Alessia Auriemma Citarella · Luigi Carrino · Fabiola De Marco · Luigi Di Biasi 等6人 · IEEE Transactions on Industrial Informatics · 2025年7月

冷喷涂增材制造（CSAM）是一种在多种表面（尤其是聚合物和复合材料等热敏感材料）上施加金属涂层的有效技术。然而，工艺效果受多种复杂因素影响，涂层性能优化仍具挑战。本研究结合有限元模型（FEM）与有监督机器学习（ML）方法，构建包含132组FEM模拟的数据集，涵盖多种金属-聚合物组合及冲击速度范围，预测颗粒嵌入深度与展平程度。比较支持向量回归、决策树、高斯过程回归（GPR）和神经网络（NN）等算法，以均方根误差（RMSE）评估性能。结果表明，GPR对展平预测最优（RMSE=3.9），双层NN对嵌入...

解读: 该AI驱动的冷喷涂优化技术对阳光电源功率器件封装与散热系统具有重要应用价值。在ST储能变流器和SG逆变器的SiC/GaN功率模块制造中，冷喷涂可实现铜/铝金属层在陶瓷基板或复合材料散热器上的低温沉积，避免热应力损伤。研究中的GPR和神经网络预测模型可替代耗时的FEM仿真，快速优化喷涂参数（颗粒速度、...