在制造業(yè)蓬勃發(fā)展的當(dāng)下，3D 打印技術(shù)憑借其獨(dú)特優(yōu)勢成為研究熱點(diǎn)，而人工智能（AI）的融入更為其發(fā)展注入新活力。本綜述聚焦 AI 在可持續(xù)聚合物及復(fù)合材料 3D 打印優(yōu)化中的應(yīng)用，深入剖析二者融合在材料選擇、工藝優(yōu)化、性能預(yù)測、設(shè)計(jì)改進(jìn)及質(zhì)量控制等方面的關(guān)鍵作用，并對環(huán)境影響進(jìn)行評估，探討面臨的挑戰(zhàn)與未來前景，為推動 3D 打印技術(shù)可持續(xù)發(fā)展提供全面參考。

關(guān)鍵詞

3D 打印；人工智能；先進(jìn)制造；可持續(xù)性；技術(shù)進(jìn)步

一、引言

塑料污染已成為全球性環(huán)境難題，2021 年全球塑料產(chǎn)量超 3.9 億噸，亞太地區(qū)貢獻(xiàn)超 1.9 億噸 ，包裝行業(yè)塑料用量占比超 40%，但全球塑料回收率僅約 9% 。大量塑料垃圾流入海洋，對生態(tài)系統(tǒng)造成嚴(yán)重破壞。在此背景下，可持續(xù)聚合物和復(fù)合材料的應(yīng)用成為應(yīng)對塑料污染的關(guān)鍵。預(yù)計(jì)到 2028 年，全球可生物降解塑料市場規(guī)模將超 209 億美元，年復(fù)合增長率達(dá) 21.3%，凸顯環(huán)保材料的重要性。

3D 打印和 AI 作為兩項(xiàng)具有變革性的技術(shù)，正重塑未來制造業(yè)格局。3D 打印能直接根據(jù)數(shù)字模型逐層制造復(fù)雜零部件，在小批量、定制化生產(chǎn)中優(yōu)勢顯著。AI 則通過模擬人類認(rèn)知功能，如感知、推理、學(xué)習(xí)和解決問題，提升各領(lǐng)域效率。二者融合在制造業(yè)掀起創(chuàng)新浪潮，不僅革新生產(chǎn)流程，還助力實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。然而，當(dāng)前對其融合在材料選擇、預(yù)測建模、設(shè)計(jì)優(yōu)化和質(zhì)量控制等方面的綜合研究仍顯不足，因此，深入探討二者協(xié)同作用對推動先進(jìn)制造業(yè)發(fā)展意義重大。

二、3D 打印可持續(xù)聚合物及復(fù)合材料概述

2.1 可持續(xù)聚合物及復(fù)合材料的定義與分類

可持續(xù)聚合物可從多維度定義：由環(huán)保、可再生原料制成，具備可回收或環(huán)保處置方式；源于可再生材料，擁有閉環(huán)生命周期；滿足消費(fèi)和企業(yè)需求，且無健康、環(huán)境和經(jīng)濟(jì)負(fù)面影響。其主要分為天然聚合物（如纖維素、淀粉等）和合成生物基聚合物（如聚乳酸 PLA、聚羥基脂肪酸酯 PHA 等）。部分可持續(xù)聚合物可生物降解，如 PLA、PBS；部分則需合理的回收策略，如聚烯烴、PET 等。

可持續(xù)復(fù)合材料是含聚合物基體與增強(qiáng)纖維或顆粒的材料，旨在降低環(huán)境影響、促進(jìn)生態(tài)平衡。其可持續(xù)性體現(xiàn)在使用環(huán)保原料、降低制造能耗、確保可回收或再利用等方面，還具備耐用、低毒等特性，符合循環(huán)經(jīng)濟(jì)理念。例如，天然纖維復(fù)合材料將麻、亞麻等纖維融入聚合物；生物復(fù)合材料結(jié)合天然纖維與生物基聚合物；木塑復(fù)合材料以木纖維增強(qiáng)聚合物，減少對合成材料的依賴。

