn)第一代增材制造的數(shù)字孿生體提供了一個(gè)總體框架。

在數(shù)據(jù)分析與數(shù)字建模方面，將打印前的機(jī)理模型、打印過程實(shí)時(shí)獲得的傳感數(shù)據(jù)以及打印后的測(cè)試結(jié)果，通過物聯(lián)網(wǎng)交互存儲(chǔ)在大數(shù)據(jù)中，并通過機(jī)器學(xué)習(xí)等，實(shí)現(xiàn)將每一次打印前的預(yù)測(cè)模型與打印后的實(shí)際工件進(jìn)行對(duì)比后更新數(shù)據(jù)庫，并優(yōu)化預(yù)測(cè)模型，以實(shí)現(xiàn)初步的機(jī)器學(xué)習(xí)。將電弧增材堆積全過程“數(shù)字孿生化”，即通過先進(jìn)的數(shù)學(xué)物理模型、傳感器更新、運(yùn)行歷史等數(shù)據(jù)，集成多尺度、多物理量的仿真，實(shí)現(xiàn)電弧堆積過程在虛擬空間的數(shù)字映射［54］，能有效提高電弧增材制造系統(tǒng)的柔性化和智能化水平。

由于制造工藝、金屬絲的規(guī)格尺寸以及粉末等種類繁多，使得增材制造的組合具有多樣性，為此需要利用數(shù)字建模的手段優(yōu)化工藝參數(shù)，并構(gòu)造模型數(shù)據(jù)庫，以減少每次生成數(shù)字孿生模型的計(jì)算量。如高強(qiáng)高韌鋁合金的成分越來越復(fù)雜，在巨大的成分設(shè)計(jì)空間中，通過傳統(tǒng)的經(jīng)驗(yàn)試錯(cuò)法很難準(zhǔn)確設(shè)計(jì)出滿足多目標(biāo)性能要求的合金成分。謝建新等人［55］采用機(jī)器學(xué)習(xí)建模方法從文獻(xiàn)中整理出171組實(shí)驗(yàn)數(shù)據(jù)，完成訓(xùn)練并快速篩選出滿足目標(biāo)性能的復(fù)雜鋁合金成分設(shè)計(jì)，極大地節(jié)約了時(shí)間和成本。DebRoy等人［27］在這方面也進(jìn)行了相關(guān)研究，為應(yīng)用在增材制造的常用工程合金建立了一個(gè)與溫度相關(guān)的熱物理性質(zhì)數(shù)據(jù)庫，為增材制造的數(shù)字孿生數(shù)據(jù)庫發(fā)展做出第一步工作。在仿真方面，現(xiàn)有的數(shù)值模型在模擬金屬沉積過程、分析和選擇合適的激光掃描策略時(shí)，計(jì)算成本很高。為了識(shí)別激光掃描模式與其熱歷史分布之間的相關(guān)性，Ren等人［56］提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)（RNN-DNN）的組合模型，為基于物理的機(jī)器學(xué)習(xí)算法生成訓(xùn)練數(shù)據(jù)，通過實(shí)驗(yàn)對(duì)任意幾何形狀的不同掃描策略進(jìn)行熱場(chǎng)預(yù)測(cè)，現(xiàn)有數(shù)值模型模擬結(jié)果與RNN-DNN預(yù)測(cè)結(jié)果的比較表明，兩者的一致性在95%以上。

Shevchik等人［57-58］提出利用聲發(fā)射（Acoustic Emission，AE）和神經(jīng)網(wǎng)絡(luò)對(duì)SLM進(jìn)行現(xiàn)場(chǎng)質(zhì)量監(jiān)測(cè)研究，如圖16所示，增材制造過程中發(fā)出一個(gè)聲信號(hào)，由傳感器捕獲，最后應(yīng)用光譜卷積神經(jīng)網(wǎng)絡(luò)（Spectral Convolutional Neural Network，SCNN）模型記錄數(shù)據(jù)，以區(qū)分打印層的質(zhì)量是否滿足。該模型將打印工件質(zhì)量進(jìn)行高、中、差分類，通過研究表明，使用基于聲發(fā)射信號(hào)的SCNN模型分類準(zhǔn)確率分別高達(dá)83%、85%和89%。

圖16 增材制造質(zhì)量檢測(cè)策略和實(shí)時(shí)分析系統(tǒng)［57］Fig.16 Additive manufacturing quality testing strategy and real-time analysis system［57］

