2.1. 三維多層相場模型
相場模型模擬粉末固結與微結構演變。序參數 $\phi$ 用於區分固體相（$\phi=1$）與粉末/孔隙相（$\phi=0$）。其演變由Allen-Cahn方程式控制，並與熱傳導耦合：
$\frac{\partial \phi}{\partial t} = -L \frac{\delta F}{\delta \phi}$
其中 $L$ 為動態係數，$F$ 為總自由能泛函，包含梯度能與雙井勢。該模型考慮了顆粒間的部分熔化與頸部形成。
1. 緒論
積層製造（AM），特別是如選擇性雷射燒結（SLS）這類粉末床熔融（PBF）技術，透過實現具有可控孔隙率的複雜幾何形狀，已徹底改變了製造業。然而，製程在粉末尺度上誘發的殘餘應力與塑性應變，仍然是影響最終零件機械完整性與尺寸精度的關鍵挑戰。本文透過開發一種粉末解析、多層多物理場模擬方案來解決此一缺口，該方案整合了非等溫相場建模與熱彈塑性有限元素分析（FEA），以預測SLS過程中應力與應變的細觀演變。
2. 方法論
所提出的框架是一種混合計算方法，旨在捕捉SLS在微觀結構層面的複雜物理現象。
2.2. 熱彈塑性有限元素法框架
來自相場模擬的熱歷史驅動力學分析。本構模型考慮了與溫度和相態相關的材料屬性。總應變 $\boldsymbol{\varepsilon}$ 被分解為彈性應變 $\boldsymbol{\varepsilon}^e$、塑性應變 $\boldsymbol{\varepsilon}^p$ 與熱應變 $\boldsymbol{\varepsilon}^{th}$：
$\boldsymbol{\varepsilon} = \boldsymbol{\varepsilon}^e + \boldsymbol{\varepsilon}^p + \boldsymbol{\varepsilon}^{th}$
塑性行為採用 $J_2$ 流動理論與等向硬化模型進行建模。應力透過虎克定律計算：$\boldsymbol{\sigma} = \mathbb{C}(T, \phi) : \boldsymbol{\varepsilon}^e$，其中 $\mathbb{C}$ 為與溫度 $T$ 和相態 $\phi$ 相關的剛度張量。
2.3. 材料屬性與邊界條件
材料屬性（楊氏模數、降伏應力、熱膨脹係數）被定義為溫度與相態的函數。模擬域代表粉末床的一部分，並設有適當的熱邊界條件（對流、輻射）與力學邊界條件（初始無應力）。雷射光束被建模為具有高斯功率分佈的移動熱源。
3. 結果與討論
3.1. 微結構演變與應力集中
模擬結果顯示，應力集中並非均勻分佈。它主要侷限於兩個關鍵區域：(1) 部分熔化顆粒之間的頸部區域，以及 (2) 連續沉積層之間的接合處。這些區域是塑性起始的熱點。
3.2. 殘餘應力與塑性應變分佈
累積的塑性應變與產生的殘餘應力遵循熱梯度分佈。冷卻後，在燒結區域的核心發現高拉伸殘餘應力，而在表面或界面附近可能產生壓縮應力。這種不匹配是導致變形與潛在分層的主要驅動因素。
圖表說明（模擬）： 三維等值面圖將顯示多層粉末床內的馮·米塞斯應力分佈。沿著顆粒間頸部與層間邊界，高應力的紅色區域清晰可見，而低應力的藍色區域則位於完全熔化熔池中心與未燒結粉末區域。
3.3. 製程參數之影響
本研究評估了光束功率與掃描速度（通常合併為線性能量密度）的影響。較高的能量輸入通常會增加熔池尺寸、降低孔隙率，但若未經優化，可能加劇熱梯度，導致更高的殘餘應力。研究識別出一個能實現可接受密度並最小化應力的製程參數窗口。
4. 技術分析與框架
4.1. 核心見解與邏輯流程
本文的核心見解是，要預測SLS結果，細觀尺度、粉末解析的模擬是不可或缺的。其邏輯流程穩健：首先使用基於物理的相場模型獲取材料的「形狀」，然後將該幾何形狀與熱歷史作為力學分析的直接輸入。這相較於將關鍵粉末尺度現象平均化的均質化模型，是一大進步。它反映了計算材料科學中的哲學，即捕捉正確的微觀結構至關重要，這與Miehe等人（2010）在相場斷裂方面的工作理念相似。
4.2. 優勢與缺陷
優勢： 耦合方式優雅且物理意義明確。將頸部與層間區域識別為應力集中點，是一項有價值且可執行的發現。嘗試從模擬數據建立迴歸模型，對於產業應用而言是務實的做法。
缺陷： 計算成本無疑非常龐大，限制了模擬域的尺寸。該模型可能簡化了粉末尺寸分佈與堆積隨機性。雖然與實驗進行了比較驗證，但仍需要更多定量、逐點的應力測量（例如使用同步輻射X射線繞射）來完全建立可信度。
4.3. 可執行之見解
對於製程工程師：聚焦雷射路徑規劃與參數開發時，不僅要考慮密度，還應著重於最小化已識別關鍵區域（頸部、層間接合處）的應力。可將迴歸模型作為定義製程參數窗口的起點。對於研究人員：此框架是一個範本。下一步是納入更多物理現象——粉末鋪展動力學、汽化以及明確的裂紋形成——並利用模型降階或機器學習代理模型來提升運算速度。
5. 實驗關聯性與迴歸模型
關於孔隙率與能量輸入關係的模擬結果，顯示出與實驗SLS數據一致的趨勢。基於模擬數據，提出了現象學迴歸模型來描述體積平均殘餘應力 $\bar{\sigma}_{res}$ 與塑性應變 $\bar{\varepsilon}^p$ 對線性能量密度 $E$ 的依賴關係：
$\bar{\sigma}_{res} = \alpha \cdot E^{\beta} + \gamma$