通過使用可生物降解和可回收的聚合物實(shí)現(xiàn)可持續(xù)發(fā)展的3D打印

2.2 3D 打印對可持續(xù)發(fā)展的促進(jìn)作用

3D 打印可持續(xù)聚合物及復(fù)合材料是實(shí)現(xiàn)環(huán)保生產(chǎn)的先進(jìn)技術(shù)手段。通過選用可再生來源的可生物降解聚合物和回收聚合物，3D 打印制品可自然分解，減少填埋垃圾，降低生態(tài)影響；將回收聚合物或復(fù)合材料融入打印過程，構(gòu)建閉環(huán)系統(tǒng)，減少原生材料需求，有效管理塑料垃圾。此外，3D 打印的定制化特性確保設(shè)計(jì)精準(zhǔn)優(yōu)化，減少材料浪費(fèi)，在維持結(jié)構(gòu)完整性的同時(shí)實(shí)現(xiàn)材料高效利用，推動產(chǎn)品全生命周期的可持續(xù)發(fā)展。

三、AI 在 3D 打印中的應(yīng)用概述

3.1 AI 的發(fā)展歷程與分類

1956 年，約翰?麥卡錫在達(dá)特茅斯研討會上首次提出 “人工智能” 概念，標(biāo)志其成為獨(dú)立研究領(lǐng)域。AI 旨在讓機(jī)器模擬人類智能過程，包括學(xué)習(xí)、推理和自我修正，可分為窄 AI（弱 AI）和通用 AI（強(qiáng) AI）。窄 AI 專注特定任務(wù)，能力出色但通用性受限；通用 AI 具備人類般智能，可處理多領(lǐng)域任務(wù)，目前仍處于理論探索階段。

AI 發(fā)展歷經(jīng)多個(gè)階段：20 世紀(jì) 50 - 80 年代的符號 AI，聚焦邏輯規(guī)則和專家系統(tǒng)；80 - 90 年代的聯(lián)結(jié)主義 AI，探索神經(jīng)網(wǎng)絡(luò)和并行處理；21 世紀(jì)頭十年的統(tǒng)計(jì) AI，機(jī)器學(xué)習(xí)和統(tǒng)計(jì)技術(shù)興起；2010 年代至今的現(xiàn)代 AI，深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和大規(guī)模數(shù)據(jù)處理取得突破。機(jī)器學(xué)習(xí)作為 AI 核心領(lǐng)域，通過學(xué)習(xí)算法訓(xùn)練模型識別模式、解決問題，主要學(xué)習(xí)范式包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

人工智能從誕生到 2023 年的歷史

3.2 AI 在 3D 打印中的作用

在工業(yè) 4.0 時(shí)代，3D 打印數(shù)據(jù)量劇增，AI 尤其是機(jī)器學(xué)習(xí)在其中發(fā)揮關(guān)鍵作用。機(jī)器學(xué)習(xí)算法可優(yōu)化打印參數(shù)，提升打印質(zhì)量和效率；輔助選擇可持續(xù)材料、設(shè)計(jì)復(fù)合材料配方；構(gòu)建預(yù)測模型，深入研究聚合物和復(fù)合材料打印行為，實(shí)現(xiàn)實(shí)時(shí)調(diào)整，獲取理想打印效果；用于質(zhì)量控制和缺陷檢測，確保 3D 打印部件質(zhì)量一致性和可靠性，在航空航天等高標(biāo)準(zhǔn)領(lǐng)域至關(guān)重要。同時(shí)，機(jī)器學(xué)習(xí)賦能生成式設(shè)計(jì)和模擬，優(yōu)化結(jié)構(gòu)設(shè)計(jì)，提升有限元分析和計(jì)算流體動力學(xué)模擬效果。不過，AI 與 3D 打印融合也面臨數(shù)據(jù)獲取、實(shí)時(shí)反饋、硬件兼容等諸多挑戰(zhàn)。

