橡树岭国家实验室 (ORNL) 发布了全面的增材制造数据集供公众使用。这些数据集旨在通过过程中的测量来增强 3D 打印部件的评估和质量控制,减少对后期生产测试的依赖。
![橡树岭国家实验室 (ORNL) 发布了全面的增材制造数据集供公众使用](https://o1m.cn/wp-content/uploads/2024/07/1721983992-A024.png)
人工智能分析 3D 打印部件的异常情况,然后进行拉伸试验。(图片来源:ORNL)
这些数据是在 ORNL 制造示范设施中收集的,历时十多年,涵盖了各种 3D 打印工艺、材料和控制。最新的 230 GB 数据集包括使用激光粉末床熔合系统制造的零件的设计、打印和测试细节。该数据集包含机器健康传感器数据、激光扫描路径、30,000 张粉末床图像和 6,300 次拉伸强度测试。
传统上,增材制造的质量控制涉及昂贵的技术,如破坏性测试或 X 射线计算机断层扫描,这些技术对于大型部件来说通常不切实际。ORNL 的数据集提供了一种替代方案,使机器学习模型能够根据工艺过程中的测量结果预测部件性能。这种方法可以将预测拉伸强度的误差减少 61%。
这些数据集现已可在网上免费访问,通过将制造意图与结果联系起来,支持行业规模的增材制造,帮助确定何时需要进行额外测试。此次发布是美国能源部先进材料和制造技术计划的一部分,旨在通过智能制造方法推进可靠且经济的核能。
来源:ornl.gov
© 版权声明
文章版权归作者所有,未经允许请勿转载。