2022年2月18日，《中国机械工程学报：增材制造前沿》首期在ScienceDirect上线了！Chinese Journal of Mechanical Engineering: Additive Manufacturing Frontiers (AMF) 首期共发表9篇文章。
由中国的增材制造专家团队在该期刊上发表的首篇论文“增材制造路线图：迈向智能化和工业化”，对增材制造的设计、材料、结构、制造、智能化、生命结构、极端尺寸和极端环境等进行了全面的综述，内容十分干货精彩。作者为西安交通大学李涤尘教授、田小永教授团队；南京航空航天大学顾冬冬教授团队；西北工业大学林鑫教授团队；清华大学林峰教授团队；华中科技大学宋波教授团队。
摘要
随着过去 30 年增材制造 (AM) 技术的快速发展，增材制造已经从原型制造转向工业功能组件的先进制造。增材制造工艺和设备的智能化和产业化可能是未来增材制造技术广泛工业应用的瓶颈，本文重点阐述了这一点，目标是描述未来5到10年的技术研究路线图。根据增材制造技术工艺和价值链中的数据流，分别阐述了设计方法、材料、工艺和设备、智能结构以及在极端规模和环境中的应用等方面的最新技术。每个部分都提供了一些关于增材制造技术研究和发展的潜在挑战的建议，这将最终为未来的工业创新和创业建立一个关键的技术平台。
1 . 简介
增材制造（AM，也称为3D打印）技术是一种将材料（包括液体、粉末、线材或片材）连接起来，从数字模型中构建出三维物体的制造过程，通常采用逐层的方式。与铣削、车削等减材制造和铸造、锻造等等材制造相比，增材制造技术自1980年代出现以来发展周期较短，但在未来推动制造技术革命方面有着潜力的巨大。目前，在制造业尤其是中国，新产品开发创新能力严重不足已成为制约制造业发展的瓶颈。增材制造可以快速高效地实现新产品的制造，为产品研发提供有效途径。此外，增材制造可以降低制造业在资金和人员技术方面的门槛，有助于促进制造业中的小微企业发展，激活社会智慧和资金资源。此外，增材制造为制造业革命和新产品的产生提供了巨大的机遇，可以实现制造业的结构调整，促进制造业向智能制造转型[1]。
增材制造技术最重要的优势是释放了材料选择和结构的设计自由，可以实现形状可控和性能定制。增材制造技术通过建立从材料到最终应用的数据流，成功实现了设计和制造过程的数字化，如图1所示。大多数处于不同状态的工程材料都可以作为原材料在增材制造工艺中使用，其中甚至可以通过原材料的微观结构和成分设计来设计和制备新的特性和性能。从微观尺度到中观和宏观尺度，增材制造技术为具有不同功能的复杂结构的设计和制造带来了重大机遇，特别是在复杂的曲面、分层晶格和薄壁/空心结构方面。在复杂结构的基础上，通过尖端材料科学、设计方法、工艺和设备的支持，功能和智能结构也可以实现。
图1. 增材制造的路线图示意图
随着过去30年增材制造技术的快速发展，增材制造已经从原型设计转向工业中功能部件的先进制造。因此，工艺和设备的智能化和工业化可能是未来增材制造技术广泛工业应用的瓶颈。智能化增材制造技术可以通过闭环控制实现制造过程的无人化、精确化和稳定化。通过建立增材制造的工艺模型，利用工艺数据库和大数据分析技术，可以自动修正相应的参数，这将是增材制造最关键的发展方向之一。同时，作为一项迅速崛起和发展的技术，增材制造还远远不能满足传统产业在大规模生产模式下的标准化和产业化要求。在未来的工业化进程中，增材制造可以实现单件、小批量、大规模定制，尤其是在环境和规模方面的极限制造，如图1所示。
为了突破增材制造技术在智能化和工业化方面的挑战，本文根据增材制造技术从设计方法、材料、工艺和设备、结构到工业应用的过程和价值链的数据流，说明了先进的发展和技术路线图，如图1所示。本文强调了增材制造技术从数字化到智能化、创新到工业化的转变，旨在描述未来5到10年的技术研究路线图。每一节都为增材制造技术的潜在研究和开发课题提供了一些建议。
2. 设计方法论
增材制造实现了三维结构和产品的智能设计和制造自由。为增材制造而设计已经成为跨学科研究的新兴领域。一种被称为拓扑优化（TO）的计算机辅助设计方法被用来生成创新和复杂的结构，表现出可调整的刚度、分层特征和出色的轻质性能[2, 3]通过拓扑优化进行的部件整合被认为是另一种有利的设计策略，将一个组件的多个部件组合成一个可打印的部件（图2（a））。[4]. 此外，多学科优化在最近得到了解决，设计结构需要满足多个目标并满足相关的约束条件，如复杂的负载条件、高耐热性、有限的应力和位移（图2（b）和图2（c））。[5, 6]. 集成的增材制造驱动设计被引入到定制中，以考虑典型的设计约束（例如，图2(d)-2(f)中的悬角）。[7, 8]并利用工艺特点（如材料的各向异性、建筑方向和工艺参数）[9, 10]。先进的热机械模拟用于预测加工后的温度梯度和残余应力分布，获得的温度或应力场可用于促进拓扑优化消除结构变形[11]。如图2(h)-2(k)所示，通过拓扑优化对微晶格和宏观结构进行分层设计，与实体结构相比，表现出突出的轻质和机械性能。此外，还开发了一个数据驱动的拓扑优化，结合了增材制造的工艺-结构-性能关系，实现了多个工艺参数、建筑方向和结构配置的同时优化[12, 13]。基于周期性构造元素的集体响应而非单个元素的材料表现出非凡的宏观特性[14, 15]，可以通过两种主流方法，即特设方法和拓扑优化[16]建立。
