美国威斯康星大学的研究团队利用机器学习建立激光粉末床熔融工艺中声学信号与零件机械性能之间的关系。该研究在13种工艺条件下打印100个CoCrFeMnNi高熵合金拉伸试样，通过声学特征训练模型预测力学性能。结合工艺与声学信息后，屈服强度预测准确率提升18%，断裂延伸率提升10%。研究发现12至16kHz频段的声学信号与材料延展性相关，较低功率谱密度对应更高延展性。该方法可替代破坏性检测，直接通过声学特征评估零件性能。