金属塑性成形“材料-工艺-装备”智能化技术综述

王涛1,2,3,赵文强1,任忠凯1,刘元铭1,韩建超1,黄庆学1,3（1.太原理工大学 机械工程学院；2.太原理工大学 先进金属复合材料成形技术与装备教育部工程研究中心；3.太原理工大学 金属成形技术与重型装备全国重点实验室）

摘要: 金属塑性成形技术在现代制造业中至关重要, 但传统方法在材料本构描述、工艺缺陷预测、质量优化及装备管控等方面面临精度低、效率差和适应性弱的挑战。近年来, 人工智能(AI) 技术的兴起为这些问题提供了创新解决方案, 推动了该领域向智能化转型。系统归纳了AI 技术在金属塑性成形中的应用进展, 具体从材料、工艺和装备3 个方面进行阐述。在材料本构方面, 传统唯象模型的局限性被数据驱动方法克服, 人工神经网络(ANN) 提升了单一路径下的预测精度, 循环神经网络(RNN) 模拟复杂加载路径的历史依赖, 机器学习(ML) 代理模型加速微观组织动态演变预测, 物理感知神经网络(PINN) 与跨尺度代理模型确保热力学一致性, 实现高效多尺度耦合仿真。在成形工艺中, AI 通过深度学习(DL) 预测宏观缺陷如起皱、回弹和微观损伤, 耦合物理驱动提升鲁棒性; 智能优化策略如强化学习实现厚度、板形与工艺参数的闭环控制,提高产品质量与效率。在智能装备管控中, 深度学习故障诊断方法在变工况和小样本下表现出色, 结合迁移学习增强泛化;剩余寿命预测与液压伺服、振动抑制的智能控制框架, 支持预测性维护与自主决策。总体而言, AI 显著降低了金属成形技术开发成本, 明显提升了预测准确率, 并在工业场景中验证了可行性。尽管面临可解释性与泛化挑战, 未来通过机理-数据融合、小样本学习和数字孪生, 将有效赋能金属塑性成形高质量发展。

关键词: 金属塑性成形; 人工智能; 数据驱动建模; 智能控制; 预测性维护; 数字孪生