图2. (a) 用于增材制造的飞机机翼Giga-voxel 拓扑优化 [17]; (b) 用于复杂发动机设计的薄壁晶格填充物; (c) 用于耐热结构的双梯度材料和功能设计; (d) 带有支撑结构的金属承重框架[18]。(e)和(f)用于承重结构的无支撑设计；(g)通过SLM对钛合金进行分层设计；(h)、(i)和(j)用于卫星支架的实体晶格设计[10]；(k)具有连续晶格演变的分层设计[19] 。
到目前为止，在不久的将来仍然存在以下挑战。
(1)结构和多学科拓扑优化仍然面临着设计挑战的出现。结构设计的综合优化需要考虑极端载荷条件，如宽带振动、循环载荷下的材料疲劳、极端高温和强辐射。需要实施外部载荷的多物理场建模，以加强和拓宽综合优化的视野。所设计的组件保持必要的机械性能，并拥有其他功能，如光学、电磁、热性能等。引入多物理学驱动的体积设计，将多尺度的特征和多类型的材料整合到数字化中，实现结构的功能融合。
(2)提出了知识库驱动的方法来组织和管理增材制造驱动设计的密集数据趋势，这是智能设计和制造系统的一个重要方面[20]。这个知识库包括配方/成分的材料数据库、功能晶格单元库、工艺参数的组合等，以及它们之间的关联。这些信息可以从设计、制造和评估的整个流程中追踪到。在增材制造中，材料-工艺-结构-性能/功能的关系需要通过量化的物理模型或数据驱动模型来建立[21]。例如，可以利用多物理过程模拟、人工智能以及机器学习算法来建立定量关系[22]。此后，知识库驱动的设计可以将这些关系与结构拓扑优化充分结合起来，从而弥合理想设计原则与现实增材制造结构之间的差距。
(3)通过成本导向管理的产品生命周期将在先进的解决方案上得到解决，它推荐零件的数字模型来主动补偿预期的翘曲。在设计、制造和服务寿命期间的真实数据流可以支持决策和面向成本的设计。产品设计的迭代过程在数字系统中进行，将大大降低开发成本和时间消耗。
(4)对于超材料结构设计，实现自动设计是未来的趋势。通过利用特设法和拓扑优化法的优势，模块化设计为创造具有理想性能的超材料提供了一条新的途径。它从基于现有知识适当选择的结构基础开始，因此可以节省计算时间，耗时较少，从而平衡设计性能和计算成本。
3. 材料
由于可控的形状和性能的内在特点，材料在所有的增材制造工艺中发挥着关键作用。材料的要求受到创造原料的需要的影响，被制造者成功地加工，加上后加工，并表现出可接受的服务性能。如图4所示，金属、聚合物、陶瓷和天然材料已经在不同的增材制造工艺中得到利用。在这些同质材料系统的基础上，已经成功建立了异质材料的增材制造工艺，包括各种复合材料和多种材料，以获得更高的性能，更多的功能，甚至定制的性能，包括例如阻燃聚合物，直接金属和陶瓷复合材料。具有某些反应特性的智能材料，如形状记忆，也被应用于增材制造工艺，以生产形状或性能改变的结构，即所谓的4D打印。
图4. 增材制造工艺中使用的材料系统
这种多样性导致了材料的高度多样化。材料和材料加工的巨大挑战是在更广泛的材料多样性中以较低的材料、机器、加工和整理成本提高质量、工艺一致性、可重复性和可靠性。以金属材料系统为例，如图5所示。在过去几年中，基于金属基增材制造的快速凝固特性，越来越多的新材料被设计出来，扩大了增材制造中的材料范围。通过引入纳米核素颗粒来控制凝固过程，可以解决大柱状晶粒和周期性裂纹的问题，制备的铝合金呈现出无裂纹、等轴、细晶粒的微结构[23, 24]。已经报道了一种为增材制造量身设计的Fe19Ni5Ti（重量百分比）钢，其中纳米沉淀和马氏体转变可以通过冷却时间来控制[25]。为了处理钛合金中的各向异性问题，设计了钛铜合金。这种合金具有较高的冷却能力，可以克服激光熔化区的高热梯度的负面影响，并导致完全的等轴细粒化的微观结构[26]。此外，钛合金中元素的浓度可以通过增材制造中的原位设计方法来改变[27]。
图5. (a)通过选择性激光熔化加工的带有纳米颗粒的7075合金示意图[23]；(b)定向能量沉积产生的Fe19Ni5Ti（wt%）样品[25]；(c)Ti-8.5Cu合金的扫描电子显微镜特征[26]
为了弥补材料、工艺、结构和性能以及各种性能之间的差距，仍然面临着巨大的挑战。
(1)为了完善材料设计理论，有必要根据增材制造的工艺特点来完善材料设计的理论体系和方法。材料基因组提供了新的可能性。建立专业数据库，可以实现智能优化材料选择。通过建立成分、工艺、微观结构和性能之间的内在关系，可以根据材料的性能设计出符合要求的微观结构。
(2)对于目标导向的材料设计策略，应从材料的服务角度出发，实现材料的多层次、多因素设计。对于结构材料，要实现面向材料的增韧设计；对于智能材料，如形状记忆聚合物和合金，要实现可控变形恢复设计。
(3)对于智能复合材料，自然界通过进化以有效的方式利用天然复合材料制造了生物系统，实现了多功能集成和智能化。生物系统将传感、驱动、计算和通信紧密地结合在一起，而利用复合材料可以实现类似原理的工程应用。先进复合材料的增材制造将提供一个有用的工具来实现跨尺度的智能复合材料结构的设计和制造。
4. 工艺与设备
为了在制造业中占得先机，基于数字化制造支持系统的关键行业的智能化转型是可期的。具有数字基因的增材制造需要在保持定制化优势的基础上，提高大规模生产效率、质量控制和灵活性等方面的核心竞争力。如图6所示，将高端机床和智能工业机器人引入增材制造设备架构，将大大提升增材制造过程中传感和控制的效率和自动化水平。同时，融入数字信息化的设备自动化是实现智能化的途径。基于数据、软件和网络的数字生态系统，结合多尺度建模和仿真、机器学习和人工智能等先进技术，将更有效地把信息与物理过程联系起来，激发新的制造能力。
