使用機器學習優(yōu)化金屬3D打印流程

魔猴君  科技前沿   5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據、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)化工藝對于保證產品質量、提高生產效率至關重要。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特定行業(yè)要求快速確定不同應用的最佳工藝參數?！绷硪粋€挑戰(zhàn)是找到打印各種材料和部件的正確參數。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。“我們的系統(tǒng)可以在一小時內快速確定最佳工藝參數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據。“通過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)，可以實時調整參數以確保生產質量，同時兼容不同的材料和形狀，”他補充道。

編譯整理：3dnatives