利用机器学习实现3D打印缺陷的实时监测

来自 实验室仪器网

增材制造（也称为3D打印）过程中形成的结构缺陷是该技术某些应用的障碍。研究人员使用诊断工具和机器学习开发了一种检测和预测3D打印材料缺陷的新方法。这种方法可以改变3D打印过程。该方法使用各种成像和机器学习技术以近乎完美的精度实时检测孔隙的产生。接下来，研究人员将开发传感技术，以检测增材制造过程中出现的其他类型的缺陷。目标是创建一个系统，不仅可以检测缺陷，还可以在3D打印过程中进行维修。

许多行业都依靠金属增材制造来快速构建复杂的零部件。这个过程涉及使用3D打印机逐层构建部件。工业界现在使用3D打印来制造从火箭发动机喷嘴到高性能汽车活塞再到定制骨科植入物的所有产品。用于检测和潜在修复缺陷的新型高级诊断工具将扩大增材制造在航空航天和其他依赖高性能金属部件的行业的使用。

一种称为激光粉末床熔融的常见3D打印技术的主要缺陷之一是形成锁孔孔。这些气孔或结构缺陷会影响打印部件的性能。许多3D打印机都配备了热成像传感器，可以监控正在构建的内容，但仍然会错过气孔的形成。直接检测致密金属内部孔隙的唯一方法是通过X射线成像，使用高强度光束，例如能源部科学办公室用户设施Advanced Photon Source中的光束。

研究人员将样品内部的X射线图像与熔池的热图像相关联，发现锁孔的形成会在材料表面产生一个独特的信号，该信号可以被热像仪检测到。首先，研究人员使用X射线图像训练了一个机器学习模型，以仅使用热图像来预测孔隙的形成。然后，他们测试了该模型破译复杂热信号和预测未标记样品中孔隙生成的能力。研究人员发现，这种方法可以在不到一毫秒的时间尺度上检测打印过程中形成孔隙的确切时刻。

» 仪器设备 购买 咨询