图6. 基于先进设备和数字生态系统的物理和数据驱动的增材制造框架的示意图
关于设备结构，机器人辅助增材制造是一个很有前途的系统，因为它在设计选择上提供了额外的自由度。多个机器人促进了多材料加工，没有尺寸限制，而且是以局部定制的方式[28]。通过将增材制造与减材或等材制造相结合的混合多任务工艺，使得在单一的加工中修改内部和外部特征成为可能[29]。此外，在机器人传感器或摄像机的帮助下，增材制造可以通过在线识别和反馈实现自主路径规划和原位参数调整[30]。然后，关于增材制造数字生态系统，物理学和数据驱动的框架可以识别工艺-结构-属性（p-s-p）关系，摆脱试错负担[31]。物理驱动的建模和模拟可以找出多尺度上的工艺和结构的基本物理学[32]。而数据驱动的方法，利用数据挖掘算法、机器学习和人工智能，可以探索增材制造输入和输出之间的相关性，而不需要明确的物理解释。数据驱动的方法在快速预测、过程优化，特别是反馈控制的实时诊断中受到青睐[33]。另外，通过结合物理学和数据驱动的方法，物理学信息数据科学因可解释性和快速性的优势而变得有吸引力[34]。利用上述数字工具创建一个数字双胞胎，包括机械、统计和控制模型，以智能和成本效益的方式鉴定和认证增材制造产品[35]。
增材制造智能化改造仍处于早期探索阶段。未来与增材制造硬件和软件的工业化相一致的几个行动包括以下内容（图7）。
图7. 与工艺和设备的增材制造智能改造相一致的未来行动
(1)开发多机器人合作下的混合增材制造解决方案。结合各种加工技术的优势，以增材制造为核心的混合制造在多材料、多结构和多功能的制造方面显示出前景。与其他工艺或能源相结合的增材制造框架依赖于工艺链的整合。有关多物理效应对零件特征的影响机制和不确定性的知识差距值得解决。此外，混合制造需要精确地协作控制机床或机器人，以管理各个部分。设备制造商应致力于提出关于机器人系统和增材制造设备之间的数据互操作性和互通性的合适的数据编译器和标准，从而创造一个可行的混合-增材制造解决方案。
(2)改善监测和传感设备的功能和整合。增材制造期间的处理信号涉及视觉、光谱、声学和热学。多个传感器的叠加不仅引起了设备的复杂性和可靠性的降低，而且由于各种数据类型的非统一结构，也给数据处理和自动控制带来困难。因此，多功能单体设备将显著提高监测和传感设备在工业领域的普及率；同时，通过与数据预处理软件的耦合，将提高物理建模、过程优化和闭环控制中的数据可用性。
(3)将工业互联网融合到增材制造数字孪生中。智能化增材制造与连接分布式人员、机器和材料的工业互联网是分不开的。数字孪生的核心是模型和数据，但对于众多增材制造企业来说，数字孪生的建设和使用具有较高的技术和成本门槛。幸运的是，工业互联网可以解决上述问题，从而通过云DT平台共享和分析数据和模型。学术界和产业界可以分别从云DT中获取数据和模型，从而实现常态化的产学研合作机制。
(4)支持建立和完善增材制造数字生态系统。旨在将先进设备或技术（如过程监控、信息感知、机器学习人工智能、数据库等）融入增材制造数字化制造生态系统，增材制造研发项目的持续开展需要国家层面的政策支持。由工业界和学术界共同提出的指导意见将促进新的增材制造硬件/软件向数字化设计和智能控制的过渡。
5. 智能结构
在过去的几十年里，我们目睹了对智能、集成和多功能结构的需求不断增加，这些结构具有复杂的内部配置。因此，在智能部件的工业化进程中，制造困难一直是最棘手的障碍之一。增材制造已经成为一种强大的技术，可以战略性地整合传感、执行、计算和通信功能。一个例子是最近关于纤维增强复合材料的3D打印的创新[36], [37], [38], [39]，它可以集成制造分层和中空的结构，具有轻质、高强度和低成本的优势。
基于增材制造技术，超材料可以构造和制造出具有不同寻常的机械[14]、光学、声学或热学性能的材料，图8(a)显示了一个具有负泊松比的人造皮肤，可以大大提高恢复速度，减少受伤部位的疼痛感[40]。此外，增材制造的巨大材料兼容性促进了先进材料的产业化，如形状记忆聚合物、液晶弹性体、水凝胶等，这些材料很难通过传统的制造技术制成原型。传递或处理信息的3D打印结构也被报道为新型电子产品。例如，金属基油墨的直接书写和表面贴装电子元件的取放被结合在一个软性电子设备的制造平台中（图8(b)）。[41]. 通过操纵电荷，人们提出了一种新的方法，在任意的三维布局中沉积包括金属和半导体在内的功能材料，以创造混合电子设备（图8(c) [42]. 此外，增材制造技术已经赋予结构以传感能力，通常是基于电子元件。例如，一个带有嵌入式压阻应变传感器的组织培养装置可以在多材料增材制造程序中被制造出来，以监测心脏组织的收缩[43]。除了上述结构显示出不变的性能外，对环境刺激有动态反应的智能设备，包括可重新配置和重新编程的形状（图8（d））。[44]、刚度和光学性能可以通过4D打印工艺实现。相关的应用包括可自行部署的设备、药物输送、体感执行器等。
图8. 具有各种功能的智能结构。(a)具有热收缩性能的人造皮肤[40]；(b)结合金属墨水的直接书写和电子元件的取放的增材制造平台[41]；(c)导电和功能材料的电荷编程增材制造[42]；(d)形状可转换结构的4D打印[44] 。