四、AI 驅(qū)動的 3D 打印工藝優(yōu)化

4.1 工藝優(yōu)化的重要性

優(yōu)化 3D 打印工藝對實(shí)現(xiàn)高效、高質(zhì)量、低成本生產(chǎn)意義重大。精準(zhǔn)調(diào)整打印參數(shù)，如速度、溫度、層厚等，可減少材料浪費(fèi)和制造成本，提高時(shí)間效率，滿足快速周轉(zhuǎn)需求；改善打印產(chǎn)品表面質(zhì)量、尺寸精度和層間附著力，提升整體質(zhì)量；實(shí)現(xiàn)參數(shù)定制，精確打印復(fù)雜幾何形狀和精細(xì)設(shè)計(jì)；確保與不同材料兼容，避免變形，提高材料利用率；提高能源效率、設(shè)備利用率，推動 3D 打印技術(shù)廣泛應(yīng)用。

4.2 優(yōu)化策略與案例

為應(yīng)對 3D 打印參數(shù)優(yōu)化難題，研究人員提出多種策略。Oberloier 等人開發(fā) “PSO Experimenter” 平臺，運(yùn)用粒子群優(yōu)化算法優(yōu)化回收低密度聚乙烯 3D 打印，大幅降低生產(chǎn)成本和參數(shù)優(yōu)化時(shí)間 。Ganitano 等人設(shè)計(jì)低成本熔融沉積建模 3D 打印機(jī)的自主校準(zhǔn)系統(tǒng)，利用元啟發(fā)式算法和計(jì)算機(jī)視覺技術(shù)，實(shí)現(xiàn)復(fù)雜模型打印參數(shù)優(yōu)化，提高打印精度 。

此外，Abdollahi 等人提出專家引導(dǎo)優(yōu)化策略，結(jié)合專家經(jīng)驗(yàn)和實(shí)時(shí)反饋優(yōu)化參數(shù)，增強(qiáng)算法通用性；Rojek 等人運(yùn)用人工神經(jīng)網(wǎng)絡(luò)預(yù)測 3D 打印過程中的電耗和空氣污染，為可持續(xù)生產(chǎn)提供決策支持；Kumar 等人采用基于鯨魚優(yōu)化算法的人工神經(jīng)網(wǎng)絡(luò)，優(yōu)化 FDM 工藝參數(shù)，降低表面粗糙度、體積誤差和生產(chǎn)時(shí)間；Phogat 等人利用遺傳算法和人工神經(jīng)網(wǎng)絡(luò)預(yù)測和優(yōu)化 PLA 材料的磨損率，確定最佳打印參數(shù)組合 。在缺陷檢測方面，Yang 等人結(jié)合遷移學(xué)習(xí)和集成學(xué)習(xí)，提高 3D 打印部件圖像缺陷檢測精度；Albahkali 和 Fouly 等人運(yùn)用自適應(yīng)神經(jīng)模糊推理系統(tǒng)優(yōu)化 PLA 復(fù)合材料的生物醫(yī)學(xué)性能，提升材料硬度、抗壓性和耐磨性。

