AM易道科研分享

我们看到这篇文章时，眼前一亮。

我们谈了这么多年3D打印的工艺参数优化、材料性能提升、设计创新，却很少有人系统性地讨论一个最基础的问题：

环境条件对打印质量的影响。

同一台打印机，同样的参数设置，南方和北方，夏天和冬天打出来的零件性能可能完全不同。

正文部分，我们将选译《Nature Reviews Clean Technology》2025年最新发表的评论文章，原文标题为《Environment-process-structure-property linkages in additive manufacturing》，作者是加州大学伯克利分校的Xing Quan Wang和Grace X. Gu教授。

这篇Nature子刊的评论文章提出了一个全新的框架概念—EPSP关系（环境-工艺-结构-性能关系），将环境因素从背景变量提升为主动驱动因素。

对于想要把3D打印技术真正推向工业应用、野外应用甚至太空应用的从业者来说，这篇文章提供了一个全新的思考维度。

AM易道对于该文章的许多理解和表达已脱离原文章的原始技术表述，有大量原创主观的解读创作成分，如需要了解更多原始硬核技术内容，请自行阅读原文。

正文选译

环境条件从根本上塑造着增材制造的可靠性和可持续性。随着增材制造技术走向真实世界的应用环境，这些因素需要被纳入建模和设计的考量范畴。

温度、湿度、振动、重力和压力等环境变量，以及气流、光照或颗粒污染等其他因素，都会强烈影响打印零件的微观结构和机械性能。

当增材制造从实验室环境迈向工业和现场规模应用时，理解和响应这些环境条件的能力变得至关重要。

在这篇评论中，我们强调将环境条件纳入增材制造研究和应用的重要性，并提出了我们所称的环境-工艺-结构-性能（EPSP）关系框架。

EPSP关系：环境不再是背景板

EPSP关系将环境条件视为塑造打印工艺与打印结构之间关系的主动驱动因素，而非外部背景设置。

温度波动、湿度变化、机械振动和重力方向都会在制造过程中与工艺条件相互作用，从而影响最终结果。

举个例子，环境温度升高会降低冷却速率并破坏热梯度，这意味着在炎热的夏天进行打印时就会遇到问题。

这些变化可能导致内部翘曲、残余应力积累以及层间结合变弱。

相反，寒冷环境会因快速凝固而导致不完全熔合和脆性界面。

湿度：看不见的杀手

潮湿环境带来了额外的挑战。聚合物和树脂吸收的水分会降低层间粘附力。

随着打印的进行，吸收的水分会蒸发，在材料内部留下孔隙或气泡。

高湿度还会加速表面氧化，降低金属和陶瓷系统的熔体质量和长期耐久性，同时调节3D打印混凝土中的水化动力学，从而塑造微观结构演变并影响长期性能。

振动：被低估的干扰源

振动是另一个经常被忽视的环境因素，它可能源自交通或附近的施工活动。

在实验室中，真空泵、离心机和冷却系统等设备也会产生局部振动，这些振动会改变沉积路径、导致层错位、增加表面粗糙度并引入削弱打印零件的微裂纹。

此外，重力和零件方向决定了材料如何流动和沉降。

如果对齐不当，无支撑区域可能会下垂或变形，导致几何失真和各向异性性能。

当前框架的局限

尽管环境条件对微观结构和性能有如此大的影响，但目前它们很少被整合到增材制造的设计框架中。

相反，工艺-结构-性能（PSP）关系一直是理解增材制造中材料行为的基础。

PSP强调通过控制打印速度、流速、能量输入和冷却速率等工艺参数来定制微观结构和性能。

从实验角度看，保持稳定的环境温度和湿度水平需要配备热调节和湿度控制的专用外壳，这增加了系统复杂性和校准需求—而大多数商用打印机并不具备这些能力。

从建模角度看，纳入环境变异性需要将热传输、相变和湿气扩散与依赖工具路径的沉积动力学耦合起来。

这些仿真依赖于计算密集型的多物理场求解器和实时边界跟踪，与基于切片软件的工作流程配合不佳。

因此，数字孪生模型往往不包含环境效应，限制了它们在真实世界或非受控环境中的适用性。

AI：环境自适应的关键

人工智能可以帮助解释环境-工艺相互作用，并在打印过程中实现自适应控制。

虽然传统系统缺乏跨传感器的有效协调，但AI可以通过整合来自多个传感器的数据来克服这一问题，捕捉温度、湿度、振动和重力的波动如何影响热分布、材料流动和界面行为。

AI工具还可以通过将环境和工艺状态与结构演变联系起来，提供预测性控制。

通过强化学习或AI驱动的数字孪生系统，可以预测缺陷并实时调整工具路径、能量输入或时序，以确保在变化条件下的打印质量。

