来自弗吉尼亚大学、卡内基梅隆大学和威斯康星大学麦迪逊分校的科学家在增材制造方面取得了重要进展。该研究团队提出了一种用于检测锁眼孔的算法——可能会在激光粉末床融合 (LPBF)中造成破坏的缺陷——以及一种可能彻底改变航空航天等行业的技术。这一发现以“机器学习辅助实时检测激光粉末床熔合中的锁孔孔生成”为题发表在《科学》杂志上，必将引起增材制造行业的关注。
LPBF 3D 打印中的锁孔
金属 3D 打印是许多研究工作的一部分，并且随着全球范围内的研究和开发不断改进。因此，几乎每个工业部门都对增材制造越来越感兴趣（符号图像）。
科学家们的工作试图解决激光粉末床 3D 打印 (LPBF) 中的一个主要挑战：锁孔。相关的孔隙缺陷会损害金属部件的结构完整性，例如 B. 需要飞机机翼。然而，研究人员开发了一种使用神经网络和深度学习技术的创新方法与传统方法相比，它可能能够更有效地检测这些有问题的孔结构。虽然与锻造或铸造相比相对较新，但 LPBF 因其较短的生产时间而在许多行业中得到认可 - 工业公司可以期待 LPBF 3D 打印工艺的技术改进带来更高的安全性和可靠性，因为 LPBF 的自动检测功能在在 3D 打印过程中实现。
开发实时检测系统
弗吉尼亚大学材料科学与工程副教授孙涛和他的团队开发了一种实时检测系统，可以准确捕捉钥匙孔孔形成产生的热特征。这项复杂的技术利用原位同步加速器 X 射线成像、近红外成像和机器学习，以亚毫秒分辨率实现 100% 的预测准确性。此外，在研究过程中还发现了两种类型的匙孔振荡。
卡内基梅隆大学材料科学与工程教授 Anthony Rollett 说：
“我们的成果不仅推进了增材制造领域的研究，而且具有扩大 LPBF 在金属零件制造中的商业用途的实际潜力。”
Sun 强调，金属部件中出现的孔隙率是阻碍 LPBF 技术在各个领域更广泛部署的主要障碍。传感器的深入检查和检测仍然是一个问题，因为钥匙孔中的孔隙率经常在表面下随机出现并且没有警告。
