增材制造数字孪生技术发展及应用

赵斯杰，仪传明，肖 罡，，戴璐，张 宁，万可谦，杨钦文

（1.江西科骏实业有限公司，江西南昌330100；2.湖南大学 机械与运载工程学院，湖南长沙 410082）

0 引言

增材制造（Additive Manufacturing，AM）技术，一般指3D 打印（3D printing，3DP），是融合计算机辅助设计和材料成型技术的数字化制造工艺方法，凭借产品设计制造周期短、成形原料利用率高、多元材料复合以及成形结构受限少等优势被广泛关注[1]，在航空、航天、汽车、生物医药等领域得到了较好地应用和推广。通过增材制造技术生产出结构合理、性能良好的产品，取决于工艺参数的合理设计。为了获得最优的工艺条件，通常需要进行大量的实验对比，这个寻优的过程周期长且成本高。因此，科技工作者尝试通过与数字孪生技术的结合来改善这一现状。

数字孪生技术是集合物理模型、传感器感知数据和历史数据所创造的一种数字化虚拟模型[2]，可实现真实物理世界向虚拟世界数字信息化的反馈。数字孪生技术可通过物联网、人工智能、虚拟仿真等技术手段，将材料属性、零件形态、增材制造设备、增材工艺过程映射到虚拟空间中，实现设备运行情况、零部件成型过程和成型状态的数字化虚拟呈现，由此加快工艺参数优化迭代速度、提高生产效率，减少反复试错的研发成本、降低设备的维护成本[3，4]。

本文以数字孪生与增材制造的技术融合与应用发展为主题，先后综述了增材制造数字孪生技术的研究进展、增材制造数字孪生系统的总体框架及其应用现状，提出并分析总结了未来产品的技术架构及其必备的关键技术，展望了增材制造数字孪生技术的发展趋势和应用前景。

1 增材制造数字孪生技术发展与研究现状

高保真数字模型与多学科模拟仿真技术日渐成熟，逐步实现虚拟模型与物理对象之间可行有效的双向映射，数字孪生技术应运而生[5]。Glaessgen 等[6]给出了被广泛认可的“数字孪生”定义：通过使用物理模型、传感器监测，实现复杂产品多物理域多尺度概率模拟，在虚拟世界反映孪生对象状态的过程。Rosen 等[7]深化研究了数字孪生的定义及其涵盖的产业领域，探讨了数字孪生的重要技术方法，表述了自主学习的核心概念，将数字孪生归为自适应外部环境的仿真系统。

伴随物联网、机器学习、数据可视化、虚拟现实等电子信息技术发展，Rios 等[8]率先提出将数字孪生技术应用于制造领域。Debroy 等[9]构建了第一代增材制造数字孪生的系统框架，如图1 所示。该框架由制造设备、大数据模型、机械模型、控制模型、机器学习算法等组成。机械模型基于理论数据，实现工艺优化及零部件结构性能预测；控制模型依赖传感数据，通过智能算法、计算和存储设备，完成数据管理、分析、查询和决策；大数据模型负责存储力学模型结果、传感数据和测试结果；机器学习算法通过训练数据模型，构建自适应学习系统实现工作循环流程。

图1 增材制造数字孪生系统框架[9]

在具体的系统功能与算法开发方面，Knapp等[10]开发了增材制造数字孪生模块，能准确预测成形过程的冷却率、温度梯度、凝固率、二次枝晶臂间距和显微硬度，并通过了实验验证。Scime 等[11]采用固定视野可见光高速摄像机，研究了熔池尺寸和时间尺度上的缺陷，通过识别、分析熔池原位特征，锁定缺陷位置。Gaikwad 等[12]结合物理模型、原位传感和数据分析方法，研究了服务数字孪生的实时监控和缺陷预测方法。Renken 等[13]提出了模型前馈与传感器反馈相结合的增材制造熔池温度闭环控制方法，为数字孪生系统的信息同步与实时控制提供了有效实现方法。

2 增材制造数字孪生平台构架与关键技术

2.1 增材制造数字孪生技术平台构架

综合增材制造数字孪生技术发展与行业领域应用需求，设计了面向行业应用产品开发的增材制造数字孪生平台构架，如图2 所示。总体构架包含三大版块：关键技术版块、数字孪生版块和基础服务版块。其中，关键技术版块分为：多尺度多物理域模型、人工智能与仿真、数据通信与处理三个模块，为整个架构提供虚拟仿真、数据接入、智能决策等基础能力；数字孪生版块由规则引擎和多端协同引擎两具引擎构成，主要用于虚拟空间的构建与控制、多源时空数据的同步融合及多人协同通讯控制；基础服务版块包含场景驱动服务模块和增材制造基础功能模块，分别提供增材制造过程虚拟仿真控制和数据呈现服务和面向业务的数字孪生场景视觉渲染服务。

