使用機器學習優(yōu)化金屬3D打印流程

魔猴君  科技前沿   121天前

多倫多大學工程學院的團隊由鄒宇教授領導，正在探索使用機器學習(ML)來改進3D打印流程，特別是在金屬3D打印領域，該領域可應用于汽車、航空航天和核能等各個行業(yè)。機器學習是人工智能的一個學科，涉及使用算法來分析復雜數(shù)據(jù)、檢測模式和做出預測。

在最近發(fā)表在《增材制造》雜志上的一篇文章中，研究人員推出了一個創(chuàng)新框架，他們稱之為“激光定向能量沉積（AIDED）中的精確逆向過程優(yōu)化框架”。該系統(tǒng)旨在改進3D打印過程，以增強所生產(chǎn)物體的精度和可靠性。但這種方法究竟由什么組成？

圖片來源：ScienceDirect

3D金屬打印工藝優(yōu)化

在金屬3D打印中，優(yōu)化工藝對于保證產(chǎn)品質量、提高生產(chǎn)效率至關重要。然而，在眾多選項中找到正確的設置仍然是一個挑戰(zhàn)。盡管模擬技術取得了進展，但這種優(yōu)化通常依賴于緩慢的反復試驗的方法，這種方法并不總是適應材料和形狀的多樣性，并且難以同時滿足多個目標。

事實上，該項最新研究的博士生兼主要作者肖尚指出，集中能量沉積(DED)技術的廣泛應用受到通過反復試驗找到正確工藝參數(shù)所需的高成本的限制。他解釋道：“我們的方法使我們能夠根據(jù)特定行業(yè)要求快速確定不同應用的最佳工藝參數(shù)。”另一個挑戰(zhàn)是找到打印各種材料和部件的正確參數(shù)。每種材料，無論是用于航空航天和醫(yī)療領域的鈦還是用于核反應堆的不銹鋼，都具有獨特的特性，需要精確的設置、速度和溫度。確定每種材料這些參數(shù)的最佳組合仍然是一項復雜的任務。

他們的新方法AIDED使用閉環(huán)系統(tǒng)。首先，受自然選擇啟發(fā)的遺傳算法提出了參數(shù)組合。然后，機器學習模型會評估這些選擇，以檢查它們在打印質量方面的有效性。遺傳算法通過重復該過程來測試這些建議的有效性，直到找到最佳擬合參數(shù)。“我們的系統(tǒng)可以在一小時內快速確定最佳工藝參數(shù)并準確預測幾何形狀，”肖尚解釋道。為了開發(fā)這種方法，研究人員進行了大量實驗來收集數(shù)據(jù)?！巴ㄟ^結合增材制造和人工智能，我們希望創(chuàng)建一個自主激光系統(tǒng)，可以實時調整參數(shù)以確保生產(chǎn)質量，同時兼容不同的材料和形狀，”他補充道。

編譯整理：3dnatives