评审总览 / 教学与24步
六个阶段 · 24 步实验
实验以 IN718 镍基高温合金为对象，按“认识—建模—校准—判据—寻优—检验—决策”递进。步骤名称、目标要求、建议用时、满分与成绩类型照录申报书 3-6 节，未重排或改名。
课时与面向学生
课时
- 实验所属课程“模型塑造与3D打印”：36 学时
- 本实验：4 学时；24 步建议用时合计 158 分钟
- 实验类型：综合设计型 · 课程实验 · 中文
面向学生
- 工业设计、机械设计制造及其自动化、材料成型及控制工程、智能制造工程等专业本科三、四年级
- 具备传热学、材料科学基础、工程材料的基础知识；了解概率统计中的正态分布与误差分析；能阅读二维数据图表
- 不要求编程基础
教学目标
知识目标
- 理解 LPBF 工艺的主要参数（功率、扫描速度、光斑、层厚、扫描间距）及其对熔池的影响，掌握体积能量密度的定义和局限。
- 掌握 Rosenthal 点热源与 Eagar–Tsai 高斯热源模型的假设、适用范围与差异。
- 理解吸收率校准的原理，掌握校准集与验证集分离、平均绝对百分比误差（MAPE）评估的方法。
- 掌握未熔合、球化、匙孔三类缺陷的形成机理与判据，理解功率—速度工艺窗口的含义。
- 理解高斯过程回归的预测均值与不确定性，掌握期望改进（EI）准则和可行性约束在贝叶斯优化中的作用。
能力目标
- 能把工程需求表述为可计算的优化目标和约束。
- 能用实测数据校准物理模型，并识别模型失效区。
- 能在有限试制预算内设计试验、迭代寻优，并在同等预算下比较人工迭代与 AI 辅助寻优的效率。
- 能检验推荐参数的稳健性和对条件变化的敏感性。
- 能以真实运行数据为依据撰写实验报告，说明模型局限和 AI 建议的取舍理由。
素养目标
形成“先验证、再使用”的数据与模型意识，把 AI 当作可质疑、需核验的协作者；理解高端装备制造对工艺可靠性的要求。
能力维度与对应步骤（表 1）
| 能力维度 | 对应步骤 | 达成要求 |
|---|---|---|
| 工艺认知与问题定义 | 1—4 | 能把工程需求表述为目标与约束，理解能量密度的局限 |
| 物理建模 | 5—7、11、12 | 能运行并比较两种熔池模型，正确设定缺陷判据 |
| 数据校准与验证 | 8—10 | 能按规则用实测数据校准模型，并指出模型在哪里失效 |
| 工艺窗口与缺陷分析 | 13、14、16、21 | 能生成并解读工艺窗口，归类缺陷，判断稳健性 |
| 智能优化决策 | 15、17—20、22 | 能在预算内设计试验，理解代理模型的不确定性并决定是否采纳推荐 |
| 综合决策与表达 | 23、24 | 能引用真实运行结果写报告，说明取舍理由和模型局限 |
六个阶段
① 问题定义 第 1—4 步 · 满分 12 分 · 建议用时 20 分钟
确定优化目标与约束、核对材料参数与单位、计算体积能量密度、设定实验范围。查看步骤
② 熔池建模 第 5—7 步 · 满分 12 分 · 建议用时 17 分钟
运行 Rosenthal 点热源与 Eagar–Tsai 高斯热源两种解析模型，在温度场上标出液相线与熔池边界。查看步骤
③ 实测校准与验证 第 8—10 步 · 满分 12 分 · 建议用时 22 分钟
导入美国国家标准与技术研究院（NIST）公开的单道熔池实测数据，按固定规则划分校准集和验证集，校准激光吸收率 η，在验证集上定位模型失效区。查看步骤
④ 缺陷判据与工艺窗口 第 11—14 步 · 满分 16 分 · 建议用时 22 分钟
设定未熔合、球化、匙孔判据，生成功率—速度工艺窗口图，比较两套公开判据的差异。查看步骤
⑤ 智能寻优 第 15—20 步 · 满分 24 分 · 建议用时 40 分钟
在固定试制预算内先人工迭代，再训练高斯过程代理模型、按贝叶斯优化推荐点试制，在同等预算下比较两种寻优方式的效率。查看步骤
⑥ 稳健性检验与决策 第 21—24 步 · 满分 24 分 · 建议用时 37 分钟
施加功率和吸收率波动检验推荐参数的稳健性，做敏感性试验，提交实验报告和推荐工艺参数。查看步骤
24 步完整表
每一步都要求学生在页面上完成实际输入、选择或读图标注后提交，系统加载、动画播放一类的被动环节不计入步骤；提交后由服务端立即校验，练习模式返回具体诊断，正式模式只记录作答不给答案。
| 步 | 步骤名称 | 步骤目标要求 | 建议用时 | 满分 | 成绩类型 |