图2 增材制造数字孪生技术开发构架

在图2 所示的平台架构中，依据不同支撑属性，可将平台功能设计为五层部署结构，分别为数据源适配层、基础数据处理及通信支撑层、核心业务引擎层、基础服务组件层和业务应用层。其中，数据源适配层采用泛连接理论，设计了针对七层协议的可标注解释器，以关键字段标注的形式实现了可定义的协议解析功能，实现无编码数据接入；基础数据处理及通信支撑层定义了平台内部之间的标准数据结构及通信协议，并设计了事件订阅式时序同步应用层协议为各组件之间的数据通信提供服务；核心业务引擎层封装了平台关键业务处理逻辑，利用事件驱动的模块化引擎为其它组件提供统一的计算服务；基础服务组件层则为各业务功能模块提供统一的基础服务，包括：鉴权、监控、日志、配置、安全等；业务应用层则定义了业务功能的标准化接口，通过数据一致性来实现用户界面系统的快速生成。

类似所有跨越发展的新技术融合应用，在增材制造数字孪生平台的开发过程中，需要面对许多技术难题：（1）增材制造过程中包含复杂的冶金问题，同时面临强光和电磁场等干扰，难以直接通过感知与数据映射实现物理过程的可视化还原；（2）由感知数据转化为虚拟环境下的三维模型动态演化数据，其转化效率难以满足数字孪生可视化的实时性要求；（3）精确预测与智能决策是数字孪生平台的核心功能，通过实时感知数据传输进行成形过程的多物理域演变以及成形性能预测，辅助成形工艺的在线决策与修正，是人工智能与虚拟仿真技术融合性难题。针对上述难题，亟需突破以下三项关键技术，以期实现面向增材制造领域的数字孪生系统开发。

2.2 增材制造数字孪生关键技术及发展趋势

2.2.1 多尺度多物理域建模仿真技术

精确的视觉与物理机理模型是数字孪生的核心，是虚拟与实现物理实体双向交互的基础。增材制造技术基本原理简单直观，但其物理过程却极其复杂，属于多尺度多物理场耦合问题，涉及宏观尺度上的零件成形温度场和热致变形力学、介观尺度上熔池热致流动力学、微观尺度上熔池内的晶粒生长动力学[14]。此外，时间尺度的跨度同样突出，比如：熔池成型为微秒量级，单层扫描为秒量级，大型部件成型则一般需要几天乃至数月。因此想要建立准确的模型，需要从多尺度、多层级、多参数、多领域融合的角度综合考虑，这样才有助于对产品全生命周期进行监督管理[15]。多物理域、多尺度的高保真模型能够连接不同时间尺度和不同长度的物理过程以模拟众多的科学问题，并通过均匀调节物理参数连接不同模型。但是，在实现多个尺度和物理域模型的高效耦合和微观结构与粉末模型的有效验证等方面仍然存在着较大挑战[16]。增材制造数字孪生技术逐步采用动态数据驱动方法[17]，由此降低完全多物理求解器的计算成本。同样，替代建模技术也可以通过利用降序建模（ROM）或数据拟合模型替代高保真物理模型来降低计算成本[18]。对于数字模型与物理对象复杂行为之间的矛盾，目前解决方案主要是采用模块化的方式灵活建模，每个模块通过标准接口与主仿真模型进行交互，且仅在需要时激活。

2.2.2 多源数据及信息交互支撑技术

数据支撑技术是增材制造数字孪生各个模块互联互通的关键，包含数据的采集、传输、存储以及处理4 个方面。对于数据采集，难点在于传感器的种类、精度、可靠性等未能满足当前工作环境的要求。开发对增材制造操作过程无干扰、准确性高、计算效率高、经济、高速、高分辨率的传感器是未来研究的一个重要方向。数据传输是数据互联的重要通道，面临的难题主要是传输信号延迟。通信的延迟导致数值传输效率低下，可靠性降低[19]。目前解决传输延迟的思路主要是构建5G 技术、光纤通道协议等高速网络连接和进行数据压缩[20]。在完成数据采集和传输后，需要存储数据以便进行数据分析。数据储存技术重点在保障数据的完整性和安全性。分布式文件存储（DFS）、NoSQL 数据库、云存储等大数据存储技术因其成本较低，灵活性高受到研究者的青睐，其中构建以安全私有云为核心的数据中心或数据管理体系，是数据储存的重点方向[21]。数据处理旨在从海量的数据中去除冗长，噪声，模糊的数据，提取有效的特征数据。开发专业的低代码或零代码的数字孪生数据互联平台，将多源异构、多时空尺度、多维度的数据进行深度融合，是数据处理未来的重要发展趋势[22]。增材制造数字孪生技术领域需要探索更有效的数据监测与信息交互技术给予支撑，进而实现实时状态下的多源数据收集、解析、仿真、决策及工艺参数优化修正，推进增材制造工艺全过程的可视化与智能化。