這些研究雖取得顯著成果，但在方法局限性和可擴(kuò)展性方面仍需深入探討，以適應(yīng)不同材料、打印機(jī)和實(shí)際生產(chǎn)場景。

五、基于 AI 的 3D 打印材料選擇

AI 技術(shù)顯著提升 3D 打印材料選擇的科學(xué)性和精準(zhǔn)性。AI 系統(tǒng)可構(gòu)建并維護(hù)龐大的材料數(shù)據(jù)庫，實(shí)時(shí)更新各類 3D 打印材料的性能參數(shù)、適用工藝及兼容性信息 。機(jī)器學(xué)習(xí)算法能依據(jù)打印條件預(yù)測材料性能，如模擬不同溫度、速度下材料的機(jī)械行為，為工藝優(yōu)化提供依據(jù)；綜合考量成本、環(huán)境影響等因素，篩選出最適宜的材料，降低生產(chǎn)成本和環(huán)境負(fù)荷 。同時(shí)，AI 通過收集和分析打印物體的實(shí)際性能數(shù)據(jù)，形成反饋回路，不斷優(yōu)化材料選擇模型，實(shí)現(xiàn)材料選擇的個(gè)性化定制，滿足特定應(yīng)用需求。

Xue 等人運(yùn)用機(jī)器學(xué)習(xí)技術(shù)，通過變分自動編碼器和生成對抗網(wǎng)絡(luò)自動選擇設(shè)計(jì)參數(shù)，控制彈性模量，成功優(yōu)化多材料 3D 打印結(jié)構(gòu) 。Rojek 等人利用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法，優(yōu)化 FDM 工藝制備 3D 打印手部外骨骼部件的材料選擇，使 PLA + 材料在彈性方面表現(xiàn)卓越，優(yōu)化后的部件實(shí)現(xiàn)了拉伸力與輕量化的平衡。

六、基于 AI 的預(yù)測建模提升 3D 打印性能

6.1 打印參數(shù)優(yōu)化與性能預(yù)測

理解 3D 打印的最佳參數(shù)對提升打印部件性能至關(guān)重要。Teharia 等人運(yùn)用人工神經(jīng)網(wǎng)絡(luò)評估多種打印參數(shù)對 PLA 拉伸強(qiáng)度的影響，通過田口實(shí)驗(yàn)設(shè)計(jì)確定關(guān)鍵參數(shù)，優(yōu)化得到最佳參數(shù)組合，顯著提高拉伸強(qiáng)度 。Ali 等人采用田口方法和人工神經(jīng)網(wǎng)絡(luò)預(yù)測 FDM 打印 PLA 部件的拉伸強(qiáng)度，對比不同優(yōu)化器效果，確定最優(yōu)參數(shù) 。Deb 等人利用人工神經(jīng)網(wǎng)絡(luò)研究多個(gè)參數(shù)對打印部件屬性的影響，開發(fā)多個(gè)模型預(yù)測拉伸強(qiáng)度、表面粗糙度和尺寸精度，得到各屬性的最佳參數(shù)。

6.2 材料性能模擬與預(yù)測

準(zhǔn)確模擬和預(yù)測 3D 打印材料的機(jī)械性能，有助于優(yōu)化打印工藝、實(shí)現(xiàn)預(yù)期材料性能。Grozav 等人構(gòu)建人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，模擬 FDM 打印 PLA 的力學(xué)行為，精確預(yù)測拉伸強(qiáng)度，為數(shù)值模擬提供可靠材料模型 。Jatti 等人優(yōu)化打印參數(shù)，提高 PLA 部件的拉伸、沖擊和彎曲強(qiáng)度，并建立數(shù)學(xué)模型預(yù)測性能 。Moradi 等人運(yùn)用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化 PLA 打印部件生產(chǎn)，考慮厚度偏差、成本和韌性等因素，確定最佳參數(shù)，凸顯混合算法優(yōu)勢。

此外，Jayasudha 等人對比多種監(jiān)督學(xué)習(xí)模型預(yù)測 3D 打印部件的拉伸強(qiáng)度，發(fā)現(xiàn) XGBoost 算法性能最佳 。Tura 等人結(jié)合人工神經(jīng)網(wǎng)絡(luò)和模糊邏輯預(yù)測 3D 打印結(jié)果，分析各參數(shù)影響，人工神經(jīng)網(wǎng)絡(luò)預(yù)測精度更高 。Charalampous 等人運(yùn)用機(jī)器學(xué)習(xí)回歸算法預(yù)測不同打印條件下的拉伸強(qiáng)度，KNN 模型表現(xiàn)最優(yōu) 。Cai 等人利用響應(yīng)面法、人工神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林優(yōu)化 3D 打印連續(xù)苧麻纖維增強(qiáng)聚丙烯復(fù)合材料的參數(shù)，提高材料強(qiáng)度和成型效率。