|---|---|---|---|---|---|
| ① 问题定义（第 1—4 步） | |||||
| 1 | 提交优化目标与约束 | 阅读任务书，选出优化目标与约束 | 5 分钟 | 3 | 预习成绩 |
| 2 | 选择材料与设备，核对参数来源 | 选中 IN718 与虚拟单道实验台，逐项确认六项材料参数及单位 | 5 分钟 | 3 | 预习成绩 |
| 3 | 计算体积能量密度并判断等价性 | 计算参考条件的体积能量密度；运行两组同能量密度参数，判断熔池是否相同 | 5 分钟 | 3 | 预习成绩 |
| 4 | 设定单道实验参数范围 | 设定功率、速度、光斑范围 | 5 分钟 | 3 | 预习成绩 |
| ② 熔池建模（第 5—7 步） | |||||
| 5 | 运行 Rosenthal 模型 | 读出熔池长、宽、深 | 5 分钟 | 4 | 操作成绩 |
| 6 | 运行 Eagar–Tsai 模型并比较 | 读出熔宽、熔深，判断两模型熔深差异方向 | 6 分钟 | 4 | 操作成绩 |
| 7 | 标注液相线与熔池边界 | 在温度场图上标出熔池前端、后端与最大半宽 | 6 分钟 | 4 | 操作成绩 |
| ③ 实测校准与验证（第 8—10 步） | |||||
| 8 | 导入实测数据并划分 | 导入 NIST 数据，选择划分规则，确认来源与许可 | 6 分钟 | 4 | 操作成绩 |
| 9 | 校准吸收率 η | 在校准集上拟合 η，判断残差方向 | 8 分钟 | 4 | 操作成绩 |
| 10 | 验证误差并指出失效区 | 用第9步的 η 计算验证集 MAPE，指出失效区及熔深偏差方向 | 8 分钟 | 4 | 操作成绩 |
| ④ 缺陷判据与工艺窗口（第 11—14 步） | |||||
| 11 | 设定未熔合判据 | 选择判据、来源、层厚与扫描间距 | 5 分钟 | 4 | 操作成绩 |
| 12 | 设定球化与匙孔判据 | 选择球化判据及阈值、匙孔判据及沸点来源 | 5 分钟 | 4 | 操作成绩 |
| 13 | 生成工艺窗口图 | 用校准后的 η 与判据组 A 生成功率—速度窗口图，判定三个探测点 | 6 分钟 | 4 | 操作成绩 |
| 14 | 对比两套判据 | 生成判据组 B 窗口图，读出差异格数、差异区域与原因 | 6 分钟 | 4 | 操作成绩 |
| ⑤ 智能寻优（第 15—20 步） | |||||
| 15 | 设定预算与初始试验设计 | 按任务书确定目标函数、致密度下限与试制预算，提交初始试验设计 | 6 分钟 | 4 | 操作成绩 |
| 16 | 运行第一批虚拟试制 | 运行初始设计，读取致密度与缺陷类型，指出最佳可行点 | 6 分钟 | 4 | 操作成绩 |
| 17 | 人工迭代选参 | 凭经验手动选择2—3个新参数点并写明理由 | 8 分钟 | 4 | 操作成绩 |
| 18 | 训练高斯过程代理模型 | 用本人第一批试制数据训练代理模型，读出最大不确定区域 | 6 分钟 | 4 | 操作成绩 |
| 19 | 获取贝叶斯优化推荐并决策 | 逐轮获取推荐点，依据可行概率决定采纳或不采纳 | 8 分钟 | 4 | 操作成绩 |
| 20 | 比较人工与AI寻优效率 | 同等配额下比较人工组与AI辅助组的最佳可行成形效率 | 6 分钟 | 4 | 操作成绩 |
| ⑥ 稳健性检验与决策（第 21—24 步） | |||||
| 21 | 稳健性检验 | 对候选参数施加功率与吸收率波动做20次重复试制，读出合格率与不合格主因 | 8 分钟 | 4 | 操作成绩 |
| 22 | 敏感性试验 | 先保存预测，再只改变层厚或光斑之一验证 | 8 分钟 | 4 | 操作成绩 |
| 23 | 提交实验报告 | 引用本人真实运行，写明模型局限及对AI建议的采纳与理由 | 15 分钟 | 10 | 实验报告成绩 |
| 24 | 提交推荐工艺参数并说明取舍 | 推荐一组本人试制参数，说明来源与取舍 | 6 分钟 | 6 | 操作成绩 |
| 合计 | 158 分钟 | 100 | |||
成绩构成
12预习成绩（第1—4步）
78操作成绩（第5—22步、第24步）
10实验报告（第23步）
- 合计 100 分。每步按冻结量规从结构化证据自动赋分，保留分项和判定理由；24 个评分项均为客观项，平台强制以冻结规则重算的分数为准。
