机械工程学报

作者：詹远新, 林勤龙, 刘洋, 高英, 吴剑明, 张嘉振

单位：1. 浙江师范大学数学科学学院 金华 321004;2. 浙江师范大学杭州自动化学院 杭州 311231;3. 浙江师范大学工学院 金华 321004;4. 浙江师范大学计算机科学与技术学院 金华 321004;5. 中国商用飞机有限责任公司北京民用飞机技术研究中心 北京 102200

关键词：机器学习,增材制造,模型预测,Ti-6Al-4V合金,宏观性能；

随着增材制造技术的迅猛发展，Ti-6Al-4V合金在航空航天领域展现出巨大潜力。因此，基于机器学习的Ti-6Al-4V合金增材制造已成为关键研究前沿。系统综述了利用支持向量回归、随机森林、高斯过程和人工神经网络等机器学习模型，预测合金疲劳寿命、残余应力和拉伸强度等关键宏观性能指标的最新战果。尽管相关研究已取得一定进展，现有模型仍面临数据稀缺、物理可解释性差以及跨工艺条件泛化能力弱等局限。为应对这些挑战，我们提出“数据—算法—机理”三元框架，融合物理信息神经网络、强化学习、元学习与数据增强策略，以提升模型的预测精度、鲁棒性与可迁移性，旨在为研究人员提供实用指导，加速面向Ti-6Al-4V合金的机器学习增材制造技术发展。

来源：2026年第3期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2026年第3期