使用彩色相機進行金屬增材制造的高分辨率熔池熱成像，增材制造工藝開發的核心問題
人工智能在每個特定領域發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、過程中產生的內應力、設計和尺寸精度、微觀結構變化等。
AM增材制造的熱監測可以使用熱像儀和高溫計實現，熱像儀在實現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。監測零件的溫度特性可提供有關這些狀態和潛在缺陷（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。
根據卡內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，卡內基梅隆大學的方法可以應用于任何彩色相機，以監控和更好地了解熔池，從而為各種增材制造工藝生產高質量零件。
根據3D科學谷，由于分層或裂縫導致的熱流變化可以在熱監測圖像中得到分析，并且已經通過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據的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3D科學谷的了解，卡內基梅隆大學使用了傳感器上內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，這些復雜性對傳統紅外成像在增材制造工藝中的應用提出了挑戰。
卡內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，以獲得更多關于熔池微觀尺度上發生的情況信息。
更好的質量控制
研究熔池的峰值溫度可以幫助研究人員了解生產過程中的材料蒸發情況。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量至關重要，因為如果太多材料蒸發或熔池變得不穩定，制造過程最終可能會出現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測技術
卡內基梅隆大學的方法為更全面、更根本地理解工藝參數如何影響熔池物理學打開了大門，是增材制造工藝開發的核心問題。展望未來，卡內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)
定向能量沉積（DED）金屬3
Sintavia獲1000萬美元新投
金屬3D打印廠商漢邦激光啟
國家舉辦民營企業座談會，
2025增材制造用戶組(AMUG)
規劃建設面積13.8萬平方米
忍痛5年，福州依
創想三維2023全球
上海交大谷國迎教
3D打印假體植入內
FRI：降脂油包水
少年骨折后感染致