Yu等人［47］提出了一種基于非參數(shù)貝葉斯網(wǎng)絡(luò)的數(shù)字孿生模型，描述了健康狀態(tài)的動(dòng)態(tài)退化過程和認(rèn)知不確定性的傳播，采用實(shí)時(shí)模型更新策略，提高了模型適應(yīng)性，并通過實(shí)驗(yàn)論證實(shí)現(xiàn)了在制造過程中的健康狀況監(jiān)測(cè)。如圖17所示，該策略不僅可以推斷物理系統(tǒng)的健康狀態(tài)和模型參數(shù)，還具備良好的自學(xué)習(xí)能力。

圖17 健康狀況監(jiān)測(cè)的數(shù)字孿生架構(gòu)［47］Fig.17 Digital twin framework of health monitoring［47］

3.4 增材制造預(yù)測(cè)及控制研究

在增材制造過程中，數(shù)字孿生用于實(shí)時(shí)可視化增材制造整個(gè)過程，使我們能夠根據(jù)收集到的實(shí)時(shí)數(shù)據(jù)估計(jì)和預(yù)測(cè)即將制造出來的產(chǎn)品質(zhì)量。通過數(shù)字孿生控制模型，保證打印工件符合設(shè)計(jì)要求，往往需要在打印過程中不斷調(diào)整工藝參數(shù)，減少缺陷控制成形質(zhì)量。因此，應(yīng)用于增材制造的數(shù)字孿生技術(shù)是否具備足夠的智能化，能否提供更加精確的預(yù)測(cè)、交互數(shù)據(jù)也是一個(gè)很重要的方向［59］。

Wang等人［60］在TIG焊接過程中，針對(duì)背面匙孔信息（BSBW）在實(shí)際焊接應(yīng)用工況下通常很難直接測(cè)量的問題，建立了一套數(shù)字孿生系統(tǒng)，實(shí)現(xiàn)了背面匙孔的預(yù)測(cè)與焊接質(zhì)量控制，如圖18所示。數(shù)字系統(tǒng)是具有較強(qiáng)特征提取和分析能力的監(jiān)控系統(tǒng)，集成基于深度學(xué)習(xí)，通過匙孔形狀的橢圓化建模，運(yùn)用深度卷積神經(jīng)網(wǎng)絡(luò)（CNNs）算法進(jìn)行在線計(jì)算和估計(jì)，為用戶提供直觀、有效地感知制造過程的圖形用戶界面（GUI），達(dá)到均方誤差（MSE）小于0.05 mm2的效果，并通過證實(shí)在TIG焊接過程中，基于深度學(xué)習(xí)的數(shù)字孿生技術(shù)能極大提高模型的分析能力。該團(tuán)隊(duì)還計(jì)劃設(shè)計(jì)一個(gè)基于深度學(xué)習(xí)的通用數(shù)字孿生框架，以促進(jìn)其他類似制造過程的優(yōu)化、監(jiān)控、控制和可視化［60］。正是將這些先進(jìn)算法引入數(shù)字孿生領(lǐng)域，增強(qiáng)了數(shù)字孿生對(duì)制造業(yè)的賦能，實(shí)現(xiàn)了數(shù)字孿生對(duì)增材制造的驅(qū)動(dòng)作用。

圖18 面向TIG單面焊雙面成形的正反面熔池寬度數(shù)字孿生監(jiān)測(cè)及控制［60］Fig.18 Digital twin for monitoring and control of width of front and back weld pool by one-side TIG welding with back formation［60］

Zhao等人［61］針對(duì)切削力的波動(dòng)影響切削表面粗糙度的問題，建立了數(shù)字孿生系統(tǒng)（見圖19）。利用支持向量機(jī)的機(jī)器學(xué)習(xí)方法建立表面粗糙度與切削工藝參數(shù)和平均切削力之間的關(guān)系模型（粗糙度平均預(yù)測(cè)誤差在10%以內(nèi)），在數(shù)字孿生體中，基于實(shí)時(shí)傳感的切削力信號(hào)和切削工藝參數(shù)實(shí)現(xiàn)表面粗糙度的在線預(yù)測(cè)與反饋控制，提高切削表面質(zhì)量。

圖19 面向切削表面粗糙度反饋控制的數(shù)字孿生系統(tǒng)［61］Fig.19 Digital twin system for feedback control of cutting surface roughness［61］

