《Advanced Intelligent Systems》：A Comprehensive Review on Additive Manufacturing of Smart Components: Technologies, Applications, and Future Scope
编辑推荐：
增材制造（Additive Manufacturing, AM）已从被动几何结构发展为通过引入功能能力而实现主动系统的智能组件。近年来的进展使得功能性元件（如有源电子组件）能够在制造过程中直接嵌入，从而使结构能够感知、响应并适应其运行环境，同时降低装配复杂度及
增材制造（Additive Manufacturing, AM）已从被动几何结构发展为通过引入功能能力而实现主动系统的智能组件。近年来的进展使得功能性元件（如有源电子组件）能够在制造过程中直接嵌入，从而使结构能够感知、响应并适应其运行环境，同时降低装配复杂度及相关故障点。尽管在上述领域已有大量研究，但目前仍缺乏一篇将所有关于AM在智能组件中应用的现有文献整合在一起的综述文章。本综述考察并综合了在AM制造的零件中集成五种关键智能能力的进展：（i）用于连续监测的传感功能，（ii）用于自适应运动和力生成的驱动功能，（iii）用于可编程变形的形状记忆行为，（iv）用于恢复结构完整性的自修复功能，以及（v）用于支持自供电运行的能量收集功能。本综述整合了AM赋能智能组件中所用的材料、设计架构、制造方法、工艺-结构-功能关系以及多功能集成策略。本文进一步讨论了与传感、驱动、形状记忆、自修复和能量收集功能相关的最新发展、性能趋势对比、挑战以及未来机遇。
1 引言
增材制造（Additive Manufacturing, AM），也称为三维打印（three-dimensional printing, 3DP），是指根据数字化三维模型数据逐层制造物体的方法。与从实体块中去除材料的减材制造工艺相比，AM能够以更低的材料浪费和通常更短的生产周期创建复杂、轻量化和定制化的组件。凭借其设计灵活性和材料多样性，AM已被广泛应用于医疗保健、航空航天、汽车、建筑、电子、能源系统以及食品和制药打印等新兴领域。随着该领域的进步，研究人员越来越多地探索将功能能力嵌入AM结构中的潜力，使其从被动几何结构转变为主动系统，即所谓的智能组件。这些组件旨在根据外力、温度、压力、光照或化学变化等外部因素进行感知、响应和改变。通过在单一结构中包含传感、驱动、能量收集甚至自诊断等功能，智能组件对于开发航空航天、生物医学、机器人和基础设施监测等领域的自适应和自主系统至关重要。AM能够实现新一代小型化、坚固且可定制的智能系统，为下一代假肢、分布式传感器网络、嵌入式软体机器人和实时结构健康监测（Structural Health Monitoring, SHM）等创新应用铺平道路。在制造过程中嵌入此类功能消除了后组装集成，减少了故障点，并实现了紧凑的多功能设计。
2 方法论
本综述采用结构化文献调查和定性综合方法，对用于智能组件制造的AM技术进行全面评估。由于本研究是一篇综合性叙述性综述而非系统性综述，目标并非对预定义数据集进行统计评估或详尽识别该领域的每一篇出版物。相反，研究人员跨学科领域（包括传感、驱动、形状记忆行为、自修复和能量收集）对代表性、高质量和有影响力的研究进行了批判性综合。这种方法能够识别AM赋能智能组件制造中的关键技术发展、新兴趋势、研究空白、挑战和未来机遇。研究人员选择了Scopus、Web of Science和Google Scholar作为主要数据库。文献检索涵盖1954年至2026年间发表的出版物。纳入标准包括同行评审期刊文章、综述论文和高水平会议论文集，涉及AM、3DP或4D打印技术，并关注传感、驱动、形状记忆行为、自修复、能量收集或多功能智能系统。排除标准包括完全与AM技术无关的研究、缺乏足够技术信息的内容以及非同行评审文献。选定后，文献被分为两大类：基于ASTM定义的AM工艺系列，以及基于所研究的首要智能功能。
3 AM技术
