机构名称：
¥ 5.0
本文首次全面介绍了深度学习 (DL) 在增材制造 (AM) 中的应用。它解决了对这个快速增长但分散的领域进行彻底分析的需要，旨在汇集现有知识并促进进一步发展。我们的研究问题涵盖 AM 的三个主要领域：(i) AM 设计，(ii) AM 建模，以及 (iii) AM 中的监控和控制。我们采用循序渐进的方法，遵循系统评价和荟萃分析的首选报告项目 (PRISMA) 指南，从 Scopus 和 Web of Science 数据库中选择与我们的研究问题一致的论文。我们仅包括在七个主要 AM 类别中实施 DL 的论文——粘合剂喷射、定向能量沉积、材料挤出、材料喷射、粉末床熔合、薄板层压和大桶光聚合。我们的分析揭示了使用深度生成模型（例如生成对抗网络）进行 AM 生成设计的趋势。它还强调了将过程物理学纳入 DL 模型以改进 AM 过程建模和减少数据要求的不断努力。此外，人们对使用 3D 点云数据进行 AM 过程监控的兴趣日益浓厚，除了传统的 1D 和 2D 格式。最后，本文总结了当前的挑战，并推荐了该领域一些有希望的进一步研究机会，特别关注（i）将 DL 模型推广到各种几何类型，（ii）管理 AM 数据和 DL 模型中的不确定性，（iii）通过结合深度生成模型克服有限、不平衡和嘈杂的 AM 数据问题，以及（iv）揭示可解释 DL 用于 AM 的潜力。
通过深度学习推动增材制造
主要关键词
相关文件推荐