在優(yōu)化與控制模型方面，S?derberg等人［62］提出在制造系統(tǒng)設(shè)計(jì)階段、預(yù)生產(chǎn)階段和生產(chǎn)階段的數(shù)字孿生概念，利用仿真對(duì)設(shè)計(jì)和生產(chǎn)進(jìn)行實(shí)時(shí)控制和優(yōu)化，取得了不錯(cuò)的成效。Sieber等人［63］通過整合幾何測(cè)量數(shù)據(jù)，提出利用數(shù)字孿生來增強(qiáng)光學(xué)模型的計(jì)算方法，該方法加強(qiáng)了高精度3D噴墨打印過程控制，極大地提高了打印精度。Mandolla等人［5］在2019年通過區(qū)塊鏈解決方案的開發(fā)，提出將增材制造應(yīng)用于飛機(jī)工業(yè)的數(shù)字孿生，該方案強(qiáng)化了“用于增材制造供應(yīng)鏈的數(shù)字孿生”概念，提高了增材制造過程的控制效率。

由于增材制造過程受到許多因素制約，未經(jīng)實(shí)驗(yàn)草率打印極大可能會(huì)影響產(chǎn)品質(zhì)量。要想打印出滿意的工件則必須進(jìn)行大量前期試錯(cuò)與破壞試驗(yàn)，以檢驗(yàn)其微觀組織和力學(xué)性能。當(dāng)某一個(gè)特定條件需要進(jìn)行變化，那么針對(duì)打印結(jié)果的預(yù)測(cè)便顯得尤為重要。準(zhǔn)確預(yù)測(cè)這些相互作用和環(huán)境的影響能夠減少大量的試驗(yàn)性工作和試錯(cuò)的次數(shù)，減少大量物質(zhì)成本，顯著提高效率，使得打印的工件更具成本效益。運(yùn)用數(shù)字孿生技術(shù)可以有效解決這個(gè)問題，在打印前對(duì)結(jié)果進(jìn)行預(yù)測(cè)，并給出接近理想結(jié)果的參數(shù)。作為數(shù)字孿生的定義和特點(diǎn)之一的預(yù)測(cè)功能，使得提前發(fā)覺缺陷和異常事件成為可能，如圖20所示，數(shù)字孿生驅(qū)動(dòng)著增材制造，準(zhǔn)確預(yù)測(cè)即將出現(xiàn)的情況，極大地提高了打印效率［37］。

圖20 數(shù)字孿生驅(qū)動(dòng)產(chǎn)品服務(wù)［37］Fig.20 Product services driven by digital twin［37］

Chhetri等人［64］在2017年提出了一種利用動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)增材制造的數(shù)字孿生模型，該模型提出了一種增材制造KPI規(guī)則，用于對(duì)打印的部件進(jìn)行質(zhì)量評(píng)定。如圖21所示，該模型闡述了增材制造的KPI、模擬信號(hào)發(fā)射、環(huán)境因素、工藝參數(shù)和設(shè)計(jì)參數(shù)之間的關(guān)系，提前預(yù)測(cè)打印部件的KPI值，一旦預(yù)測(cè)的KPI值和實(shí)際KPI值產(chǎn)生一定誤差，便會(huì)觸發(fā)模型動(dòng)態(tài)反饋系統(tǒng)，進(jìn)而對(duì)模型進(jìn)行自我更新，實(shí)現(xiàn)一個(gè)有效的閉環(huán)控制。

圖21 動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)下的增材制造數(shù)字孿生模型［64］Fig.21 Digital twin model of additive manufacturing driven by dynamic data［64］

