美国北佛罗里达大学（University of North Florida，UNF）日前获得美国国家科学基金会（National Science Foundation，NSF）资助，用于开发一套面向金属增材制造的实时质量控制（QC）系统。该项目由UNF先进制造工程助理教授Longfei Zhou博士主持，多名学生研究人员共同参与。研究聚焦于激光粉末床熔融（Laser Powder Bed Fusion，LPBF）工艺中的一类常见缺陷：铺粉刮臂在打印过程中拖拽或扰动金属粉末，形成条纹状不均匀区域，进而导致零件内部产生结构缺陷。目前，制造商往往只能报废零件或重新启动整个打印任务来应对这一问题。

Zhou博士团队正在开发的系统，旨在对每一层粉末铺展和熔融后的状态进行逐层监测，并仅在检测到问题的区域施加针对性校正，无需中断或重头开始整个打印过程。Zhou博士在社交媒体上表示：“很荣幸分享我的NSF ERI项目获得资助。期待与我们的学生和合作者共同努力，改进金属3D打印工艺。”

开放数据与更广泛的行业影响

除缺陷控制外，该项目还计划向更广泛的制造社区开放研究成果。团队表示，将公开发布数据集、训练后的模型、数字孪生软件以及基线决策策略，使得UNF以外的制造商也能够将其研究成果应用于自身生产流程。此外，UNF的课程设置也将反映该项目的进展，新增课程模块和实验活动将涵盖数据与自动化如何重塑生产流程等内容。

目前，三名先进制造工程专业的大四学生——Maria Fernanda Ocrospoma Figueroa、Tessa Baur和Taylor Uhruh——已加入该研究团队。

业内人士指出，激光粉末床熔融是金属增材制造中应用最广泛的技术之一，但过程稳定性和缺陷控制一直是制约其在航空航天、医疗植入物等高要求领域大规模部署的关键瓶颈。北佛罗里达大学此次获得的NSF资助项目，侧重于在线监测与局部校正，与传统的事后检测或全盘重印相比，有望显著提升成品率并降低生产成本。该项目的开源属性也为中小制造商提供了低门槛的技术接入可能。随着数字孪生和机器学习模型在增材制造中的深度融合，实时质量控制正从实验室走向车间，而UNF团队的成果或将成为这一进程中的重要参考。