由澳大利亚伍伦贡大学和南京工业大学合作的关于“人工智能增材制造应用”的最新综述文章以题为“Research and application of artificial intelligence techniques for wire arc additive manufacturing: a state-of-the-art review” 发表在国际顶级计算机科学期刊《Robotics and Computer-Integrated Manufacturing》上。
该工作全面回顾了线弧增材制造中人工智能技术的最新研究：提出了智能电弧增材制造（IWAAM）的新概念，揭示了开发IWAAM的挑战；概述了将人工智能技术应用于WAAM工艺链的几个方面的研究进展，包括制造工艺预设计、在线沉积控制和离线参数优化；详细回顾了相关的机器学习算法以及相应的人工智能技术的知识；并从新的人工智能技术应用和人工智能技术增强方面讨论了未来的研究前景。 增材制造（AM），也称为3D打印，由于其设计灵活性和时间效率的优势，在过去十年中得到了快速发展。它为制造具有复杂结构的零件提供了解决方案，在航空航天、生物医药和汽车等行业中的应用日益增加。在各种金属AM技术中，线弧增材制造（WAAM）以其高沉积速率、高材料利用率和低设备成本展示出显著优势，使其能够在中大型规模上制造定制金属部件。WAAM工艺可进一步分为三类：基于气体保护金属电弧焊（GMAW）的、基于气体保护钨极电弧焊（GTAW）的和基于等离子弧焊（PAW）的WAAM工艺。如图1所示，典型的WAAM系统利用电弧作为热源，逐层沉积金属材料。铰接式工业机器人或高精度机床用作驱动焊枪的运动机构。计算机作为主控制器来协调致动器、焊机和各种传感器以执行制造任务。
图1.（a）典型WAAM系统示意图；（b）预先设计的计算机辅助设计（CAD）模型；（c）最终WAAM产品 尽管WAAM工艺在20世纪20年代首次提出并获得专利，但在2010年开始繁荣之前，很少有相关研究或实际应用。从2010年开始，WAAM的研究发展可归纳为三个阶段，如图2所示。在第一阶段（约2010-2013年），研究重点是材料性能和工艺开发。在第二阶段（约2014-2017年），引入了WAAM过程的范例框架和工作流，并在参数优化、过程控制、缺陷消除和过程模拟等方面取得了进展。在此期间，世界各地的许多研究机构对澳大利亚、中国、法国、英国和美国的WAAM技术的发展表现出了更大的兴趣，出版物数量比前一阶段翻了一番。然而，存在许多阻碍WAAM技术在制造业中广泛应用的障碍。Liu等人指出，由于来自不同异质视角的相关因素，建模潜在WAAM过程的数学关系存在困难。Xia等人指出，WAAM过程的过程监控和闭环控制对于提高WAAM系统的稳定性、鲁棒性和可重复性至关重要。Smith等人总结道，将与各种现象相关的WAAM数字模型在多个尺度上集成到一个统一的框架中具有挑战性。在这种背景下，各种人工智能（AI）技术被认为是使WAAM技术能够在第三阶段（从2018年起）应对这些挑战的技术。 包括机器学习（ML）、自动化和机器人、机器视觉、数据挖掘、大数据和专家系统在内的人工智能技术在制造业中已被证明是有效的。随着数据采集技术、机器人系统和计算机科学的进步，在数字制造时代，越来越多地采用人工智能技术来构建高度复杂的关系，并提高系统的可控性和产品质量。作为工业4.0中强调的主流制造系统之一，传统WAAM技术需要融合到结合传感器网络和新型AI算法的智能制造系统中。因此，越来越多的研究人员通过设计优化、过程建模、原位控制和缺陷检查，实施各种AI技术来提高WAAM的性能。尽管学术界和工业界都非常关注，但尚未对WAAM中应用的人工智能技术的最新研究进行广泛审查。因此，该工作旨在通过研究2010年至2021的现有文献，对WAAM的内容、范围和潜在研究机会进行概述，从而对该领域进行系统综述。此外，还将涵盖AI技术在其他金属AM工艺中的应用，结果通过回答WAAM的当前进展水平以及WAAM未来的潜在研究方向，为现有文献增添了知识。 图3展示了该工作的内容组织如下：第2节描述了AI集成系统的特点和当前WAAM的障碍。第3节从不同阶段回顾了人工智能技术在WAAM中的最新应用和研究进展。第4节讨论了WAAM系统中采用的算法的原理和特点。第5节总结了人工智能技术应用方面的当前问题。第6节提出了未来可能的研究方向，第7节给出了结论。 