Knapp等人［45］在2017年提出了一種預(yù)測(cè)熔池特征的力學(xué)模型框架。該方法的建立基于增材制造過程的數(shù)字孿生，通過嚴(yán)格驗(yàn)證可以精確估計(jì)單道次沉積的三維曲面沉積幾何形狀、瞬態(tài)溫度、速度分布、冷卻速率、凝固參數(shù)、二次枝晶臂間距和顯微硬度，作者稱其為應(yīng)用于增材制造的第一代數(shù)字孿生的基礎(chǔ)。Yavari等人［65］在2019年針對(duì)增材制造過程的工件溫度預(yù)測(cè)問題，研究出基于無網(wǎng)格圖論的方法。使用該方法預(yù)測(cè)溫度趨勢(shì)的時(shí)間能夠控制在18 min以內(nèi)，而同樣的結(jié)構(gòu)和參數(shù)采用有限元分析的預(yù)測(cè)時(shí)間通常超過180 min。目前看來，采用圖論的計(jì)算方法或許是提高計(jì)算機(jī)在這個(gè)領(lǐng)域計(jì)算能力的一個(gè)新的解決方案。Tuegel等人［66］建立了一個(gè)超高保真數(shù)字孿生模型，該模型結(jié)合結(jié)構(gòu)變形和溫度計(jì)算，模擬預(yù)測(cè)了實(shí)際制造過程的局部損傷和材料狀態(tài)的演化。Song等人［67］構(gòu)建了一種基于激光輔助增材制造（LAAM）的模型，用于模擬對(duì)流體流動(dòng)和氣液界面表面張力平衡，預(yù)測(cè)熔池自由表面曲率和凝固包層尺寸。實(shí)驗(yàn)表明，在考慮激光功率、激光掃描速度和送粉速度的影響下，熔池寬度、熔池高度和熔池深度的預(yù)測(cè)誤差均不大于10%。

目前，模擬金屬增材制造的冶金和熱力學(xué)基本變量，主要有以下幾種常見的方法：①分析法［68］在幾個(gè)簡(jiǎn)化的假設(shè)基礎(chǔ)上求解羅森塔爾熱傳導(dǎo)方程，得出溫度場(chǎng)和冷卻速率，但此方法忽略了傳熱的其他機(jī)理，產(chǎn)生的誤差較大。②熱傳導(dǎo)模型［69］采用有限元法（Finite Element Method，F(xiàn)EM）求解能量守恒方程和應(yīng)力應(yīng)變本構(gòu)方程，計(jì)算出溫度場(chǎng)、冷卻速率、形變和殘余應(yīng)力。雖然此模型易于實(shí)現(xiàn)并能處理復(fù)雜的幾何形狀，但是忽略了液態(tài)金屬的對(duì)流流動(dòng)，使得溫度被高估。③傳熱和流體流動(dòng)模型［70］采用有限差分法（Finite Difference Method，F(xiàn)DM）求解質(zhì)量、動(dòng)量和能量守恒方程，計(jì)算出金屬增材過程中的基本冶金變量。④基于水平集法（Level Set Method，LSM）和流體體積法（Volume of Fluid Method，VOF）的模型用于追蹤沉積表面［71］的演化過程。因此，用此模型計(jì)算的沉積形態(tài)與實(shí)驗(yàn)結(jié)果能較好地吻合，但是，此模型計(jì)算量很大，并且通常用于二維計(jì)算。⑤粉末尺度模型［72］采用晶格玻爾茲曼方法（Lattice Boltzman Method， LBM）和任意拉格朗日-歐拉方法（Arbitrary Lagrangian-Eulerian， ALE）求解微尺度下的熱、質(zhì)量和動(dòng)量守恒方程，涉及處理熱力學(xué)、表面張力、相變和潤(rùn)濕的自由表面邊界條件，除了溫度場(chǎng)和沉積幾何形狀，此模型可以準(zhǔn)確地預(yù)測(cè)空洞形成、飛濺和表面粗糙度。然而，模型的計(jì)算量非常大，需要更高級(jí)的計(jì)算資源。在工程應(yīng)用中，將有限元仿真結(jié)果與機(jī)器學(xué)習(xí)等結(jié)合建立代理模型，從而大大減少仿真計(jì)算的次數(shù)是未來復(fù)雜結(jié)構(gòu)工藝優(yōu)化的有效方法。

目前看來，對(duì)增材制造的預(yù)測(cè)和控制研究更多地集中在工件形變和溫度分布上。應(yīng)用在增材制造之前的精準(zhǔn)結(jié)果預(yù)測(cè)能夠?yàn)橹圃爝^程帶來巨大幫助，能快速找到最優(yōu)條件的參數(shù)組合，而不浪費(fèi)太多的時(shí)間和材料。

4 問題及展望

缺乏健全的工藝標(biāo)準(zhǔn)體系造成試錯(cuò)量大，以及較高的缺陷率等成為當(dāng)下增材制造所面臨的主要難題。數(shù)字孿生在一定程度上有助于實(shí)現(xiàn)從早期的工藝篩選到成形質(zhì)量的預(yù)測(cè)、成形過程的在線控制、數(shù)據(jù)庫的迭代優(yōu)化以及質(zhì)量回溯，從而縮短工件設(shè)計(jì)和生產(chǎn)周期，降低人力物力成本，提高增材制造質(zhì)量和效率。目前，數(shù)字孿生在增材制造領(lǐng)域的應(yīng)用尚處于初級(jí)階段，未來增材制造與數(shù)字孿生的高度融合還需要長(zhǎng)期的探索實(shí)踐，關(guān)鍵的研究方向包含但不限于以下幾個(gè)方面：