尽管用于构建智能结构的增材制造技术发展迅速，但仍有一些挑战需要克服，如图9所示。
图9. 增材制造技术在开发智能结构方面遇到的挑战 [44-50]
(1)除了3D和4D打印，增材制造系统现在的目标是融合不同的物理领域和nD（nD）打印，用于复杂的多尺度结构，在有效结合传感和执行能力的基础上对刺激作出动态反应。
(2)与增材制造兼容的材料库应该被扩大，以包括更多独特的功能，而智能增材制造工艺和设备被高度期待，以精确制造这些材料的多材料结构。开发高精度的喷嘴和提高不同材料之间的界面兼容性是关键的研究目标。
(3)由于未来的工作环境可能包括外太空、深海、火山等，3D打印的结构应该在极端条件下的多物理场中具有坚固性和适应性。因此，在结构设计之初就应考虑不同的工作条件。通过处理这些困难，增材制造正朝着一个智能系统的方向发展，该系统集成了原位诊断、灵活控制、全生命周期设计和自动原型制作。
6. 生命结构
器官是复杂的结构，细胞和细胞外基质在其中相互作用而发展和运作。由于其形成复杂结构和材料组成（包括细胞和生物材料）的杰出能力，增材制造技术在模仿器官的复杂系统方面具有巨大潜力[51]。早期研究3D打印的假体和可生物降解的支架不涉及任何细胞，而越来越多的研究采用活细胞来3D打印结构，以实现生物功能的生长。获得的活体结构可以被植入人体，以修复/替代有缺陷的组织/器官，它们可以被用作体外生物模型，比二维细胞培养模型更准确地再现生理条件。
材料和加工方面的技术进步大大增强了我们以更精确和有效的方式模仿器官和丰富功能的能力。在材料方面，基于纳米材料[52, 53]和聚合物[54]的导电生物材料已被开发用于增材制造，它授予具有类似于大脑和心脏的电活动的活体结构。对物理[55, 56]、化学[57]或生物[58]刺激有反应的生物材料也已被打印出来，为细胞形成动态的微环境。在加工方面，嵌入式打印技术直接将软质细胞外基质和细胞沉积在支持性缓冲器中，这使得软质细胞外基质和细胞的多尺度构建能够形成复杂的器官模型，如心脏（图10（a））。[59]. 基于光聚合的增材制造技术也得到了加强，使用适当的光吸收器可以实现水凝胶的高分辨率投影立体光刻（图10（b））。[60]以及通过动态照亮一个旋转的充满细胞的光敏水凝胶储库来实现快速体积打印（图10(c) [61]. 对于精确的单细胞打印，已经开发了一个结合了3D打印机和小型化微流控分拣机的制造平台，以从细胞混合物中沉积出单个细胞[62]。作为先进的生物模型，3D打印的活体结构被用于芯片上的器官装置等产品中，并被证明有可能改变生物医学研究和制药业。三维打印的肝脏模型在肝脏特异性转录因子的表达方面超过了其二维和三维体的对应物[63]。同样，3D打印的多细胞膀胱肿瘤模型支持识别肿瘤进展的重要分子基础[64]。
图10. 活体结构的增材制造技术的代表性进展。(a) 悬浮浴中基于挤出的三维生物打印可以制造人类心脏模型[59]；(b) 高分辨率立体光刻打印具有血管化肺泡模型拓扑结构的可光聚合水凝胶[60]；(c) 载有细胞的水凝胶的体积三维生物打印可以快速制造活体组织构造[61] 。
在未来，活体构造的增材制造可以大大改善生物医学的应用，并可能创新出高级生物智能的产品（图11）。例如，增材制造技术可能进一步将细胞与执行和传感材料整合起来，形成活体机器，在人体内移动和工作，用于基于细胞的治疗和药物输送等应用。伴随着巨大的前景，3D打印的活体结构在走向智能化和商业化时需要解决多方面的挑战。
图11. 实现生物智能的增材制造技术路线图，用BioRender.com创建
(1)技术挑战。3D打印的活体结构在建筑和功能的复杂性方面还没有完全与本地器官相匹配。在制造复杂的多尺度结构时，增材制造技术应实现更高的空间分辨率和更高的效率，并且需要更多与增材制造技术兼容的功能性生物材料。
(2)跨学科的挑战。有效控制3D打印结构内的细胞发育，为成功应用奠定了基础。对于植入式活体结构的生物智能，活体结构和人体之间的互动和沟通应该进一步建立。因此，需要机械工程师、生物工程师、生命科学家和临床医生之间的紧密合作，根据对具体应用的生物医学见解设计制造策略。
(3)监管和伦理方面的挑战。3D打印的活体构造物构成了生物医学产业中的一类新产品，受到高度监管并涉及伦理问题。3D打印活体构建物的商业化需要一套系统的、基于科学的法规，专门为这些产品设计，以解决医疗和伦理影响方面的潜在问题。
7. 极端尺寸和极端环境
增材制造具有丰富的科学和技术内涵，涉及机械、材料、计算、自动化控制和其他先进技术。由于其设计自由、快速成型、浪费少以及能够制造具有独特性能的复杂结构的特点，它在航空航天、生物医学、汽车、核能和建筑行业带来了革命性的应用。作为 "中国制造2025 "和 "中国十四五规划 "等中国国家战略中关键的工业技术，增材制将极大地促进和引领中国智能制造的升级和发展。
