基于原位纹影监测与深度学习的激光粉末床熔融中熔池-飞溅-蒸气与缺陷相互作用机制研究

本研究针对激光粉末床熔融（PBF-LB）过程中熔道缺陷形成机制不明确的问题，通过自主研发的旁轴高速纹影成像系统，原位同步捕获了熔池动态、飞溅轨迹和蒸气羽流演化。研究人员提出了一种特征金字塔CBAM网络（FP-CBAM Network），实现了对五种熔道表面缺陷高达97.33%的分类准确率，并结合t-SNE方法揭示了熔池形态变化与缺陷的关联规律。研究首次阐明了熔池主导（MP lead）与滞后（MP lag）模式快速转换诱发颈缩缺陷、近90°蒸气喷射角导致飞溅沉积概率增加等关键机理，为基于熔池动态监测实时预测并调控缺陷提供了理论与技术支撑，对提升PBF-LB成形质量具有重要意义。

　　

在增材制造领域，激光粉末床熔融（PBF-LB）技术以其能够制造复杂个性化精密零件的潜力而备受瞩目。然而，在超快的熔融和凝固过程中，该技术极易形成诸如气孔、微裂纹、夹杂物和高表面粗糙度等缺陷，这些缺陷会损害最终产品的物理和机械性能，甚至可能导致在使用过程中过早失效。因此，深入理解打印过程中缺陷的形成机制，对于提升成形质量至关重要。熔道缺陷（例如内部孔隙、表面缺陷）会显著影响打印质量，但这些缺陷与熔池变化之间的相关性及其潜在的形成机制仍不清楚。传统监测技术，如X射线成像、红外热成像和可见光成像，由于其固有的视场限制，难以同时观察熔池、飞溅和蒸气羽流等多种现象，导致对它们之间耦合效应的分析不足。

为了突破这一瓶颈，发表在《Engineering》上的这项研究，创新性地将高速纹影成像技术与深度学习算法相结合，旨在揭示PBF-LB过程中熔池、飞溅、蒸气与熔道缺陷之间的相互作用机制。研究人员开展了一项系统的实验与理论研究，不仅设计了一种能够同步捕获不可见气流（如保护气体流场）和金属颗粒运动的原位监测系统，还开发了先进的数据驱动模型来挖掘海量监测数据中隐藏的规律。

为开展此项研究，研究人员主要应用了几项关键技术方法：首先是自主研发的旁轴高速纹影成像监测系统，该系统能以36,000 fps的帧率同步捕获熔池形态、飞溅动力学和蒸气化现象；其次是机器学习方法，提出了融合通道与空间注意力机制的特征金字塔CBAM网络（FP-CBAM Network）用于熔道缺陷的高精度分类，并采用改进的t-SNE（t-分布随机邻域嵌入）算法对熔池特征进行降维聚类分析，以验证缺陷分类的可靠性；此外，还结合了图像处理技术（如自适应二值化、Canny边缘检测）用于从纹影图像中提取蒸气羽流角度和飞溅轨迹等特征，并建立了飞溅颗粒运动轨迹的力学模型以预测其沉积行为。

### 2. Material and methods ###

#### 2.1. In-situ sensors and experiment ####

研究搭建了自主设计的旁轴高速纹影成像监测平台。该平台使用FASTCAM Mini AX200高速相机，配合12倍镜头，在2倍放大倍数下以36,000 fps的帧率捕获分辨率为384像素×384像素的图像。实验采用AVIMETAL的316L不锈钢粉末（粒径15–53 μm），在严格控制气氛（0.037% O₂，氩气流量80.434 m3/h）的成形腔内进行单道扫描，激光功率范围100-500 W，扫描速度50-1060 mm/s。

#### 2.2. Machine Learning method for reorganizing melt tracks’ morphology ####

为了建立熔池与熔道形态的关联，研究人员开发了FP-CBAM网络。该网络以ResNet18为骨干特征提取网络，引入特征金字塔结构（FPN）以应对熔道尺度的变化，并嵌入卷积块注意力模块（CBAM）来动态学习通道和空间上的重要特征。针对真实数据中存在的类别不平衡问题，采用了Focal Loss损失函数。该模型在划分好的训练集和测试集（6:4）上进行了训练，最终在熔道缺陷五分类任务中达到了97.33%的整体准确率。通过Grad-CAM方法生成的热力图显示，网络能够有效学习到不同缺陷类型的判别性特征。

#### 2.3. Correlation of molten pool and melt track surface ####

##### 2.3.1. Classification of melt track defects #####

研究将熔道表面缺陷定义为五种类型：顶部凸起（Top protrusion）、颈缩（Necking）、凹陷（Depression）、边缘凸起（Edge protrusion）和不连续（Discontinuity）。FP-CBAM网络对这五类缺陷的分类精度均超过90%，精确率和召回率分别达到97.38%和97.33%。

##### 2.3.2. Re-correlate molten pool with melt track defects #####

为了验证机器学习分类结果与物理过程的一致性，研究从时间戳对齐的熔池图像中提取了38维特征（包括轮廓点欧氏距离、周长、面积、倾斜角等），并采用一种结合高斯混合模型（GMM）计算高维相似度的改进t-SNE方法进行降维可视化。结果显示，熔池特征能很好地聚类成五类，且与人工标注的熔道缺陷类型具有高度一致性（平均准确率90.37%），从而证实了熔池动态与最终熔道缺陷之间存在可追溯的映射关系。