（1）在增材制造的機(jī)理方面，現(xiàn)有的研究普遍局限于成形形貌等特征量的預(yù)測(cè)與數(shù)字化控制，增材過程中缺陷的發(fā)生及其抑制機(jī)理、增材件微觀組織、拉伸和疲勞等力學(xué)性能，以及工件使役性能的預(yù)測(cè)及控制相關(guān)的數(shù)字孿生將是未來的主要發(fā)展方向之一。

（2）在控制與決策模型方面，深度/機(jī)器學(xué)習(xí)模型被廣泛應(yīng)用于那些不可直接傳感測(cè)量的關(guān)鍵因素的在線預(yù)測(cè)與控制，然而機(jī)器學(xué)習(xí)模型在線預(yù)測(cè)的誤差影響以及基于大數(shù)據(jù)、統(tǒng)計(jì)模型的誤差消除或抑制方法及機(jī)理的研究尚不充分。通過機(jī)器學(xué)習(xí)將機(jī)理模型的預(yù)測(cè)與實(shí)驗(yàn)結(jié)果以及大數(shù)據(jù)集中存在的歷史數(shù)據(jù)進(jìn)行深入分析，形成有效的決策方法實(shí)現(xiàn)統(tǒng)計(jì)模型和控制模型的不斷迭代優(yōu)化，是未來提高數(shù)字孿生決策系統(tǒng)性能的方向。

（3）增材制造實(shí)時(shí)傳感交互過程中，面向增材物理過程的多模態(tài)特征信息融合也是重點(diǎn)之一。增材制造過程的物理特性取決于制造工藝、材料、熱源、操作環(huán)境等多種因素，需針對(duì)不同的工藝，開發(fā)相應(yīng)的多物理域特征信息融合的標(biāo)準(zhǔn)數(shù)字化模型，以應(yīng)對(duì)特定工藝下的材料、參數(shù)和環(huán)境的變化。在此之上，需具備靈敏的傳感器與高效的計(jì)算能力來實(shí)現(xiàn)對(duì)各個(gè)物理域特征信息的精準(zhǔn)捕獲與快速處理，最終呈現(xiàn)在增材制造的數(shù)字孿生模型中。

（4）構(gòu)建出數(shù)字孿生模型以后，大量有效數(shù)據(jù)（如實(shí)體的觀測(cè)數(shù)據(jù)、衍生數(shù)據(jù)、操作數(shù)據(jù)、可調(diào)用的外部數(shù)據(jù)等）的指導(dǎo)及訓(xùn)練是提高模型準(zhǔn)確性的保障。期望建立一個(gè)龐大的增材制造數(shù)據(jù)庫，將在制造過程收集的海量數(shù)據(jù)篩選后，通過物聯(lián)網(wǎng)交互等，分門別類存儲(chǔ)在基于云的大數(shù)據(jù)中共享，供各研究單位自由選定工藝標(biāo)準(zhǔn)和數(shù)字化模型使用，減少獨(dú)自生成數(shù)字孿生模型的工作量，對(duì)提供打印前的指導(dǎo)、打印時(shí)的過程控制，以及打印完成后的結(jié)果比對(duì)十分有益。進(jìn)而通過數(shù)據(jù)與模型集成融合構(gòu)建起綜合決策能力，實(shí)現(xiàn)對(duì)增材制造過程及結(jié)果的定量、定性分析，驗(yàn)證后的結(jié)果繼續(xù)補(bǔ)充到云平臺(tái)的數(shù)據(jù)庫中，實(shí)現(xiàn)數(shù)據(jù)的迭代更新。

數(shù)字孿生技術(shù)的發(fā)展有利于智能制造的設(shè)計(jì)、生產(chǎn)、運(yùn)行和維護(hù)，是解決過程模擬、過程監(jiān)控，識(shí)別潛在的可制造性、質(zhì)量和耐用性等眾多增材制造問題的新途徑，有助于深入了解各種制造參數(shù)的作用，以及這些參數(shù)對(duì)產(chǎn)品質(zhì)量的敏感性，從而為制造過程的主動(dòng)控制提供關(guān)鍵信息。