《Journal of Alloys and Compounds》：Non-Destructive Evaluation of Additively Manufactured Lattice Structures: A Comprehensive Review of Techniques, Machine Learning Integration, and Future Directions
编辑推荐：
本文系统分析了增材制造lattice结构无损检测技术，探讨传统方法在薄支柱、节点重叠等几何复杂性下的局限性，提出机器学习与物理信息融合的检测框架，并展望多模态融合、不确定性量化等未来方向。
Akula Siva Bhaskar|D.V. Seshagirirao|Pradeep N|Chandrasekhara Sastry C|A. Hafeezur Rahman
印度安得拉邦库尔努尔市印度信息技术设计与制造研究所（IIITDM Kurnool）机械工程系，邮编518008
摘要
增材制造（AM）的格子结构在航空航天、生物医学、国防和能源应用中实现了前所未有的强度重量比优化和多功能性能。然而，这些结构的几何特性（如细长的支撑杆、节点重叠、周期性拓扑和开放孔隙）带来了缺陷检测的挑战，这些挑战与单体AM组件中的情况有本质不同。工艺过程中产生的缺陷（如孔隙、熔合不良、几何变形和微裂纹）会显著影响机械可靠性、抗疲劳性和结构完整性，因此需要采用考虑几何特性的无损检测（NDE）策略。本文全面分析了应用于金属和聚合物格子结构的NDE技术，包括X射线计算机断层扫描、超声波检测、声发射、红外热成像、涡流检测、磁方法和共振声学方法。针对每种检测方式，本文详细讨论了缺陷敏感性、格子结构特有的限制以及其在不同AM工艺中的适用性。此外，还提出了基于缺陷规模的比较决策框架，以指导方法选择，考虑了穿透深度、拓扑敏感性、吞吐量和成本约束。文章还总结了机器学习（ML）和深度学习（DL）在格子结构NDE工作流程中的融合应用。系统地比较了各种学习范式（监督学习、无监督学习、自监督学习、物理信息驱动的学习、迁移学习和不确定性感知学习），并评估了它们的准确性、泛化能力和认证准备情况。ML被定位为一个与具体检测方式无关的解释层，可以实现分割优化、多模态融合、检测概率分析和性能相关的数字评估。最后，本文讨论了物理信息驱动的ML、多模态传感器融合、不确定性量化、数字孪生集成以及ISO/ASTM标准化的新兴方向。研究表明，AM格子结构的检测未来将依赖于集成化的、基于AI的、以性能为导向的NDE生态系统，这些系统具有格子结构感知能力和工业可扩展性。
引言
增材制造（AM）作为第四次工业革命的基石[1]，能够直接从计算机辅助设计（CAD）数据逐层制造组件，避免了减材制造方法中的材料浪费。这种方法提供了卓越的设计灵活性，可以实现复杂的几何形状、轻量化结构以及针对航空航天[2]、国防[3]、能源[4]和生物医学[5]领域的专用组件。在AM领域中，格子结构因其优异的强度重量比、可调的刚度、高能量吸收能力和多功能适应性[6]而受到广泛关注。如图1所示，AM制造的格子结构主要分为基于支撑杆的、基于表面的和混合类型。基于支撑杆的格子结构包括体心立方（BCC）、面心立方（FCC）、金刚石和八面体桁架配置，这些结构由节点连接的离散梁元件组成，形成了高效的承重框架。相比之下，基于表面的格子结构（也称为三周期最小表面（TPMS）结构，如gyroid、Schwarz-D和Neovius）具有连续且平滑的拓扑，有助于实现均匀的应力分布和可制造性。结合这两种设计理念的混合结构正在被越来越多地研究，以在静态和动态载荷条件下平衡刚度、强度和能量吸收[7]。
尽管具有潜力，但通过AM制造的格子结构容易产生多种缺陷。在微观结构层面，缺陷包括孔隙、熔合不良、未熔化的粉末、夹杂物和微裂纹，这些缺陷通常由粉末随机分布、熔化不足、快速固化或由温度梯度引起的残余应力导致[12][13]。在几何层面，不精确性表现为支撑杆直径变化、节点膨胀、表面粗糙度和椭圆形，这些都会影响设计格子的尺寸精度。这些缺陷会严重影响抗疲劳性、断裂行为、渗透性和整体机械性能，尤其是在航空航天、国防和生物医学植入物等安全关键领域[14][15]。最近关于结构化和支架型增材制造材料的研究进一步表明，格子结构的性能不仅受材料成分影响，还受几何精度、支撑杆完整性和缺陷分布的影响。例如，Li等人[16]在粘合剂喷射增材制造的纯Zn支架中展示了支撑杆几何形状和内部孔隙的变化会显著影响机械性能，即使材料化学成分相同也是如此。他们的发现强调了可靠的无损检测方法的必要性，这些方法能够解析内部特征和由几何形状驱动的缺陷，而不仅仅是依赖整体检测假设。