增材制造的发展主要从两个极端尺度出发：一个是微/纳米尺度，即实现微米和纳米尺寸的精细3D打印；另一个是宏观尺度，即实现大尺寸和高速3D打印。以双光子聚合为代表的微/纳米尺度3D打印，由于克服了照明的光学极限，能够以亚波长的空间分辨率打印纳米结构，打印精度小于100纳米[65]。这种高精度的复杂纳米结构大大拓宽了在超材料和光电子学方面的应用。另一方面，大尺寸混凝土结构的现场打印需要机械工程、混凝土技术、数据管理和施工管理的混合。第一个物理演示，通过多个移动机器人同时打印大型混凝土结构，将扩展建筑和施工行业的设计和打印规模[66]。在航空航天领域，继打印中国首架国产C919飞机的主风挡窗框和中央法兰盘等大型复杂钛合金结构件之后，中国又成功打印了世界上第一个重型运载火箭上10米级别的高强度铝合金连接环[67]。这些突破克服了大尺寸结构在打印过程中的结构变形和应力控制问题，为中国航天工程的快速发展提供了技术支持。美国的一家初创公司Relativity Space的目标是制造一个几乎完全3D打印的带有冷却通道的火箭，将1250公斤的火箭升入低地球轨道[68]。这些由机器人手臂建造的大型金属打印项目，由于零件少了100倍，生产时间快了10倍，没有固定的收费和简单的供应链，正在颠覆60年来的航空航天业[69]。
增材制造的实际应用往往在以下方面受到挑战。
(1)极端环境，如极端温度和压力、强辐射和微重力。2020年，NASA完成了液体火箭发动机3D打印双金属燃烧室的重要材料表征和测试，同时进行了点火测试，证明了双金属燃烧室在恶劣温度和压力下的多功能性和生存能力[70]。自2014年国际空间站配备3D打印设备后，中国也在2020年成功完成了首次微重力空间的3D打印测试[71]。这个世界上第一个连续碳纤维增强聚合物复合材料的在轨3D打印测试使研究人员能够检查材料的成型过程，更好地说明微重力对相关材料和结构机制的影响。3D打印不仅有助于国际空间站上现有的研究基础设施，而且使长时间的航天飞行、太空探索和殖民化更加方便和可持续。微/零重力、宇宙辐射、昼夜温差大等极端环境条件对利用月球或火星雷石进行原位打印有很大影响。
图12. 3D打印的应用：极端规模和极端环境。(a)双光聚合3D打印工艺和二氧化硅打印晶格晶体示意图[65]；(b)中国和美国打印的超大型金属部件[67，68]；(c)3D打印的双金属室的点火测试[70]；(d)世界首次在太空中3D打印连续碳纤维增强聚合物复合材料[71]
(2)在月球和火星上3D打印栖息地的另一个挑战是开发相关的空间机器人和自动化技术。需要开发优秀的抗辐射和抗热的电子设备和结构材料来适应这样的极端环境，多传感器集成和数据融合可能是未来无人系统探索的关键技术。太空增材制造需要 "观察-定向-决定-行动 "的控制系统的独特循环，以实现制造过程的自适应控制和监测。
(3)为了加快3D打印的数字化进程，智能增材制造领域最令人兴奋的前沿领域之一是数字双胞胎的概念[72]。通过整合对实时物体的智能传感、大数据统计和分析以及机器学习能力，数字双胞胎在以下方面显示出巨大的潜力：
（1）3D打印新产品的高效设计；
（2）针对极端使用场景和环境的增材制造生产计划；
（3）对3D打印操作数据和最终高质量的捕捉、分析和行动。
8. 未来展望
面对未来，增材制造技术将进一步向智能化和产业化发展。增材制造是一个极其复杂的系统，涉及多因素、多层次、多尺度，耦合了材料、结构、各种物理和化学领域。有必要结合大数据和人工智能对这一极其复杂的系统进行研究，并在增材制造多功能集成优化设计的原理和方法上取得突破。通过发展主动可控形状的智能增材制造技术，为未来的增材制造技术实现材料、工艺、结构设计、产品质量和服务效率的飞跃式提升打下充分的科技基础。具有自我采集、自我建模、自我诊断、自我学习和自我决策能力的智能增材制造设备是未来增材制造技术大规模应用的重要基础。应开展增材制造技术与材料、软件、人工智能、生命和医药科学的跨学科研究，实现重大原创性技术创新。增材制造的应用应扩展到并集中在新能源、航空航天、健康、建筑、文化创意以及导航、核电等其他领域。
未来，增材制造技术将朝着制造四维智能结构、生命体，以及材料、结构、功能一体化的部件方向发展，为形状和性能可控提供新的技术方法，为产业创新创业提供技术平台。发展增材制造应遵循 "以应用开发为导向，以技术创新为动力，以产业发展为目标 "的原则[1]。应建立合理的增材制造行业标准体系，结合云制造、大数据、物联网等新兴技术和智能制造系统，推动增材制造工艺和装备的全面创新和应用，这对实现制造技术的跨越式发展具有重要意义。
参考文献
[1]Chinese Mechanical Engineering Society
Technology roadmap of Chinese mechanical engineering
China Science and Technology Press, Beijing (2021)
Google Scholar
[2]G Dong, Y Tang, D Li, et al.
Design and optimization of solid lattice hybrid structures fabricated by additive manufacturing
Addit. Manuf., 33 (2020), Article 101116
[3]L Meng, W Zhang, D Quan, et al.
From topology optimization design to additive manufacturing: Today's success and tomorrow's roadmap
