2026年5月30日，美国橡树岭国家实验室(ORNL)的科学家们开发出一种自动化控制系统，能够在大规模塑料 3D 打印过程中实时监控并纠正错误，无需人工干预。这项技术有望显著提升美国制造商在生产大型定制零件方面的竞争力，同时减少浪费并降低生产成本。工业级3D打印的工作原理是：通过机器人喷嘴将加热后的塑料复合材料逐层挤出，最终形成大型物体，例如建筑面板、飞机部件或汽车零件。难点在于如何精确控制每一层的温度，既要足够高以便与下层粘合，又要足够低以保持形状。传统上，工人必须时刻监控这一温度平衡过程。
△测试对象采用新型3D打印系统进行打印，系统可在制造大型塑料复合材料部件的过程中自动监控并纠正错误。图片来自美国能源部橡树岭国家实验室 (ORNL) 的卡洛斯·琼斯。
系统工作原理
橡树岭国家实验室（ORNL）的研究团队通过构建一个包含多个传感器的控制器来解决这个问题，控制器可以跟踪喷嘴位置、打印速度和材料温度。他们还在喷嘴周围安装了一圈价格适中的热像仪，用于持续测量沉积塑料的冷却速度。控制器利用计算机视觉（一种人工智能技术，使机器能够解读视觉数据）分析实时热成像数据，精确定位材料的位置和温度。当检测到温度偏差时，它会自动调整打印速度，确保每一层在打印下一层之前都达到理想温度。项目首席研究员克里斯·维莱兹说道：“我们的控制器能够感知正在发生的事情并实时做出反应，这非常新颖。它几乎像人一样控制着整个过程：通过观察和微调设置，直到达到预期结果。”他与田纳西大学研究生克里斯·奥布莱恩合作完成了这项研究。
实践验证
为了验证系统，团队打印了一个比卡车轮胎还大的六边形。测试开始时故意放慢速度，这导致塑料温度比正常层间粘合温度低了约30%。控制器检测到了这个问题，并自动提高了打印速度，实时将温度恢复到最佳范围。据奥布莱恩介绍，监测系统能够检测到仅几度的温度变化，这种灵敏度至关重要，因为即使是微小的温度波动也足以毁掉成品零件。更重要的是，控制器无需针对每种新设计或新材料进行重新训练，因此能够广泛兼容不同的打印机、塑料和零件几何形状。研究团队还构建了一个基于机器学习的数字孪生模型，使得在进行实际生产之前，可以安全地对新形状和材料进行实验。
△在测试橡树岭国家实验室（ORNL）用于自动化纠正3D打印错误的新型平台时，一圈微型热成像摄像机正对准正在沉积塑料复合材料的机器人喷嘴。照片由美国能源部橡树岭国家实验室的卡洛斯·琼斯提供。
智能制造的下一步是什么？
项目拓展了橡树岭国家实验室（ORNL）与普渡大学、缅因大学和田纳西大学诺克斯维尔分校合作开展的研究方向。此前的研究已证明，热成像结合统计建模能够可靠地检测出小至15%的打印速度偏差。新系统在此基础上更进一步，不仅能够标记问题，还能实时修复问题。维莱兹设想，未来这项技术将像使用烤箱一样轻松便捷。“最终，我们希望它能像烤面包一样：你设定好烤箱温度，放入面团，等定时器响了再回来查看是否烤好。你无需在整个烘焙过程中实时监控烤箱温度。”
将熟练工人从持续的监管中解放出来，有望为大幅面3D打印技术开辟新的应用领域，从冷藏集装箱和船体模具到建筑结构墙体，无所不包。项目获得了美国能源部先进材料与制造技术办公室的资助，橡树岭国家实验室的研究人员凯蒂·科彭哈弗和亚历克斯·罗施利也做出了额外贡献。
当人工智能成为质量检验员
多年来，大规模塑料3D打印最棘手的局限之一在于，它依赖于人工监督来发现错误，以免毁坏整个零件。橡树岭国家实验室（ORNL）的新型自动化控制器直接解决了这一难题，它不仅能标记问题，还能在问题出现的第一时间进行修复。整个行业都在朝着这个方向发展。在 RAPID + TCT 2025 展会上，AM Explorer作为一款人工智能驱动的工具亮相，它可以监控实时 3D 打印数据，检测缺陷并触发纠正措施，用户可以逐层查看异常情况，这对于高成本的金属粉末打印尤其有价值。
同样，丹麦技术大学的衍生公司 Euler筹集了 200 万欧元，用于扩展人工智能故障检测软件。软件可直接与商用打印机集成，并分析实时摄像头数据，而无需额外的监控硬件。ORNL 的工作与众不同之处在于它应用于大幅面塑料打印，在这个领域，零件尺寸、材料变化和热复杂性使得自主校正特别困难，但也特别有价值。
来源：南极熊
0 留言