《Journal of Manufacturing Processes》：A state-of-the-art review on computational techniques in laser beam shaping across additive manufacturing
编辑推荐：
摘要激光光束整形技术已成为提升众多激光制造过程质量、稳定性和效率的革命性手段，包括激光焊接（LW）、激光粉末床熔融（LPBF）、定向能量沉积（DED）和超快激光加工。尽管实验研究取得了显著进展，但利用计算方法（如有限元分析（FEA）、分子动力学（MD）模拟、相场建模和机器学习
摘要
激光光束整形技术已成为提升众多激光制造过程质量、稳定性和效率的革命性手段，包括激光焊接（LW）、激光粉末床熔融（LPBF）、定向能量沉积（DED）和超快激光加工。尽管实验研究取得了显著进展，但利用计算方法（如有限元分析（FEA）、分子动力学（MD）模拟、相场建模和机器学习（ML））来预测和优化光束整形过程，甚至指导实际操作，在文献中的报道仍然很少。本综述对激光光束整形研究中使用的计算方法进行了全面、系统的考察。本文通过综述最先进的光束整形技术提供了理论基础：静态光束整形技术（衍射光学元件（DOE）、非球面透镜组和微透镜阵列）、动态光束整形技术（空间光调制器（SLM）、变形反射镜（DM）、声光偏转器（AOD）、多平面光转换（MPLC））、相干光束合成（CBC）和动态光束激光（DBL）。在后续章节中，我们讨论了整形光束加工的计算机模拟现状，按制造领域对模拟方法进行分类，并分析了人工智能（AI）在光束整形优化方面的潜力。本综述还确定了现有机遇、局限性和挑战，并突出了计算建模与光束整形技术交汇的有前景的研究领域。本综述旨在构建这一跨学科研究领域的框架，并为研究人员和从业者提供采用计算工具的框架，以继续追求光束整形赋能的制造工艺。本综述总结了该领域从描述性建模向最佳光束形状逆向建模的演进；利用多保真度框架从原子尺度向零件尺度的预测能力演进；以及通过使用人工智能涌现出的新能力，包括实时闭环光束控制，并指出物理信息神经网络（PINN）、数字孪生集成和多目标逆向设计是未来发展的关键领域。
章节摘录
符号说明
| ADHS | 环形分布热源 |
| AI | 人工智能 |
| AM | 增材制造 |
| ANN | 人工神经网络 |
| AOD | 声光偏转器 |
| AONN | 全光神经网络 |
| ARM | 可调环形模式 |
| CBC | 相科光束合成 |
| CFD | 计算流体力学 |
| CNN | 卷积神经网络 |
| CW | 连续波 |
| DBL | 动态光束激光 |
| DED | 定向能量沉积 |
| DED-LB | 定向能量沉积-激光束 |
| DEM | 离散元方法 |
| DM | 变形反射镜 |
| DNN | 衍射神经网络 |
| DOE | 衍射光学元件 |
| FEA | |
激光光束整形技术：全面概述
在基于激光的增材制造工艺（如LPBF和DED）以及激光焊接中，激光束能量在工件上的分布决定了进料材料和基体中的能量沉积模式，进而决定了熔池几何形状、温度梯度、凝固微观结构和缺陷形成，这些因素最终决定零件的最终质量。光束整形技术重塑了输送到构建区域的强度分布（通常为高斯分布，如光纤激光中的分布），
激光光束整形研究中的计算方法
本节概述了用于研究和优化制造应用中激光光束整形过程的计算和数值方法、综述和分析。本讨论分为五个子章节：整形光束热力学行为的有限元分析（第3.1节）、原子尺度现象的分子动力学（第3.2节）、微观组织演化的相场和中观尺度建模（第3.3节）、机器学习和
挑战、局限性与未来展望
本章讨论了计算光束整形研究中的挑战和局限性，并提出了未来研究的方向。在第4.1节中，从热源表征、与熔池流体流动的耦合、粉末床微观结构、建模工作验证以及机器学习模型的普适性等方面讨论了计算模型面临的基本挑战。当前方法的局限性，
讨论
本综述的观测结果在与现有文献进行批判性比较时具有更重要的意义。此前关于激光光束整形的综述主要对光学硬件和实验观察到的工艺改进进行了编目，如增强的匙孔稳定性、抑制飞溅和减少气孔率。本综述在此基础上进一步拓展：本文呈现的计算研究表明，所声称的实验优势不仅仅是被观察到的，
结论
本综述首次对激光光束整形研究中的计算方法进行了系统评估，这一主题迄今为止在光学、材料科学和制造领域的文献中仍较为分散。激光焊接（LW）、粉末床熔融（PBF）和定向能量沉积（DED）方面的进展被归纳为五个主题领域：光束振荡的有限元分析（FEA）；替代光束轮廓几何形状以及环形模式和多光束
CRediT作者贡献声明
Abu Bakar Siddique：撰写——审阅与编辑，撰写——初稿，可视化，方法论，调查研究，形式化分析，概念构思。Khadija Mushtaq：撰写——审阅与编辑，验证。Zhou Wanlin：撰写——审阅与编辑，监督指导，资源提供。Adnan Javed：验证。Aqib Mashood Khan：验证，数据整理。
资金资助
本工作由国家重点研发计划"高性能制造技术与重大装备"项目资助，项目编号SQ2023YFB3400144。
利益冲突声明
本文作者声明不存在利益冲突或个人关系可能影响本文所述研究的情况。
致谢
在本文撰写过程中，作者使用了ChatGPT5.0来提高正字法水平并增强整体写作效果。在使用该工具/服务后，作者对内容进行了审阅和编辑，并对出版物的内容承担全部责任。
Abu Bakar Siddique|Khadija Mushtaq|Zhou Wanlin|Adnan Javed|Aqib Mashood Khan