$\bar{\varepsilon}^p = \delta \cdot \ln(E) + \epsilon$
其中 $\alpha, \beta, \gamma, \delta, \epsilon$ 為擬合參數。這些簡單的模型提供了預測趨勢的快速檢視工具，但它們需要針對特定材料系統進行校準。
6. 未來應用與方向
- 積層製造設計（DfAM）： 將此模擬工具整合到DfAM軟體中，在設計階段預測並減輕殘餘應力，實現考慮可製造性約束的拓撲優化。
- 材料開發： 快速篩選新型粉末材料（例如複合材料、高熵合金）的SLS加工性與固有殘餘應力傾向。
- 製程監控與控制： 利用模擬見解來指導現場監控策略。例如，可將熱成像數據輸入降階模型，以即時估算應力累積，從而實現自適應雷射控制。
- 多尺度建模： 將細觀尺度結果作為零件尺度宏觀模型的輸入，為整個零件建立真正的多尺度模擬鏈。
- 機器學習整合： 在模擬結果資料庫上訓練深度學習模型（例如卷積神經網路），以建立應力與密度的即時預測器，正如麻省理工學院計算力學組等機構的研究人員在其他AM領域所探索的那樣。
7. 參考文獻
- Mercelis, P., & Kruth, J. P. (2006). Residual stresses in selective laser sintering and selective laser melting. Rapid Prototyping Journal.
- Miehe, C., Welschinger, F., & Hofacker, M. (2010). Thermodynamically consistent phase-field models of fracture: Variational principles and multi-field FE implementations. International Journal for Numerical Methods in Engineering.
- DebRoy, T., et al. (2018). Additive manufacturing of metallic components – Process, structure and properties. Progress in Materials Science.
- Khorasani, A. M., et al. (2022). A review of machine learning in additive manufacturing. Journal of Intelligent Manufacturing.
- National Institute of Standards and Technology (NIST). (2022). Measurement Science for Additive Manufacturing. [Online] Available: https://www.nist.gov/programs-projects/measurement-science-additive-manufacturing
- Zhou, X., et al. (2020). Phase-field modeling in materials science. Annual Review of Materials Research.
原創分析：預測積層製造隱藏缺陷的高風險博弈
Yang等人的這項研究，是對積層製造最持久且代價高昂的挑戰之一——殘餘應力的預測與控制——的一次引人注目的探索。作者的方法——緊密耦合的三維相場與熱彈塑性模擬——不僅僅是漸進式的改進；它代表了朝向高保真度、微觀結構感知的製程建模的必要轉變。其重要性在於它針對性地聚焦於多孔材料的選擇性雷射燒結（SLS），在這個領域中，由於材料本身缺乏連續性以及部分熔化的普遍性，應力集中問題更加嚴重。他們發現應力集中在顆粒頸部與層間接合處，這一直觀但至關重要的發現，提供了失效起始位置的清晰地形圖。
技術貢獻是實質性的。透過將用於微結構演變的相場模型直接與力學求解器整合，他們避免了假設最終理想化幾何形狀的常見陷阱。這類似於其他領域成功生成模型背後的哲學，例如CycleGAN（Zhu等人，2017），它在沒有配對範例的情況下學習領域間的映射——在此，模型學習了熱歷史、幾何變化與應力生成之間的內在耦合，而無需事先將其解耦。然而，模型的複雜性也是其致命弱點。在三維空間中解析多層的個別粉末顆粒，其計算成本對於模擬超出小型代表性體積單元之外的任何東西都是難以承受的。這種限制與其他高保真度模擬（如流體力學中的直接數值模擬）所面臨的挑戰相呼應。
與純經驗性或均質化建模方法相比，這項工作提供了更優越的機理見解。然而，它必須透過同等詳細的實驗進行驗證。參考如美國國家標準與技術研究院（NIST）等機構的基準研究至關重要，NIST領導著積層製造測量科學計畫。NIST在量化AM製程特徵方面的工作，提供了驗證此類複雜模擬所需的關鍵實驗數據。所提出的迴歸模型是通往產業界的明智且務實的橋樑，但如果應用於其校準範圍之外，則有過度簡化的風險。
總而言之，本文是一個精密的原理驗證，奠定了堅實的基礎。未來在於透過自適應網格劃分、模型降階或混合機器學習技術來擴展此方法，使其成為零件尺度預測的實用工具。如同所有先進製造業，最終目標是從後製程檢測轉向數位化認證，而這項工作是邁向該目標的決定性一步。