通过深度学习推进增材制造：当前进展与未来挑战的综合综述
机器学习
2024-12-25 v2
摘要
本文首次对深度学习 (DL) 在增材制造 (AM) 中的应用进行了全面的文献综述。针对这一快速增长但知识分散的领域，本文旨在整合现有知识并鼓励进一步发展。我们的研究问题涵盖 AM 的三个主要领域：(i) 面向 AM 的设计，(ii) AM 建模，以及 (iii) AM 中的监控与控制。我们遵循系统评价和荟萃分析优先报告条目 (PRISMA) 指南，采用逐步方法从 Scopus 和 Web of Science 数据库中筛选论文，以契合我们的研究问题。我们仅纳入在七类主要 AM 技术（粘结剂喷射、定向能量沉积、材料挤出、材料喷射、粉末床熔融、薄板层压和光聚合浴）中实施 DL 的论文。我们的分析揭示了在 AM 生成式设计中使用深度生成模型（如生成对抗网络）的趋势。文章还强调了将过程物理纳入 DL 模型以改进 AM 过程建模并减少数据需求的日益增长的努力。此外，除了传统的 1D 和 2D 格式外，利用 3D 点云数据进行 AM 过程监控的兴趣也在增加。最后，本文总结了当前的挑战，并建议了该领域一些有前景的研究机会，特别关注：(i) 将 DL 模型泛化至广泛的几何类型，(ii) 管理 AM 数据和 DL 模型中的不确定性，(iii) 通过引入深度生成模型克服 AM 数据有限、不平衡和噪声问题，以及 (iv) 揭示可解释 DL 在 AM 中的潜力。
引用
@article{arxiv.2403.00669,
title = {Advancing Additive Manufacturing through Deep Learning: A Comprehensive Review of Current Progress and Future Challenges},
author = {Amirul Islam Saimon and Emmanuel Yangue and Xiaowei Yue and Zhenyu James Kong and Chenang Liu},
journal= {arXiv preprint arXiv:2403.00669},
year = {2024}
}
备注
55 pages, 7 figures, 10 Tables, Published in IISE Transactions