這些研究表明，AI 在 3D 打印預(yù)測建模中作用顯著，不同模型和算法各有優(yōu)劣，需根據(jù)具體應(yīng)用選擇合適方法。

七、AI 輔助 3D 打印設(shè)計(jì)與幾何優(yōu)化

7.1 AI 驅(qū)動的設(shè)計(jì)創(chuàng)新

AI 驅(qū)動的設(shè)計(jì)和幾何優(yōu)化為多領(lǐng)域帶來創(chuàng)新變革。生成式設(shè)計(jì)借助 AI 快速生成多種設(shè)計(jì)方案，拓?fù)鋬?yōu)化可優(yōu)化幾何形狀，提高結(jié)構(gòu)完整性、減輕重量。與傳統(tǒng)方法相比，AI 輔助設(shè)計(jì)可縮短設(shè)計(jì)迭代時(shí)間 30 - 50%，減輕部件重量 10 - 50%，降低制造成本 6 - 20% 。同時(shí)，AI 還能實(shí)現(xiàn)自動化模擬和測試，減少對物理原型的依賴。

Sangeun 等人運(yùn)用生成模型優(yōu)化工程設(shè)計(jì)，綜合考量工程性能和美學(xué)因素，評估設(shè)計(jì)新穎性，構(gòu)建回歸模型解決數(shù)據(jù)不足問題 。Yao 等人提出混合機(jī)器學(xué)習(xí)算法，為 3D 打印概念設(shè)計(jì)推薦特征，提高設(shè)計(jì)效率，減少設(shè)計(jì)時(shí)間和人力成本 。Yao 等人還利用多目標(biāo)遺傳算法和知識專家系統(tǒng)，優(yōu)化 3D 打印工藝設(shè)置，平衡成本與靈活性，適用于多種 3D 打印技術(shù)。

7.2 拓?fù)鋬?yōu)化與性能提升

在拓?fù)鋬?yōu)化領(lǐng)域，Kumar 等人通過 3D 掃描輔助參數(shù)化建模和 ANSYS Workbench 優(yōu)化定制夾板拓?fù)浣Y(jié)構(gòu)，提高散熱性能，減輕夾板重量 。Rade 等人提出基于深度學(xué)習(xí)的拓?fù)鋬?yōu)化方法，利用卷積神經(jīng)網(wǎng)絡(luò)和多網(wǎng)格技術(shù)，減少計(jì)算時(shí)間，成功打印復(fù)雜模型 。Rasulzade 等人運(yùn)用基于卷積神經(jīng)網(wǎng)絡(luò)的拓?fù)鋬?yōu)化方法，減少 3D 打印結(jié)構(gòu)材料用量，保持結(jié)構(gòu)剛度 。Saleh 等人利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)預(yù)測 3D 打印 TPMS 結(jié)構(gòu)性能，優(yōu)化材料和設(shè)計(jì)，提高結(jié)構(gòu)力學(xué)性能 。

Pollák 和 T?r?k 運(yùn)用生成優(yōu)化設(shè)計(jì)技術(shù)，對辦公椅塑料靠背進(jìn)行設(shè)計(jì)優(yōu)化，減少材料消耗 。Grozav 等人開發(fā)人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，為有限元分析建立材料模型，驗(yàn)證材料性能預(yù)測準(zhǔn)確性 。Fouly 等人研究 3D 打印 PLA - 棗核復(fù)合材料在矯形應(yīng)用中的性能，利用有限元分析和人工神經(jīng)網(wǎng)絡(luò)評估力學(xué)性能，提高材料機(jī)械性能預(yù)測精度。

