2023年首篇Science：实时检测3D打印缺陷，预测率几近100%

时间：2023-01-12 10:13 来源：江苏激光产业技术创新战略联盟作者：admin 阅读：次

激光熔化技术是通过高能激光熔化粉末来制造金属部件，但该工艺经常会在部件中形成气孔而造成部件的性能受到影响。Ren等人利用X射线来追踪这些气孔的形成，同时利用热影像系统来进行观察。这一装置使得研究人员可以发展高精度的手段，借助机器学习和热影像等手段来探测气孔的形成。借助这一追踪气孔的手段，将会有助于在制造时避免高气孔率的形成。因为高的气孔率会造成部件的失效。

图１　LPBF过程中实时探测匙孔气孔

成果摘要

气孔在当前是阻碍激光为基础的3D打印技术快速发展的一个主要的障碍。常见的气孔是在不稳定的气孔凹陷区（匙孔）由于过量的激光能量输入所造成的。借助同步辐射高速X射线影像和热成像技术，同时耦合多物理场模拟，研究人员发现在激光SLM　Ti-6Al-4V　合金时存在两种类型的匙孔振荡。通过及其学习对这一理解进行放大，研究人员发展了一种策略来探测随机出现的匙孔气孔的生成，借助的是亚毫秒时间分辨率的技术手段和几近完美的预测速率。这一高准确率的手段促进在操作X射线影像时可以允许我们来用简单实用的办法来应用于商业系统中。

图２　Ti-6Al-4V合金中的固有的和微扰动的匙孔振荡

经过几十年的持续研究和发展，激光粉末床熔化（LPBF或SLM）作为一种先进的且方便的快速原型制造技术，大大的缩短了从设计到制造的过程。尽管在工业中的好多场合都已经在采用LPBF这一技术，但仍然在很多地方，尤其是对质量控制比较重要的场合，毕竟LPBF是整个生产线中重要的一环。作为最基本的LPBF打印技术，LPBF技术可以实现复杂形状和精细特征的制造。然而，在LPBF技术作为制造技术得到应用之前，仍然存在较多的技术障碍需要区克服。在一个典型的LPBF工艺过程中，高功率的激光用来局部熔化粉末，熔化－凝固后固化形成３D部件。在打印过程中极端的热状态触发瞬态现象和复杂的结构动力学。他们之间的相互作用经常会导致结构缺陷的产生，如气孔便是其中之一。一种常见的气孔是蒸汽凹陷区的瞬时溃散形成的。这一气孔又叫匙孔气孔。

图３　数据的错误标记对预测结果的影像

在激光能量的输入存在额外多的情况下（如高功率和慢的扫描速率），金属蒸汽就会施加一个反冲压力，从而推向熔池金属表面的底部，形成一条窄且深的匙孔，这一匙孔会放大激光的反射和吸收。尽管这会增加整个金属对激光的吸收，以及有利于制造过程提高能量利用效率和提高制造速率，匙孔中的这一非均匀的激光吸收会产生局部的热效应和导致气压、毛细压力、马格拉力和气体动力学之间的不平衡。在不稳定匙孔的状态下，气泡掐断了匙孔的尖端，并且有时候会在先凝固的前沿形成气孔缺陷。对这一特定材料的LPBF，在功率－扫描速度（Ｐ－Ｖ）工艺图中的不稳定气孔的区域可以用小的不确定性来定义。设定初始的激光参数在不稳定匙孔区域之外，可以帮助减轻匙孔气孔的形成。然而，在LPBF中各个参数的放大效应仍然会造成激光熔化模式的偏移，并且造成易生成匙孔气孔状态的发生，如激光光斑尺寸的偏移、功率、扫描速度的变化以及扫描策略变化造成的局部过热等。

气孔就有可能在部件中存在，甚至在一开始设定好了打印某一特定材料无缺陷时也会产生缺陷。

在LPBF实时探测匙孔的生成时，不仅对部件制造完成后的质量评定和审查是至关重要的，同时也是在制造过程中局部变化预测时必须要发展的闭环系统。

光学和声学探测器是较常见的用于过程监控、数据分析处理的，已经用于气孔相关的工艺信号处理。上述努力尽管已经取得了一定的成功，尤其是用机器学习这一手段方面，这一手段通常条件下区分不同的气孔倾向的状态，探测局部区域的匙孔的生成，但仍然存在面临着较大的挑战。这一问题的存在是因为匙孔气孔的生成所具有的随机的特性所决定的，其生成区别于工艺参数的漂移。在一个不稳定的匙孔状态下的激光扫描，其确切的气孔生成的位置是随机的，并且气泡会变成气孔缺陷，并且会被匙孔所重新捕获和消失，却不易探测。

在这里，来自美国弗吉尼亚大学Tao Sun教授等人探测了LPBF制造Ti-6Al-4V合金时不稳定匙孔时，利用同步高速同步辐射X射线和热成像技术，发现了两类匙孔气孔，并且发展了一种策略来探测匙孔的生成，这一办法是将实验数据、多物理场模拟和机器学习结合在一起来实现的。研究人员利用匙孔区域探测到的热信号来预测气孔的生成。LPBF工艺过程中的X射线图像提供丰富的数据校正和证实理论模型的正确性，并且训练机器学习。研究人员获得了几近完美的探测精度，探测级别的时间在亚毫秒。

相关成果以“Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion”为题发表在最新一期《Science》上。

△Ti6Al4V随机孔隙的生成过程

文章来源：Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion，SCIENCE，5 Jan 2023，Vol 379, Issue 6627，pp. 89-94，DOI: 10.1126/science.add4667

(责任编辑：admin)

上一篇：Science顶刊：机器学习辅助实时检测激光粉末床熔融中的匙孔生成
下一篇：诺丁汉大学研究人员获得600万英镑，将用于3D打印医疗保健工具包开发

\|3D打印新闻\|	\|3D打印报价\|	\|3D打印程序\|	\|3D打印材料\|	\| 3D打印机 \|	\|3D打印创业\|	\|3D建模教程\|
\|3D打印资讯\|	\|3D扫描仪\|	\|3D打印方案\|	\|3D打印测评\|	\|3D打印服务\|	\|3D打印模型\|	\|3D打印百科\|