Arch. Comput. Methods Eng., 27 (2019), pp. 805-830
[4]S Mukherjee, D Lu, B Raghavan, et al.
Accelerating large-scale topology optimization: State-of-the-art and challenges
Arch. Comput. Methods Eng. (2021), pp. 1-23
[5]J Zhu, W Zhang, L Xia
Topology optimization in aircraft and aerospace structures design
Arch. Comput. Methods Eng., 23 (2016), pp. 592-622
[6]G Liu, Y Xiong, D W Rosen
Multidisciplinary design optimization in design for additive manufacturing
J. Comput. Des. Eng, 9 (1) (2021), pp. 128-143
[7]L Zhou, O Sigmund, W Zhang
Self-supporting structure design with feature-driven optimization approach for additive manufacturing
Comput. Methods Appl. M., 386 (2021), Article 114110
[8]C Wang, W Zhang, L Zhou, et al.
Topology optimization of self-supporting structures for additive manufacturing with B-spline parameterization
Comput. Methods Appl. M., 374 (2021), Article 113599
[9]S Li, S Yuan, J Zhu, et al.
Additive manufacturing-driven design optimization: Building direction and structural topology
Addit. Manuf., 36 (2020), Article 101406
[10]J Zhu, H Zhou, C Wang, et al.
A review of topology optimization for additive manufacturing: Status and challenges
Chinese J. Aeronaut., 34 (1) (2021), pp. 91-110
[11]Z Gao, Y Tang, Y Zhao
Machine learning aided design of conformal cooling channels for injection molding
J. Intell. Manuf. (2021), 10.1007/s10845-021-01841-9
[12]S Li, H Wei, S Yuan, et al.
Collaborative optimization design of process parameter and structural topology for laser additive manufacturing
Chinese J. Aeronaut. (2021), 10.1016/j.cja.2021.12.010
[13]S Li, S Yuan, J Zhu, et al.
Multidisciplinary topology optimization incorporating process-structure-property-performance relationship of additive manufacturing
Struct. Multidiscip. O. (2021), pp. 1-17
[14]X Yu, J Zhou, H Liang, et al.
Mechanical metamaterials associated with stiffness, rigidity and compressibility: A brief review
Prog. Mater. Sci., 94 (2018), pp. 114-173
[15]D R Smith, J B Pendry, M C K Wiltshire
Metamaterials and negative refractive index
Science, 305 (5685) (2004), pp. 788-792
[16]L Wu, L Liu, Y Wang, et al.
A machine learning-based method to design modular metamaterials
Extreme Mech. Lett., 36 (2020), Article 100657
[17]N Aage, E Andreassen, B S Lazarov, et al.