- 教师查看逐步证据后确认成绩；实验报告正文另由教师评阅反馈。
- 多处采用“学生结论必须与自己的运行数据相符”的判定方式（第3、6、14、19、22、24步），使结论无法靠猜测获得。
- 各能力维度取对应步骤得分率形成学生能力画像。
教学过程
| 阶段 | 学生活动 | 教师活动 | 平台与 AI 支持 |
|---|---|---|---|
| 课前（约 20 分钟） 第1—4步 | 阅读任务书，完成第1—4步预习 | 下发固定版本的实验任务，查看预习完成情况 | 大模型助教在第1步给出方案设计建议 |
| 课中一（约 80 分钟） 第5—14步 | 完成熔池建模、实测校准、缺陷判据与工艺窗口 | 讲解模型假设、校准与验证分离原则，组织讨论失效区与判据差异 | 第10、14步解释模型偏差与判据差异；服务端实时校验并反馈 |
| 课中二（约 60 分钟） 第15—22步 | 在预算内人工迭代，训练代理模型，获取并决定是否采纳推荐，比较效率，检验稳健性 | 组织比较人工与AI寻优结果，引导学生讨论不确定性与风险 | 代理模型与贝叶斯优化；第19、21步解读推荐依据、诊断不稳健原因 |
| 课后 第23—24步 | 提交实验报告与推荐参数，查看成绩与能力画像 | 查看逐步证据并确认成绩，评阅报告正文并反馈 | 第23步反思与改进建议；能力画像写入学习记录 |
10 个知识点
| 序号 | 知识点 | 教学落点 |
|---|---|---|
| 1 | LPBF 工艺参数与体积能量密度及其局限 | 第1—4步 |
| 2 | Rosenthal 运动点热源模型 | 第5步 |
| 3 | Eagar–Tsai 运动高斯热源模型 | 第6、7步 |
| 4 | 激光吸收率与模型校准 | 第9步 |
| 5 | 校准集与验证集分离、MAPE 误差评估与模型失效区 | 第8、10步 |
| 6 | 未熔合、球化、匙孔缺陷机理与判据 | 第11、12步 |
| 7 | 功率—速度工艺窗口 | 第13、14步 |
| 8 | 试验设计与试制预算 | 第15、16、17步 |
| 9 | 高斯过程回归与预测不确定性 | 第18步 |
| 10 | 带约束的贝叶斯优化、稳健性与敏感性分析 | 第19—24步 |
实验原理要点
- LPBF 与单道熔池。LPBF 用聚焦激光逐层扫描金属粉末，使其熔化并凝固成形。单道熔池尺寸决定层间与道间能否充分熔合，是工艺参数设计的基础。
- 体积能量密度。E = P/(v·h·t)，其中 P 为激光功率，v 为扫描速度，h 为扫描间距，t 为层厚。E 常用作经验指标，但不同 P、v 组合即使 E 相同，熔池形状也不同，不能单独作为工艺判据。
- 熔池热模型。Rosenthal 模型把激光视为在半无限体表面匀速移动的点热源，准稳态温度场有解析解；Eagar–Tsai 模型把热源视为高斯分布，温度场由对时间的一维积分给出，经数值积分后搜索液相线等温面，得到熔池长、宽、深。两者只计导热，不含潜热、熔池流动与蒸发，在高能量输入（匙孔模式）下会低估熔深。
- 吸收率校准与验证。吸收率 η 是未知量。实验以文献估计值为初值，在校准集上拟合单一标量 η，再在验证集上计算 MAPE，按熔池深宽比分区比较误差，定位模型失效区。划分规则只依据观测值，看到验证结果后不能回头修改校准。
- 缺陷判据与工艺窗口。判据组 A：未熔合 (h/W)² + t/(t+D) ≥ 1，球化 L/W ≥ 2.3，匙孔 归一化焓 ΔH/hs > π·Tb/Tl；判据组 B：熔深—层厚判据、Yadroitsev 单道稳定性判据和无量纲 Ke 数判据。逐点计算功率—速度网格并判定，得到工艺窗口图。
- 虚拟试制。一次试制对应一组工艺参数，服务端计算致密度与缺陷类型；成形效率 = v·h·t。
- 代理模型与贝叶斯优化。高斯过程回归以学生已完成的试制结果为训练数据，给出任意参数点致密度的预测均值和不确定性；贝叶斯优化在满足致密度约束的概率下最大化期望改进，推荐下一个试制点。
实验方法
- 对比法：两种热源模型、两套判据、人工与AI两种寻优方式分别对比
- 校准—验证法：数据严格分为校准集与验证集
- 控制变量法：敏感性试验每次只改变一个条件，且必须先保存预测再运行
- 预算约束下的试验设计与序贯优化
- 人机协同决策：AI 推荐与学生决定分开记录，学生对每次采纳或拒绝写明理由