這些研究展示了 AI 在 3D 打印設(shè)計(jì)和幾何優(yōu)化中的顯著成效，推動產(chǎn)品設(shè)計(jì)向高效、高性能方向發(fā)展。

八、基于 AI 的 3D 打印質(zhì)量控制與缺陷檢測

AI 技術(shù)的融入推動 3D 打印質(zhì)量控制和缺陷檢測取得顯著進(jìn)展。AI 驅(qū)動的算法能有效識別 3D 打印物體的缺陷，檢測率超 80% 。通過訓(xùn)練機(jī)器學(xué)習(xí)模型，可精準(zhǔn)識別層錯(cuò)位、孔隙、不規(guī)則等常見缺陷，并利用實(shí)時(shí)監(jiān)測功能在打印過程中及時(shí)發(fā)現(xiàn)缺陷，減少材料浪費(fèi)和時(shí)間成本，在航空航天、醫(yī)療等對精度要求極高的領(lǐng)域至關(guān)重要，有助于提高 3D 打印部件質(zhì)量和可靠性。

Paraskevoudis 等人運(yùn)用基于 AI 的計(jì)算機(jī)視覺技術(shù)識別 3D 打印缺陷，可實(shí)時(shí)調(diào)整打印參數(shù)或暫停打印，減少廢品率 。Sharma 等人利用決策樹預(yù)測 FDM 打印不同幾何形狀的尺寸變化，為優(yōu)化打印工藝提供依據(jù) 。Westphal 等人運(yùn)用先進(jìn)機(jī)器學(xué)習(xí)算法分析環(huán)境傳感器數(shù)據(jù)，實(shí)現(xiàn) FDM 工藝質(zhì)量實(shí)時(shí)評估和過程監(jiān)控 。Kadam 等人構(gòu)建計(jì)算機(jī)視覺系統(tǒng)，結(jié)合機(jī)器學(xué)習(xí)算法和集成學(xué)習(xí)技術(shù)，早期檢測 3D 打印缺陷，提高表面缺陷檢測精度 。

此外，Scheffel 等人強(qiáng)調(diào)環(huán)境傳感器參數(shù)在監(jiān)測和分類中的重要性，對比多種機(jī)器學(xué)習(xí)架構(gòu)，確定適用于實(shí)時(shí)評估的模型 。Delli 等人開發(fā) Python 代碼，結(jié)合圖像處理和支持向量機(jī)，實(shí)時(shí)檢測 3D 打印部件質(zhì)量 。Straub 等人設(shè)計(jì)基于可見光成像的系統(tǒng)，檢測 3D 打印機(jī)材料使用錯(cuò)誤，保障大規(guī)模生產(chǎn)質(zhì)量 。Nascimento 等人提出基于 AI 計(jì)算機(jī)視覺的質(zhì)量評估方法，適用于 FDM 打印部件批量生產(chǎn)質(zhì)量檢測。

Lyu 和 Manoochehri 開發(fā)在線激光監(jiān)測和閉環(huán)控制系統(tǒng)，確保 3D 打印部件幾何精度和表面質(zhì)量 。Chen 等人提出原位點(diǎn)云處理方法，用于 3D 打印表面缺陷檢測，提高檢測精度 。Sarabi 等人利用機(jī)器學(xué)習(xí)預(yù)測 3D 打印微針陣列質(zhì)量，評估皮膚穿透能力和藥物遞送潛力 。Charalampous 等人構(gòu)建視覺實(shí)時(shí)監(jiān)測系統(tǒng)，檢測 3D 打印尺寸誤差，實(shí)現(xiàn)自動化質(zhì)量保證 。Kumar 等人提出分層故障檢測方法，運(yùn)用支持向量機(jī)和集成學(xué)習(xí)技術(shù)，提高 3D 打印故障檢測精度 。Rachmawati 等人開發(fā)數(shù)字孿生系統(tǒng)，結(jié)合輕量級卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn) FDM 3D 打印機(jī)實(shí)時(shí)故障監(jiān)測和反饋 。Kumar 等人對比多種機(jī)器學(xué)習(xí)算法進(jìn)行 3D 打印機(jī)異常檢測，發(fā)現(xiàn)長短期記憶網(wǎng)絡(luò)精度最高。

