武汉理工大学：机器学习辅助金属增材制造质量控制

背景：金属增材制造技术因工艺波动导致缺陷、几何精度不足和材料性能不稳定等问题，传统质量控制方法存在高维非线性建模和实时控制局限。研究目的：系统综述机器学习技术在金属增材制造质量保障中的应用，包括多物理场预测、缺陷检测、几何优化、性能调控及实时闭环控制。结论：机器学习通过数据驱动方法显著提升质量预测与优化效率，但面临数据稀缺、模型可解释性和跨平台泛化等挑战，未来需发展物理信息融合框架和多学科协同解决方案。