2.2.3 人工智能技术

人工智能是数字孪生系统的底层关键技术之一，是数字孪生生态系统的中枢大脑。消费者在追求产品个性化定制时，要求数字孪生技术不仅要提供最佳工艺路径，还必须能进行自主监督、自适应优化，保证产品质量。传统的控制系统由机械+电子设备组成，其控制范围仅针对工程师熟知的领域提供解决方案，限制了控制系统处理问题的场景。因此，在增材制造过程中，如何及时高效地反馈增材制造设备的使用状态和故障预警，提高制造系统的实时控制能力，成为当前增材制造行业难题。为提高数字孪生控制系统的广度，人工智能技术必不可少。人工智能驱动下的数字孪生系统能够自主和有效地对增材制造的环境、设备状况、产品成形形态等因素进行监督，进行实时诊断和故障预测并做出复杂决策，提供最佳控制输入，保证增材制造过程的安全性和产品质量[23]。将人工智能融入产品全生命周期，形成将消费、生产、销售、物流、售后集成一体的智能化生产模式是近期研究的重点。具体表现为在需求分析阶段，分析用户群体特征，洞察市场需求；在设计阶段，采用机器学习对模型进行降阶降维，节省计算成本；在制造运营阶段，基于人工智能的高性能算法融合全生命周期内的多源异构数据，提高模型精度。增材制造人工智能技术需探索更有效的数据处理方法，更智能的机器学习应用以及涵盖尺度更广的算法，从而适应增材制造所在的物理环境，实现材料微观组织可控、结构宏观性能可调、制造工艺全过程可监控、产品质量全寿命可追溯[24]。

3 结论与展望

为推进增材制造技术的发展，工信部会同国家发改委、教育部、科技部、财政部等部门印发《“十四五”智能制造发展规划》[25]。《规划》明确了增材制造在未来智能制造变革中的重要地位，将全力攻坚突破关键核心技术难题，加强应用推广，壮大产业体系新优势作为未来规划的重点发展方向。

面向未来，增材制造必将迈向智能化和规模化发展。因其多层次、多尺度、多物理量高耦合的特点，有必要引入数字孪生推动增材制造实现更富时效的生产活动、更低的运营成本。数字孪生依赖海量的实时信息和数据对现实设备进行同步更新和修改，但这些大量的数据和信息难以用直观的方式传递给用户[26]。虚拟仿真技术是通过数字信息和对象带入现实世界来扩展用户与数字信息的交互，创建数字信息的3D 体验[27]。将虚拟仿真技术与数字孪生技术相结合，解决了用户无法与数据进行交互的问题。更重要的是，借助深度学习和计算机视觉等嵌入式高级算法，虚拟仿真技术可以支持决策活动，将工人转变为智能工人或智能操作员[28]。增材制造是一个单向过程，虚拟仿真技术能够提供更灵活的设计过程，从而实现虚拟模型和增材制造的物理实体之间的迭代设计和双向交互。未来虚拟仿真技术辅助数字孪生技术将立足于解决以下两大难题：一是如何实现虚拟模型与现实设备完美对应，二是如何将虚拟内容正确呈现至现实空间并提供沉浸式的虚实交互体验。

增材制造作为一个高度数字化的新型制造工艺方法，在理念上与数字孪生技术十分契合，科技工作者一直致力于用数字孪生技术优化增材制造过程。本文结合对增材制造技术与数字孪生技术的本质理解，归纳了数字孪生技术的相关研究进展，分析了当前数字孪生技术在增材制造中缺陷优化、质量检测、实时控制等方面的应用现状；分析总结了未来产品的系统框架与多尺度多物理域建模技术、数据支撑技术及人工智能与虚拟仿真等关键技术的研究方向，为将来数字孪生技术的理论、技术与工程应用提供了启发和参考。