Giga-voxel computational morphogenesis for structural design
Nature, 550 (7674) (2017), pp. 84-86
[18]M Bi, P Tran, Y Xie
Topology optimization of 3D continuum structures under geometric self-supporting constraint
Addit. Manuf., 36 (2020), Article 101422
[19]E D Sanders, A Pereira, G H Paulino
Optimal and continuous multilattice embedding
Sci. Adv., 7 (16) (2021), p. 203
[20]Y Xiong, A G Dharmawan, Y Tang, et al.
A knowledge-based process planning framework for wire arc additive manufacturing
Adv. Eng. Inform., 45 (2020), Article 101135
[21]S Yuan, S Li, J Zhu, et al.
Additive manufacturing of polymeric composites from material processing to structural design
Compos.Part B: Eng, 219 (2021), Article 108903
[22]Y Tang, G Dong, Y Xiong, et al.
Data-driven design of customized porous lattice sole fabricated by additive manufacturing
Procedia Manuf, 53 (2021), pp. 318-326
[23]J H Martin, B D Yahata, J M Hundley, et al.
3D printing of high-strength aluminium alloys
Nature, 549 (2017), pp. 365-369
[24]J Zhang, J Gao, B Song, et al.
A novel crack-free Ti-modified Al-Cu-Mg alloy designed for selective laser melting
Addit. Manuf., 38 (2020), Article 101829
[25]P Kürnsteiner, M B Wilms, A Weisheit, et al.
High-strength Damascus steel by additive manufacturing
Nature, 582 (7813) (2020), pp. 515-519
[26]D Zhang, D Qiu, M A Gibson, et al.
Additive manufacturing of ultrafine-grained high-strength titanium alloys
Nature, 576 (7785) (2019), pp. 91-95
[27]T Zhang, Z Huang, T Yang, et al.
In situ design of advanced titanium alloy with concentration modulations by additive manufacturing
Science, 374 (6566) (2021), p. 5
[28]P Urhal, A Weightman, C Diver, et al.
Robot assisted additive manufacturing: A review
Robot. and CIM-Int. Manuf., 59 (2019), pp. 335-345
[29]S Webster, H Lin, F Carter, et al.
Physical mechanisms in hybrid additive manufacturing: A process design framework
J.Mater. Process. Tech., 291 (2021), Article 117048
[30]R Reisch, T Hauser, T Kamps, et al.
Robot based wire arc additive manufacturing system with context- sensitive multivariate monitoring framework
Procedia Manuf, 51 (2020), pp. 732-739
[31]N Kouraytem, X Li, W Tan, et al.
Modeling process–structure–property relationships in metal additive manufacturing: a review on physics-driven versus data-driven approaches
J. Phys. Mater., 4 (3) (2021), Article 032002
[32]C F Herriott, X Li, N Kouraytem, et al.
A multi-scale, multi-physics modeling framework to predict spatial variation of properties in additive-manufactured metals
Model. Simul. Mater. Sc., 27 (2) (2018), Article 025009
[33]A Caggiano, J Zhang, V Alfieri, et al.
Machine learning-based image processing for on-line defect recognition in additive manufacturing
CIRP Ann. Manuf. Techn., 68 (1) (2019), pp. 451-454
[34]W Yan, S Lin, O L Kafka, et al.
Data-driven multi-scale multi-physics models to derive process–structure–property relationships for additive manufacturing
Comput. Mech. (8) (2018), pp. 1-21
[35]T Mukherjee, T Debroy
A digital twin for rapid qualification of 3D printed metallic components
Appl. Mater. Today (2018), p. 14
[36]M Zhang, X Tian, D Li
Interfacial transcrystallization and mechanical performance of 3D-Printed fully recyclable continuous fiber self-reinforced composites
Polymers-Basel, 13 (18) (2021), p. 3176
[37]C Yang, X Tian, T Liu, et al.
3D printing for continuous fiber reinforced thermoplastic composites: mechanism and performance
Rapid Prototyping J, 23 (1) (2017), pp. 209-215
[38]X Tian, T Liu, C Yang, et al.
Interface and performance of 3D printed continuous carbon fiber reinforced PLA composites
Compos. Part A: Appl. S., 88 (2016), pp. 198-205
[39]T Liu, X Tian, Y Zhang, et al.
High-pressure interfacial impregnation by micro-screw in-situ extrusion for 3D printed continuous carbon fiber reinforced nylon composites
Compos. Part A: Appl. S. (2020), p. 130
[40]J Wu, S Yao, H Zhang, et al.
Liquid crystal elastomer metamaterials with giant biaxial thermal shrinkage for enhancing skin regeneration
Adv. Mater., 33 (2021), Article 2106175
[41]A D Valentine, T A Busbee, J W Boley, et al.
Hybrid 3D Printing of Soft Electronics
Adv. Mater., 29 (40) (2017), Article 1703817
[42]R Hensleigh, H Cui, Z Xu, et al.
Charge-programmed three-dimensional printing for multi-material electronic devices
Nat. Electron., 3 (2020), pp. 216-224
[43]J U Lind, T A Busbee, A D Valentine, et al.
Instrumented cardiac microphysiological devices via multimaterial three-dimensional printing
Nat. Mater., 16 (3) (2017), pp. 303-308
[44]S Weng, X Kuang, Q Zhang, et al.
