橡树岭国家实验室 (ORNL) 的研究人员增强了激光粉末床熔融 3D 打印中的缺陷检测过程,增强了人们对通过这种方法生产的金属部件的信心。这一进步解决了航空航天、国防和能源等行业在采用该技术时因检查打印部件是否存在深层缺陷而面临的挑战。
橡树岭国家实验室 (ORNL) 研究员扎克里·斯诺 (Zackary Snow) 正在分析从实验中收集的数据。(图片来源:Carlos Jones/ORNL、美国能源部)
ORNL 的新方法将构建后检查数据与打印过程中收集的实时传感器数据相结合。这些组合数据训练机器学习算法来查明缺陷。该方法能够一致地识别尺寸约为半毫米的缺陷,成功率达 90%。这种过程中的缺陷检测与传统的、劳动密集型方法的可靠性相匹配。
激光粉末床熔融是一种流行的金属3D打印技术,依靠高能激光逐层熔化金属粉末,构造出所需的物体。尽管预计材料中会出现缺陷,但 ORNL 的方法提供了一种更加量化的 3D 打印缺陷检测方法,解决了行业中的一个主要障碍。
该研究与航空航天和国防公司 RTX 合作,利用 CT 扫描和近红外相机来监控打印过程,为机器学习算法提供关键数据。随着时间的推移,通过持续的训练,算法的准确性会提高,从而减少人工参与检查。
这项由 ORNL 主导的突破具有大规模生产应用的潜力,可实现更多样化的 3D 打印零件并确保质量控制。随着行业趋向于更大的打印尺寸和更快的速度,这种方法可以解决更大、复杂零件的检测挑战。
您可以在《增材制造》杂志上的这篇链接中阅读题为“使用过程监控、传感器融合和机器学习对增材制造组件进行可扩展原位无损评估”的研究论文,了解有关该项目的更多信息。
© 版权声明
文章版权归作者所有,未经允许请勿转载。