增材制造（AM）是一項快速發(fā)展的技術，該技術在制備具有復雜幾何形狀的輕質零件方面具有優(yōu)勢。在各種增材制造技術中，基于激光的增材制造（LBAM）顯示出相當大的工業(yè)應用潛力，并且已經通過實現復雜的設計和創(chuàng)新的應用開發(fā)改變了制造過程。盡管LBAM技術和材料的進步提高了制造能力，但打印過程的可重復性、耐用性和可靠性仍然面臨重大挑戰(zhàn)。激光增材制造制備金屬樣品過程中常見的缺陷包括產品幾何和尺寸缺陷、孔隙率、不完全熔合和裂紋。與工程的進步，為實際應用提供了新的可能性。

雖然不同的LBAM工藝有各自的特點，但它們具有相似的制造方法。圖1為兩種常見的LBAM技術，分別為定向能量沉積（DED）和激光粉末床熔合（LPBF）。由于LBAM過程很復雜；此過程涉及許多打印參數，例如激光掃描速度、激光功率、材料類型和尺寸以及腔室環(huán)境。打印中不適當的設置會產生缺陷。

圖1.（a）DED技術示意圖；（b）LPBF技術示意圖

2.1幾何和尺寸缺陷

幾何偏差是LBAM工藝中常見的缺陷之一。幾何缺陷可能是由于機器錯誤和控制激光運動的機器錯誤引起的。激光位置誤差和平臺運動誤差是導致幾何缺陷的兩種機械誤差。對于尺寸不準確，主要影響因素是收縮/變形。在LBAM工藝中，收縮有兩種：燒結收縮和熱收縮。燒結收縮主要是由致密化產生的，而熱收縮是由循環(huán)加熱和冷卻引起的，這導致殘余應力顯著，從而導致局部塑性變形。例如圖2在頂部附近觀察到收縮。

圖 2. 316 L不銹鋼在LPBF工藝的變形產品：（a）設計產品的CAD模型；（b）打印樣品；（c）成品上的變形面積

影響產品幾何和尺寸精度的另一個因素是表面光潔度精度，也稱為表面粗糙度。在打印過程中，部分熔化的顆粒和飛濺物附著在產品表面，導致最終與設計尺寸不同。表面粗糙度不僅會影響產品的使用，還會影響材料的性能。圖3顯示了LPBF工藝制備的316 L不銹鋼的典型形貌，可以觀察到熔池軌跡和附著的顆粒。

圖 3. LPBF制備的316 L不銹鋼的典型形貌

2.2孔隙率

孔隙率是LPBF工藝中常見的缺陷，對樣品機械性能有負面影響。通常，粉末擴散不足、缺乏熔融、鍵孔、收縮和氣體參與會形成孔隙。前三者類型尺寸較大，是由于工藝參數不當造成的。例如，金屬粉末堆積密度低（例如，小于50%）和飛濺物可能導致粉末床中出現較大的孔隙，而這些孔隙在熔化過程中無法填充。高激光能量密度導致鍵孔，金屬蒸汽壓導致深熔池底部出現孔隙。通過優(yōu)化LBAM工藝參數，可以完全消除這些缺陷。一般來說，后兩種類型的尺寸較小。由于凝固收縮導致的孔隙通常位于晶粒之間，并遵循晶界形狀。氣體誘導的孔隙呈球形，可能來自由于氣體霧化過程而捕獲在粉末原料顆粒中的氣體、由于不同溫度下不同的氣體溶解度而溶解在金屬中的氣體、熔化過程中產生的金屬蒸汽或粉末表面的水分。圖4為LBAM技術制備316 L不銹鋼的光學圖像。

圖 4. LBAM技術制備316 L不銹鋼的光學圖像

2.3不完全熔合

不完全熔合主要是由于LBAM工藝制備過程中缺乏能量輸入而產生的，也稱為缺乏熔合缺陷，如圖5所示。缺乏熔合缺陷主要是因為金屬粉末沒有完全熔化，在前一層上沉積了一層新的金屬粉末，它們之間有足夠的重疊。缺乏熔合缺陷可分為兩種類型：凝固過程中熔融金屬粉末不足形成的粘接不良缺陷和未熔化的金屬粉末造成的缺陷。

圖 5. LBAM制備316 L不銹鋼樣品中缺乏熔融缺陷的光學圖像

當激光能量密度較低時，熔池寬度較小，導致重疊不足。由于沒有足夠的能量來完全熔化新層的粉末，因此重疊不足會導致掃描軌跡之間的金屬粉末未熔化。因此，在LBAM打印樣品中會產生不完全的融合和未熔化的粉末，特別是在掃描軌跡和沉積層之間。

2.4裂紋

在LBAM制備工藝中，在高激光能量輸入下，金屬粉末快速熔化并快速凝固。熔池內冷卻速率可達1.6×106 K/s以上。根據材料、工藝和零件設計，裂紋在凝固過程中和凝固后產生。例如，在凝固的最后階段，由于液體供給不足而形成凝固開裂。應變時效裂紋是一種韌性裂紋，是由于熱處理過程中析出相的形成而產生的。在打印樣品中產生大量的殘余應力，這些殘余應力可能超過材料的極限強度而導致形成裂紋。圖6為LPBF打印過程中，凝固裂紋沿晶界發(fā)展。

圖 6.（a）LBAM制備316 L不銹鋼裂紋形貌；（b）圖（a）紅色框的放大圖像

由于制造的便利性和機械性能增強的實用性，在工業(yè)4.0中LBAM技術被認為是比傳統技術更受青睞的制造技術。LBAM過程以復雜的物理過程為主，包括激光能量吸收和傳輸、材料蒸發(fā)、重熔和凝固、熔池流體動力學以及通過外延生長和成核的微觀結構演變。但是，在打印過程中經常出現裂紋、氣孔、變形和熔合不足等缺陷，影響制造零件的機械和功能性能。這些缺陷的嚴重程度和密度與材料參數和激光能量密度及其相關參數（如功率、速度和光斑尺寸）相關。未來可以通過機器學習算法這種新穎有效的檢測手段對LBAM制備金屬樣品過程中形成的缺陷進行檢測，目的在于檢測和消除缺陷并保證產品質量。