AM技术被美国材料与试验协会国际委员会（ASTM International Committee）标准化并分类为七大类：材料挤出（Material Extrusion, ME）、光聚合（Vat Photo-polymerization, VPP）、粉末床熔融（Powder Bed Fusion, PBF）、粘合剂喷射（Binder Jetting, BJ）、材料喷射（Material Jetting, MJ）、薄板叠层（Sheet Lamination, SL）和定向能量沉积（Directed Energy Deposition, DED）。每种工艺都有其独特的优势、局限和应用。例如，ME因其经济实惠和操作简便而被广泛使用；VPP提供高分辨率和出色的表面光洁度；PBF能够生产高强度、致密和复杂的零件；MJ允许多材料、高分辨率制造；DED广泛用于制造功能梯度材料。对智能组件开发而言，功能性集成能力的比较至关重要。ME提供高材料通用性和低成本制造，但受限于较差的层间导电性和各向异性力学行为。VPP提供卓越的分辨率和表面质量，但其材料限制限制了多功能性。PBF能够制造高强度金属智能结构，但热应力和传感器存活率仍是挑战。MJ在多材料集成方面表现突出，允许同时沉积导电、介电和结构材料。定量基准测试凸显了不同AM技术在分辨率、功能响应和能量性能方面的固有权衡。
4 AM智能组件
智能组件是将多种功能（如传感、响应和适应环境因素）结合在一起的系统。它们兼具结构和功能特性，能够进行实时监测、驱动以及数据采集和传输。当传感器、互连件和执行器与承载材料一起打印时，所得部件通过消除接头、连接器和单独外壳而变得坚固。嵌入式传感器提供连续状态数据，实现局部闭环控制和远程诊断。共打印导电油墨、薄膜电子器件和微通道允许电路和功率元件安装在结构的同一空间内。活性材料（如形状记忆合金/聚合物（Shape Memory Alloys/Polymer, SMA/SMP）、介电弹性体和压电材料）结合设计的微观结构，提供了可编程变形和力生成能力。
4.1 基于形状记忆的智能组件
形状记忆合金（Shape Memory Alloys, SMA）和形状记忆聚合物（Shape Memory Polymers, SMP）是能够在温度、光照或电场等外部因素激活下恢复到特定形状的材料。SMA基智能组件的性能从根本上受工艺-结构-功能（Process-Structure-Function, PSF）关系支配，其中制造参数直接影响微观结构演变并最终决定功能性能。在激光粉末床熔融（Laser Powder Bed Fusion, LPBF）等激光基AM工艺中，激光功率、扫描速度、舱口间距、层厚和热历史等参数控制着晶粒形态、相组成、晶体学织构、孔隙率和残余应力，进而影响转变温度、形状恢复率、超弹性、驱动应变、循环稳定性和疲劳抗力。研究表明，快速凝固促进柱状晶形成和微观结构各向异性，这可能会增强或削弱形状记忆行为。通过优化体积能量密度和后处理热处理条件，可以改善相稳定性和功能重复性。此外，通过将LPBF加工与架构化晶格设计相结合，可实现可调刚度、能量吸收和恢复行为，其中单元胞几何形状控制变形机制，而NiTi微观结构保持可恢复应变。在软体机器人领域，研究人员利用立体光刻（Stereolithography, SLA）基AM开发了光热响应型SMP，这些材料在接近环境温度下驱动，克服了传统SMP常见的热限制。虽然材料轻质且柔性，但其有限的力密度限制了其在软体机器人执行器中的应用。微波辅助驱动的3DP SMP复合材料可实现快速选择性形状恢复，显著缩短驱动响应时间。架构化SMA表明，AM可以生产具有可调刚度、能量吸收和复杂几何形状的结构。打印参数对SMA性能的影响研究提供了系统指南，展示了参数调整如何直接影响微观结构、力学性能和可靠性。优化的LPBF工艺可使NiTi合金获得优异的强度、韧性和最小的热滞，增强了它们在复杂系统中的功能集成。可持续SMP的发展引入了环保型SMP，在保持形状记忆能力的同时减少生态影响。总体而言，这些研究展示了AM制造的形状记忆材料从简单几何形状到复杂、多功能和可持续智能组件的演进。
