近日，我院机电工程系青年教师薛博策在熔滴沉积增材成形闭环控制方面取得研究进展，研究成果《基于机器视觉和深度强化学习的铝合金熔滴沉积逐滴实时闭环控制》（Droplet-by-droplet real-time closed-loop control for aluminum alloy droplet deposition based on machine vision and deep reinforcement learning）发表于《Journal of Manufacturing Processes》期刊。该期刊是工程制造领域的国际顶级期刊，2026年影响因子为7.8（中科院一区Top）。薛博策为论文第一作者，张彦振教授为通讯作者，博士研究生张艳青为第二作者，中国石油大学（华东）为第一署名单位和唯一通讯单位。该研究得到国家自然科学基金、山东省自然科学基金等基金的联合资助。
论文首页
在熔滴沉积制造中，散热条件随着制造过程的进行而持续变化。为了维持成形过程的热平衡、确保构件内部成形质量（如构件几何形态）的一致性，需要对热输入进行动态调控。开环控制难以应对几何结构复杂的构件以及生产环境中的扰动，而闭环控制研究在熔滴沉积制造中仍处于空白。为解决以上问题，本研究针对铝合金熔滴沉积制造立柱的过程，构建了一套基于机器视觉反馈与深度强化学习的逐滴实时闭环控制系统。系统基于机器视觉反馈和深度强化学习。首先分析并选择了合适的熔滴视觉特征作为反馈信号。此后，构建了基于深度强化学习的控制器，并利用数据驱动的代理模型代替真实环境、实现了对控制器的有效训练。最后开展了仿真与实验以验证控制效果。结果显示，本控制系统能够有效将选定的熔滴视觉特征控制在参考值附近，因此可以获得沿高度方向几何形貌均匀的立柱。此外，相比于经典的PI控制器以及开环变频策略，所提出的控制器具有更好的动态响应和环境适应性。尽管本研究针对的是简单结构的制造，但其为复杂结构制造中的实时闭环控制打下了基础。
图文摘要
论文链接：https://doi.org/10.1016/j.jmapro.2026.07.061