### 3. Discussion ###

#### 3.1. Vapor ejection behavior ####

通过纹影成像，研究清晰捕捉了蒸气喷射的动态过程。激光起始时刻（t = 0 μs），金属蒸气垂直于基板喷射。随着激光扫描，蒸气喷射方向会发生偏转。研究定义了熔池运动模式：当激光中心领先于熔池凹陷中心时为熔池主导模式（MP lead），蒸气向前倾斜喷射；当激光中心滞后时为熔池滞后模式（MP lag），蒸气向后倾斜喷射。分析发现，扫描速度是决定运动模式的关键因素。在低扫描速度（<100 mm/s）下，熔池处于MP lead模式，蒸气偏转角随速度增加而减小；在高扫描速度（>500 mm/s）下，熔池处于MP lag模式，蒸气偏转角随速度增加而显著增大。激光功率对蒸气偏转特性影响相对较小。研究指出，熔池运动模式的快速转换（如从MP lag突然变为MP lead）意味着熔池整体移动速度发生突变，这会导致熔池尾部出现熔体物质损失，与高概率形成“颈缩”缺陷相关。

#### 3.2. Spatter behavior ####

纹影图像同时清晰地显示了飞溅颗粒的轨迹。统计表明，飞溅的分布区域与蒸气覆盖区高度相关。当蒸气喷射角接近90°时，蒸气同时作用于熔池前后区域，产生的飞溅分散角更大，其分布面积显著大于蒸气覆盖区，增加了飞溅沉积到熔道上的概率。而当蒸气向前（~0°）或向后（~180°）倾斜喷射时，飞溅分散角变小，沉积概率降低。研究还观察到一个特殊现象：高速飞溅重新进入激光作用区域后，被二次熔化、蒸发，产生的反冲压力使其突然垂直向下沉积到熔池中，这种高速冲击会诱发熔池振荡和边缘凸起缺陷。通过建立飞溅运动轨迹的力学模型，研究成功预测了不同工艺参数下飞溅的沉积位置，并与实际熔道表面附着的飞溅颗粒密度分布趋势相符。

#### 3.3. Molten pool behavior ####

研究观察了过渡模式和钥匙孔模式下的熔池动态。时间序列图像显示，蒸气羽流的倾斜角与熔池的倾斜角随时间演化表现出强烈的同步性。例如，在某一时刻，蒸气羽流偏转58°±3°时，熔池也发生同步偏转。这表明蒸气动力学可以作为熔池形态的可靠代理变量。由于纹影成像中熔池易受杂散光干扰，而蒸气运动对比度高，因此监测蒸气角度成为一种评估熔池动态的有效手段。

#### 3.4. Cross correlation of machine learning and molten pool behavior ####

此部分将机器学习识别的五类缺陷与纹影观测到的熔池、蒸气行为进行关联，为机器学习模型的预测提供了物理解释。

• •
  顶部凸起：与熔池高度突然增加有关，蒸气喷射稳定，表明缺陷源于局部粉末过度熔化，而非蒸气干扰。
• •
  颈缩：与熔池运动模式的快速转换相关。蒸气喷射角突然减小，标志着从MP lag模式向MP lead模式转变，熔池加速导致尾部材料收缩。
• •
  凹陷：熔池底部呈现“W形”凹陷。蒸气喷射角接近90°，导致向下的反冲压力增强，压缩熔池造成局部材料缺失。
• •
  边缘凸起：与高速飞溅垂直撞击熔池有关。飞溅冲击导致熔池失稳和材料外溢，而此期间蒸气行为稳定。
• •
  不连续：熔池高度骤降，同时伴有局部蒸气增强（反冲压力增大），导致材料损失而形成中断。

### 4. Conclusion ###

本研究提出了一种FP-CBAM网络，通过熔道数据学习熔池变化隐含关联的缺陷分类，并利用t-SNE方法对时间戳对齐的熔池特征进行聚类，交叉验证了缺陷标注的可靠性。进一步，通过纹影图像的观测和统计分析，深入研究了缺陷背后的机理，即熔池、飞溅和蒸气三者之间的耦合作用。这不仅为所提出的机器学习方法提供了物理解释和交叉验证，也展示了通过纹影监测信号实时预测熔体缺陷、进而动态调整工艺参数以改善PBF-LB过程熔体质量的潜力。

研究主要结论包括：

a) FP-CBAM网络能够可靠地建立熔池形态与熔道缺陷的映射关系。

b) 熔道形态直接受熔池尺寸和几何构型的时间依赖性变化控制，而蒸气则通过反冲压力间接调节熔池动力学。

c) 熔池动态模式（MP lead 和 MP lag）的快速转换会导致其整体移动速度突变，是形成颈缩缺陷的主要机制。

d) 飞溅重新进入激光束被二次加热蒸发后产生的高速沉积现象，是导致边缘凸起缺陷的原因。

e) 飞溅是熔道表面颗粒附着缺陷的主因。当蒸气喷射角接近90°时，飞溅分布面积更大，沉积到熔道上的概率增加。

未来的工作将更新装置，研究多层打印条件下三种现象之间的相互作用关系。