這些研究成果展示了 AI 在 3D 打印質(zhì)量控制和缺陷檢測中的強(qiáng)大能力，為提高 3D 打印產(chǎn)品質(zhì)量提供了有效手段。

九、環(huán)境影響評估

制造業(yè)在推動經(jīng)濟(jì)發(fā)展的同時(shí)，也帶來諸多環(huán)境問題。為應(yīng)對這些挑戰(zhàn)，制造商積極采用節(jié)能技術(shù)，AI 和機(jī)器學(xué)習(xí)在其中發(fā)揮重要作用。機(jī)器學(xué)習(xí)可分析制造過程數(shù)據(jù)，優(yōu)化能源管理，提高能源效率，為可持續(xù)制造提供決策支持 。借助工業(yè) 4.0 技術(shù)，如物聯(lián)網(wǎng)傳感器、數(shù)據(jù)分析和云計(jì)算，可實(shí)現(xiàn)經(jīng)濟(jì)高效的能源監(jiān)測，精準(zhǔn)識別能源消耗模式，為改進(jìn)生產(chǎn)流程、降低能耗提供依據(jù)。

Kumar 等人開發(fā)機(jī)器學(xué)習(xí)算法，識別 FDM 打印過程中的增值、非增值和必要非增值能源，通過實(shí)驗(yàn)訓(xùn)練模型，準(zhǔn)確分類能源消耗數(shù)據(jù)，為用戶提供節(jié)能建議 。El idrissi 等人運(yùn)用神經(jīng)網(wǎng)絡(luò)預(yù)測 FDM 打印的能耗和時(shí)間，對比多種機(jī)器學(xué)習(xí)算法，確定最優(yōu)模型，為成本優(yōu)化提供參考 。Rojel 等人利用人工神經(jīng)網(wǎng)絡(luò)優(yōu)化 3D 打印肘部外骨骼設(shè)計(jì)，減少材料浪費(fèi)和能耗，實(shí)現(xiàn)輕量化和高效生產(chǎn)。

生命周期評估（LCA）是評估產(chǎn)品或過程環(huán)境影響的標(biāo)準(zhǔn)化方法。Kumar 等人提出基于信息物理生產(chǎn)系統(tǒng)的 3D 打印產(chǎn)品實(shí)時(shí) LCA 框架，通過實(shí)時(shí)監(jiān)測和優(yōu)化，降低環(huán)境影響 。Rojek 等人構(gòu)建人工神經(jīng)網(wǎng)絡(luò)評估 3D 打印的電力消耗和空氣污染，為可持續(xù)生產(chǎn)提供數(shù)據(jù)支持 。這些研究表明，機(jī)器學(xué)習(xí)和 LCA 相結(jié)合，有助于實(shí)現(xiàn)制造業(yè)可持續(xù)發(fā)展，減少溫室氣體排放，推動綠色生產(chǎn)。

十、挑戰(zhàn)與未來展望

10.1 面臨的挑戰(zhàn)