为了确保增材制造格子结构的结构完整性和功能可靠性，无损检测（NDE）方法变得不可或缺。NDE可以在不改变材料状态的情况下检测内部和外部特征，支持制造过程中的质量保证、建成条件的验证以及服役过程中的性能监测。因此，X射线计算机断层扫描（XCT）、超声波检测（UT）、声发射（AE）、涡流检测（ECT）、红外热成像（IRT）和磁检测（MT）等技术已被越来越多地应用于增材制造领域，每种技术都利用了不同的物理相互作用机制[17]。随着AM技术从原型开发向安全关键的工业应用过渡，NDE已从可选的检测步骤发展成为认证、资格认证和标准化的核心手段。机器学习的进步突显了将物理知识与数据驱动模型相结合的重要性，以实现复杂材料系统的稳健和通用预测。Sun等人[18]提出了一种物理信息机器学习框架，用于预测亚稳态β-钛合金的强度和延展性，证明嵌入物理意义的描述符可以显著提高模型可靠性，尤其是在数据有限或噪声较大的情况下。这种物理信息驱动的学习范式对于增材制造格子结构的无损检测非常相关，因为检测数据往往稀疏、依赖于几何形状且存在测量不确定性。
然而，尽管针对整体和单体组件的NDE技术已经相当成熟，但将其直接应用于格子结构仍存在根本性挑战。传统的NDE方法通常是在连续材料体积、相对均匀的横截面和可预测的信号路径假设下开发的，而这些假设在格子结构中并不成立。接近传感分辨率极限的细长支撑杆、重叠的节点区域、开放孔隙和周期性重复会显著改变缺陷对比度、波传播行为、热扩散路径和电磁场分布。因此，在单体组件中容易检测到的缺陷在格子结构中可能会被掩盖、误解或与几何伪影混淆。这些由结构引起的复杂性要求采用考虑几何层次和周期性的检测策略和数据解释框架，而不能简单地将格子结构视为缩小版的整体部件。
格子制造的相关工艺
金属AM工艺
金属格子结构可以通过多种增材制造方法制造，这些方法在能量输入、材料输送和固化原理上有所不同。四种最常用的工艺包括激光粉末床熔融（LPBF）、电子束熔化（EBM）、线弧增材制造（WAAM）和粘合剂喷射（BJ），如图2所示。
i.激光粉末床熔融（LPBF）使用高能激光选择性地熔化细金属粉末层
AM格子结构的NDE技术研究进展
虽然前面的部分概述了适用于增材制造（AM）组件的无损检测（NDE）技术的基本原理，但将其直接应用于格子结构时会面临一系列新的挑战，需要重新考虑。
讨论与未来方向
由于几何复杂性、开放孔隙拓扑和固有的各向异性，增材制造格子结构的NDE在技术上仍然具有挑战性。虽然传统的检测方法（如X射线计算机断层扫描（CT）、超声波检测（UT）、声发射（AE）、红外热成像（IRT）、涡流检测（ECT）和磁检测（MT）已广泛应用于单体AM部件，但将其应用于格子结构时会暴露出方法特有的局限性。
结论
本文系统地探讨了从格子结构角度出发的增材制造（AM）格子结构无损检测（NDE）策略的发展。与单体组件不同，格子结构具有由细长支撑杆、节点重叠、周期性单元重复和开放孔隙引起的几何复杂性，这些因素从根本上改变了缺陷检测、信号传播和数据解释的方式。
CRediT作者贡献声明
Pradeep N：资源提供、正式分析。
D V Seshagirirao：资源提供、正式分析。撰写 – 审稿与编辑、初稿撰写、可视化、验证、方法论研究、数据整理、概念化。
资源提供、项目管理、资金获取。
C Chandrasekhara Sastry：撰写 – 审稿与编辑、验证、监督、项目管理、资金获取、正式分析、数据整理。
利益冲突声明
作者声明以下可能的财务利益和个人关系可能构成利益冲突。C. Chandrasekhara Sastry博士报告称，他的工作得到了印度国防研究与发展组织（DRDO）下属的武器应用材料（MAA）小组的财务支持。如果还有其他作者，他们声明没有其他已知的财务利益或个人关系可能影响本文的研究结果。
致谢
作者和首席研究员C. Chandrasekhara Sastry博士衷心感谢印度国防研究与发展组织（DRDO）下属的武器研究委员会（ARMREB）的武器应用材料（MAA）小组提供的资金和资源，项目编号为ARMREB/MAA/2025/306。
