人工智能在每個特定領域發(fā)揮著越來越重要的作用，包括：缺陷檢測和糾正、在構建過程中和構建之后減少殘余應力和故障、原位計量和設計精度、微結構設計、合金設計和優(yōu)化。目前人工智能用于3D打印過程控制主要是聚焦于控制孔隙（密度）、局部缺陷、過程中產(chǎn)生的內(nèi)應力、設計和尺寸精度、微觀結構變化等。

       AM增材制造的熱監(jiān)測可以使用熱像儀和高溫計實現(xiàn)，熱像儀在實現(xiàn)上類似于可見光相機，但圖像以假色顯示溫度分布，這些圖像可以包含與熱梯度和結構特征相關的信息，這些信息可以由基于圖像的 ML人工智能算法（例如 CNN）解釋。日前，卡內(nèi)基梅隆大學推出商用相機的熔池測量方法進行金屬3D打印過程的高分辨率熔池熱成像。

高速相機和光學裝置安裝在卡內(nèi)基梅隆大學 TruPrint 3000 激光粉末床熔融 (PBF-LB) 增材制造設備頂部
© 卡耐基梅隆大學

     熱過程控制是金屬增材制造的關鍵，整個零件和周圍材料的復雜熱傳遞會影響零件的微觀結構。監(jiān)測零件的溫度特性可提供有關這些狀態(tài)和潛在缺陷（例如分層、飛濺和孔隙率）的一些信息。

 更好的了解熔池

     卡內(nèi)基梅隆大學和國家標準與技術研究所的新研究已在《增材制造》上發(fā)表，介紹了使用單個商用彩色相機測量熔池溫度的實驗方法。熔池的精確溫度測量可用于預測和識別缺陷特征，例如鎖孔，鎖孔可能導致裂紋和孔隙，從而導致零件缺陷。

       根據(jù)卡內(nèi)基梅隆大學機械工程教授 Jack Beuth ，這些熔池溫度場測量技術和測量本身是完全獨特的，卡內(nèi)基梅隆大學的方法可以應用于任何彩色相機，以監(jiān)控和更好地了解熔池，從而為各種增材制造工藝生產(chǎn)高質(zhì)量零件。

根據(jù)3D科學谷，由于分層或裂縫導致的熱流變化可以在熱監(jiān)測圖像中得到分析，并且已經(jīng)通過ML人工智能算法成功識別，熱梯度、極端溫度和幾何信息等信息也可以從熱圖像中提取，然后饋送到基于矢量數(shù)據(jù)的ML人工智能算法，例如SVM支持向量機算法，然而，熱成像相機的像素分辨率通常低于可見光相機，限制了對小特征的檢測能力。

金屬增材制造缺陷
© 3D科學谷白皮書

根據(jù)3D科學谷的了解，卡內(nèi)基梅隆大學使用了傳感器上內(nèi)置拜耳濾光片的商用彩色相機來感測可見顏色。每個像素僅感測一種顏色的光，使團隊能夠獲得每個像素的獨特測量結果。卡內(nèi)基梅隆大學研究團隊使用一種稱為“去馬賽克”的技術重建了全彩圖像，并測量了每種顏色之間的比率以計算溫度。這種輻射測量方法避免了與表面特性和視角因素相關的復雜性，這些復雜性對傳統(tǒng)紅外成像在增材制造工藝中的應用提出了挑戰(zhàn)。

卡內(nèi)基梅隆大學利用實驗結果確定了計算流體動力學模型中的未知參數(shù)，以獲得更多關于熔池微觀尺度上發(fā)生的情況信息。

 更好的質(zhì)量控制

研究熔池的峰值溫度可以幫助研究人員了解生產(chǎn)過程中的材料蒸發(fā)情況。而朝向熔池尾部的梯度有助于研究人員了解最終零件的微觀結構。了解熔池中的物理特性對于確保零件質(zhì)量至關重要，因為如果太多材料蒸發(fā)或熔池變得不穩(wěn)定，制造過程最終可能會出現(xiàn)完全不同的材料特性和缺陷，從而導致零件無法使用。

金屬增材制造原位監(jiān)測技術
      卡內(nèi)基梅隆大學的方法為更全面、更根本地理解工藝參數(shù)如何影響熔池物理學打開了大門，是增材制造工藝開發(fā)的核心問題。展望未來，卡內(nèi)基梅隆大學的研究人員報告稱，他們計劃使用該技術來了解不同的3D打印工藝，例如電弧增材制造 (WAAM) 和定向能量沉積 (DED)3D打印技術。

(責任編輯：admin)

• 浙大楊華勇院士團隊：生物
• 營收32.29億元，3D打印粉
• 2025年又有5所高校開設3D
• 珠海這個廁所，竟是3D打印
• 從大阪到戛納：一雙中國3D
• 央視報道今奇玩具！3D打印

• ·浙大楊華勇院士團隊：生物軟材料的順序
• ·營收32.29億元，3D打印粉末材料銷量271
• ·2025年又有5所高校開設3D打印本科專業(yè)
• ·珠海這個廁所，竟是3D打印！
• ·從大阪到戛納：一雙中國3D打印鞋憑何走
• ·央視報道今奇玩具！3D打印農(nóng)場美國訂單
• ·殘疾人增材制造設備操作員(3D打印)系列
• ·2024年營收超8億元，MIM大廠統(tǒng)聯(lián)精密正