AI 與 3D 打印融合雖前景廣闊，但仍面臨諸多挑戰(zhàn)。AI 算法需具備更強(qiáng)適應(yīng)性，以兼容多樣的 3D 打印材料和技術(shù)，開發(fā)實(shí)時(shí)學(xué)習(xí)和自適應(yīng)算法是關(guān)鍵 。倫理問題，如數(shù)據(jù)保護(hù)和 AI 合理使用，需制定行業(yè)標(biāo)準(zhǔn)和倫理框架加以規(guī)范 。數(shù)據(jù)有限和材料相互作用復(fù)雜，制約 AI 模型訓(xùn)練和性能提升，全球合作與信息共享迫在眉睫 。此外，實(shí)現(xiàn) AI 集成 3D 打印技術(shù)的經(jīng)濟(jì)可行性和廣泛可及性，還需深入規(guī)劃和技術(shù)創(chuàng)新。

10.2 未來機(jī)遇

未來，AI 將為 3D 打印帶來眾多機(jī)遇。先進(jìn)的生成式設(shè)計(jì)算法可創(chuàng)造更復(fù)雜、優(yōu)化的結(jié)構(gòu)，推動產(chǎn)品設(shè)計(jì)創(chuàng)新 。AI 對大量數(shù)據(jù)的快速分析能力，有助于實(shí)現(xiàn) 3D 打印產(chǎn)品個(gè)性化定制，滿足消費(fèi)者多樣化需求 。在環(huán)保方面，AI 可優(yōu)化 3D 打印工藝，減少材料浪費(fèi)，促進(jìn)可持續(xù)材料使用，降低生態(tài)足跡 。結(jié)合工業(yè) 4.0 原則，AI 集成 3D 打印將實(shí)現(xiàn)智能制造，通過實(shí)時(shí)監(jiān)測和數(shù)據(jù)驅(qū)動決策，提高生產(chǎn)效率和質(zhì)量。為把握這些機(jī)遇，需加強(qiáng)合作創(chuàng)新，積極應(yīng)對倫理挑戰(zhàn)，推動 AI 與 3D 打印融合技術(shù)持續(xù)發(fā)展。

十一、結(jié)論

本綜述全面探討了 AI 在 3D 打印技術(shù)中的重要作用。優(yōu)化打印參數(shù)對提升 3D 打印質(zhì)量、降低成本、提高效率至關(guān)重要，機(jī)器學(xué)習(xí)技術(shù)如人工神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化算法等在參數(shù)優(yōu)化中成效顯著，有效降低生產(chǎn)成本、縮短打印時(shí)間 。在缺陷檢測方面，遷移學(xué)習(xí)和集成學(xué)習(xí)結(jié)合展現(xiàn)強(qiáng)大優(yōu)勢，提高檢測精度，減少材料和時(shí)間浪費(fèi)。

AI 在設(shè)計(jì)和幾何優(yōu)化領(lǐng)域成果斐然，尤其在生成式設(shè)計(jì)和拓?fù)鋬?yōu)化方面，大幅縮短設(shè)計(jì)迭代時(shí)間、降低制造成本，基于深度學(xué)習(xí)的方法能應(yīng)對復(fù)雜優(yōu)化任務(wù) 。同時(shí)，AI 在預(yù)測 3D 打印材料機(jī)械性能、優(yōu)化結(jié)構(gòu)性能方面表現(xiàn)出色，提高產(chǎn)品質(zhì)量和可靠性。

在質(zhì)量控制和缺陷檢測方面，AI 驅(qū)動的方法顯著提升檢測精度，減少廢品率，在關(guān)鍵行業(yè)保障產(chǎn)品質(zhì)量 。此外，AI 在制造業(yè)可持續(xù)發(fā)展中作用突出，助力優(yōu)化能源效率、推動環(huán)保制造，神經(jīng)網(wǎng)絡(luò)模型在預(yù)測能耗、優(yōu)化打印參數(shù)方面發(fā)揮重要作用。

原始文獻(xiàn)：

Malik Hassan, Manjusri Misra, Graham W. Taylor, Amar K. Mohanty, A review of AI for optimization of 3D printing of sustainable polymers and composites, Composites Part C: Open Access, Volume 15, 2024, 100513, ISSN 2666-6820,

https://doi.org/10.1016/j.jcomc.2024.100513.