极端环境下的价值

这些能力在环境控制受限的场景中尤其有价值，比如太空、灾区、偏远社区和国防行动。

在这些情况下，自适应增材制造能够按需生产关键任务部件。例如，为离网地区制造净水设备零件、为应急响应制造医疗工具、为快速建造庇护所制造结构构件。

这种方法减少了对复杂供应链的依赖，并支持在极端环境中的生产连续性。

增材制造的下一阶段应该建立在EPSP视角之上，将环境条件视为工艺设计的组成部分，为可扩展和有韧性的增材制造提供基础。

AM易道分析，这篇评论文章为什么重要

AM易道认为，这篇文章戳破了一个行业潜规则。

我们谈了太多年的参数优化、材料创新、算法升级，却对环境因素讳莫如深。

为什么？

因为承认环境影响就等于承认现有打印机的适应性不足，承认数字孪生模型的不完整，承认很多实验室数据到了现场就不管用。

但问题是，当我们想把3D打印机送上月球、送到灾区、送到海上平台时，这些环境因素就会从背景噪音变成决定性因素。

传统的PSP框架（工艺-结构-性能）是材料科学的经典范式，它假设只要控制好工艺参数，就能得到预期的结构和性能。

但适应不完美环境才是工业大规模应用所直面的挑战。

AI不是万能药，但可能是唯一出路

文章提到用AI来应对环境变化，AM易道认为这是技术发展的必然方向。

传统的解决方案是两个极端：

要么投入巨资打造恒温恒湿无振动的打印环境（这在工业生产中成本高昂，在野外应用中根本不可行）；

要么就睁一只眼闭一只眼，靠事后检测和返工来弥补（效率低下且浪费材料）。

AI提供的是第三条路：

让打印系统学会在变化的环境中自适应，这是已经在发生的技术趋势。

举几个实际例子：

从实时环境感知来说，在打印过程中持续监测温度、湿度、振动，建立环境状态的动态模型。

这需要多传感器融合，传统控制系统很难做到，但对AI来说是强项。

预测性控制来说，不是等到打印失败了再调整，而是根据环境变化预测可能出现的问题，提前调整工艺参数。

比如检测到环境温度升高，自动降低打印速度、增加冷却时间；检测到湿度上升，提高喷嘴温度以蒸发材料中的水分。

延伸阅读：

未来已来：AI Agent开始系统化接管3D打印工程师工作

FDM3D打印会自己看自己改：哈工大实时缺陷控制方法

美能源部发布基于AI的3D打印实时缺陷检测，曾发表于Science正刊

自主学习方面：每一次打印都是一次学习机会。

通过强化学习，系统可以在不同环境条件下积累经验，逐步建立起环境-工艺-质量的映射关系。这意味着打印机用得越久，越能适应当地环境。

当然，AI不是万能的，它解决不了物理定律的限制。

极端环境下，再智能的系统也需要基本的环境控制辅助。

AI的价值在于降低对环境控制的要求，而不是完全消除这种要求。

应用场景：不仅仅是噱头

文章提到的三个应用场景，太空、灾区、偏远地区，听起来有点小众，但都是实实在在的需求。

太空：国际空间站、月球基地、火星探测，这些地方不可能从地球运输所有零部件。

3D打印是实现就地制造的关键技术。

但太空环境的挑战远超地球：微重力、真空、极端温差、宇宙辐射。

延伸阅读：月土为墨，太阳为笔！我国月壤3D打印将开展月球验证

灾区：地震、洪水、战争后的救援现场，供应链断裂，但需要大量临时设施和工具。

如果能用3D打印机就地制造净水设备、医疗器械、临时住所的构件，救援效率会大幅提升。

但灾区环境恶劣多变，可能是沙漠高温、可能是高原低温、可能还有持续余震。

这些环境条件对打印质量的影响必须考虑进去。

偏远地区：海上钻井平台、南极科考站、沙漠矿区、深山基站。

这些地方的共同特点是远离供应链，环境条件苛刻。

一个关键零部件损坏，要么等几周运输新件，要么整个系统停摆。如果能在现场3D打印备件，运营效率和成本都会显著改善。

随时移动的军火库！3D打印“引爆”未来战争

写在最后

这篇文章的价值不在于提出新技术，而在于它重新定义了问题。

从PSP到EPSP，一个字母的变化，代表的是认知框架的重构。

3D打印技术发展到今天，低垂的果实已经摘得差不多了。

要实现从实验室到产业、从受控环境到野外应用的跨越，必须正视那些被我们有意无意忽略的环境因素。

用户需要转变观念：

3D打印，至少工业级的3D打印，不是搬来机器就能用的傻瓜设备，环境条件的管理和工艺参数一样重要。

从业者需要按照EPSP框架思考：

不只是参数优化，下一代3D打印系统必须学会和环境对话。