借助机器学习可预测3D打印缺陷

作为近年来最为火爆的尖端科技，AI人工智能能够为我们生活的各个方面带来巨大变化。尤其是工业制造领域，AI将会成为最为精准的质量监督员，以提高工业产品的制造精度。近日来自美国Argonne国家实验室和德克萨斯A&M大学的援救团队开发了一种新的3D打印零件缺陷检测方法，利用实时温度数据以及机器学习算法，科学家们能够在激光粉末床绒绒过程中的热历史与表面缺陷形成之间建立联系。

图片:8601a18b87d6277f12556ff7d3733837e824fc09.jpeg

试验性LB-PBF设置

在研究过程中，科学家们利用了美国能源部APS的高功率X射线，设计并制造了带有现场红外摄像头的实验性PBF钻机。在3D打印过程中，使用照相机捕获温度数据，并同时使用X射线束从侧面查看打印过程，以观察是否形成了孔隙。

有趣的是，当将热历史与各自的孔隙率曲线进行比较时，科学家们发现较低的峰值温度在逐渐降低后与孔隙率很少相关；另一方面，高峰值温度在下降和随后的升高过程中，很可能导致更多的孔隙率。该团队使用它们的数据以建立及其学习算法，创造可以让人工智能学习的机器学习模型。

图片:b64543a98226cffc64a0ebdf474a6d97f703eaac.jpeg

3D打印过程中的X射线成像

虽然能够从红外成像中识别可能形成气孔的能力是一种非常强大的突破，但是处理大量生产设备时人类的参与却导致了效率降低。研究团队希望在未来几个月内，可以使用更多的数据集和更加复杂的机器学习模型，来开发和改进这项工作。