2、增材制造中的特征工程

增材制造中的特征工程

1 引言

增材制造（AM），也称为3D打印，以其层层叠加的方式制造零件，带来了许多颠覆性的优势，如消除工具、节省材料、设计自由、降低成本、大规模定制和生产效率。这些特性不仅改变了制造业的面貌，还为新材料和新应用的开发提供了无限可能。然而，AM技术在商业化应用中仍面临许多挑战，尤其是在金属AM中，由于其独特的材料-零件同时制造特性，难以满足消费者对质量、强度和美观的严格要求。为了克服这些挑战，数据驱动的方法逐渐成为研究的热点，通过机器学习和深度学习等技术，加速了AM技术的发展和应用。

2 领域和范式

增材制造中的特征工程位于多个学科和范式的交叉点上。这些学科包括信号处理、计算机视觉、三维或几何机器学习、信息学、统计学、人工智能/机器学习/深度学习等。范式则包括集成计算材料工程（ICME）、数据-信息-知识-智慧（DIKW）和设计-过程-结构-属性（DPSP）。每个领域和范式都有其独特的技术和方法，这些技术和方法在AM特征工程中得到了广泛应用。

AM数字线程

AM过程的生命周期包括设计、过程、结构和属性四个阶段。在每个阶段，数据会在后续阶段之间进行交换，并生成新的数据。这些数据形成了所谓的AM数字线程，涵盖了从设计到成品的全过程。数据驱动的解决方案依赖于这些数据的质量和处理方法，因此特征工程在AM中显得尤为重要。

3 特征源

科学建模和测量科学

数据驱动的AM有两个主要信息来源：科学建模和测量科学。科学建模通过高保真度和准确的模拟生成高质量的数据，而测量科学则通过各种传感器和测量设备捕获实际数据。这些数据可以是时间序列、图形、三维等不同形式，具体取