4D Printing of glass fiber-regulated shape shifting structures with high stiffness
ACS Appl. Mater. Inter., 13 (11) (2021), pp. 12797-12804
[45]H Yang, L Ma
1D to 3D multi-stable architected materials with zero Poisson's ratio and controllable thermal expansion
Mater. & Design, 188 (2020), Article 108430
[46]Z Wang, L Jing, K Yao, et al.
Origami-based reconfigurable metamaterials for tunable chirality
Adv. Mater., 29 (27) (2017), 10.1002/adma.201700412
[47]X Liu, H Gu, M Wang, et al.
3D printing of bioinspired liquid superrepellent structures
Adv. Mater., 30 (2018), Article 201800103
[48]J Lee, H Kim, J Choi, et al.
A review on 3D printed smart devices for 4D printing
Int. J. Pr. Eng. Man.-GT, 4 (3) (2017), pp. 373-383
[49]K Kikegawa, K Takamatsu, M Kawakami, et al.
Evaluation of 3D printer accuracy in producing fractal structure
J. Oleo Sci., 66 (4) (2017), pp. 383-389
[50]P Diloksumpan, M Castilho, U Gbureck, et al.
Combining multi-scale 3D printing technologies to engineer reinforced hydrogel-ceramic interfaces
Biofabrication, 12 (2) (2020), Article 025014
[51]L Moroni, J A Burdick, C Highley, et al.
Biofabrication strategies for 3D in vitro models and regenerative medicine
Nat. Rev. Mater., 3 (5) (2018), pp. 21-37
[52]J Wang, H Wang, X Mo, et al.
Reduced graphene oxide-encapsulated microfiber patterns enable controllable formation of neuronal-like networks
Adv. Mater., 32 (40) (2020), Article 2004555
[53]K Zhu, S R Shin, T Kempen, et al.
Gold Nanocomposite Bioink for Printing 3D Cardiac Constructs
Adv. Funct. Mater., 27 (12) (2017), Article 1605352
[54]Q Lei, J He, D Li
Electrohydrodynamic 3D printing of layer-specifically oriented, multiscale conductive scaffolds for cardiac tissue engineering
Nanoscale, 11 (32) (2019), pp. 15195-15205
[55]J A Shadish, G M Benuska, C A DeForest
Bioactive site-specifically modified proteins for 4D patterning of gel biomaterials
Nat. Mater., 18 (9) (2019), pp. 1005-1014
[56]K Alina, M Ridge, S Georgi, et al.
4D Biofabrication Using Shape-Morphing Hydrogels
Adv. Mater., 29 (46) (2017), Article 1703443
[57]J Gong, C Schuurmans, A Genderen, et al.
Complexation-induced resolution enhancement of 3D-printed hydrogel constructs
Nat. Commun., 11 (1) (2020), p. 1267
[58]L Ouyang, C B Highley, S Wei, et al.
A generalizable strategy for the 3D bioprinting of hydrogels from nonviscous photo-crosslinkable inks
Adv. Mater., 29 (8) (2017), Article 1604983
[59]A Lee, A R Hudson, D J Shiwarski, et al.
3D bioprinting of collagen to rebuild components of the human heart
Science, 365 (6452) (2019), pp. 482-487
[60]B Grigoryan, S Paulsen, D Corbett, et al.
Multivascular networks and functional intravascular topologies within biocompatible hydrogels
Science, 364 (6439) (2019), pp. 458-464
[61]P.N. Bernal, P Delrot, D Loterie, et al.
Volumetric Bioprinting of Complex Living-Tissue Constructs within Seconds
Adv. Mater., 31 (42) (2019), Article 1904209
[62]P Zhang, A R Abate
High-definition single-cell printing: Cell-by-cell fabrication of biological structures
Adv. Mater., 32 (52) (2020), Article 2005346
[63]H Yang, L Sun, Y Pang, et al.
Three-dimensional bioprinted hepatorganoids prolong survival of mice with liver failure
Gut, 70 (3) (2021), pp. 567-574
[64]E Kim, S Choi, B Kang, et al.
Creation of bladder assembloids mimicking tissue regeneration and cancer
Nature, 588 (7839) (2020), pp. 664-669
[65]X Wen, B Zhang, W Wang, et al.
3D-printed silica with nanoscale resolution
Nat. Mater., 20 (11) (2021), pp. 1506-1511
[66]V Mechtcherine, V Nerella, F Will, et al.
Large-scale digital concrete construction - CONPrint3D concept for on-site, monolithic 3D-printing
Automat. Constr., 107 (2019)
102933.1-102933.16
[67]Integrated manufacturing of a 10-meter high-strength aluminum alloy connecting ring used in heavy carrier rocket. http://amreference.com/?p=14279, 2021.
[68]Z Mark
3D printing gets bigger, faster and stronger
Nature, 578 (7793) (2020), pp. 20-23
[70]PR Gradl, C Protz, J Fikes, et al.
Lightweight Thrust Chamber Assemblies using Multi-Alloy Additive Manufacturing and Composite Overwrap
AIAA Propulsion and Energy 2020 Forum (2020)
[72]D Gu, X Shi, R Poprawe, et al.
Material-structure-performance integrated laser-metal additive manufacturing
Science, 372 (6545) (2021), p. eabg1487
|
