​中國：將神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)應(yīng)用于增材制造流程

來源：增材之光

在“將基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)應(yīng)用于增材制造：當(dāng)前的應(yīng)用,，挑戰(zhàn)和未來前景”,，作者們研究機(jī)器學(xué)習(xí)（ML）和神經(jīng)網(wǎng)絡(luò)算法（NN）可以應(yīng)用于增材制造,。

盡管增材制造工藝的諸多優(yōu)勢仍然存在,，并使其應(yīng)用于當(dāng)今無數(shù)的行業(yè),，但仍存在許多缺陷和情況,，這些缺陷繼續(xù)挑戰(zhàn)世界各地的用戶,，從孔隙度到各向異性微結(jié)構(gòu)，再到變形等等,。

應(yīng)用神經(jīng)網(wǎng)絡(luò)模型預(yù)測增材制造結(jié)構(gòu)的變形,。（a）在控制載荷條件下制造和試驗(yàn)的試樣；（b）有限元,，其模擬結(jié)果由試樣驗(yàn)證,；（c）神經(jīng)網(wǎng)絡(luò)，由有限元生成的數(shù)據(jù)訓(xùn)練,，然后用于以比有限元更快的方式預(yù)測變形歷史,。FC：完全連接的層。根據(jù)參考文獻(xiàn)[31]轉(zhuǎn)載,，經(jīng)愛思唯爾公司許可,，©2018。

原型可能并不總是需要完美的簡單模型,，但是,，用于真正功能性，工業(yè)用途的部件必須堅固并且在不損害其整體完整性的情況下生產(chǎn)出來,。作者指出了解以下內(nèi)容的重要性：
•粉末的冶金參數(shù)
•3D打印流程
•微觀結(jié)構(gòu)
•增材制造部件的機(jī)械性能

在機(jī)器學(xué)習(xí)中,，神經(jīng)網(wǎng)絡(luò)算法只是越來越受歡迎使用，目前正在“快速發(fā)展”，最常用于計算機(jī)視覺,、語音識別,、語言處理和自動駕駛車輛。它是一種有監(jiān)督的ML類型,，使用標(biāo)記的數(shù)據(jù)進(jìn)行操作,，并且在增材制造中顯示出很好的適用于工業(yè)中的“敏捷制造”。

研究人員表示：“神經(jīng)網(wǎng)絡(luò)對從產(chǎn)品設(shè)計,、制造,、資格認(rèn)證到交付的所有產(chǎn)業(yè)價值鏈創(chuàng)新都產(chǎn)生了深刻而廣泛的影響，人們相信神經(jīng)網(wǎng)絡(luò)的影響將越來越強(qiáng)烈,�,！�
最常見的神經(jīng)網(wǎng)絡(luò)類型是：
•多層感知器（MLP）
•卷積神經(jīng)網(wǎng)絡(luò)（CNN）
•遞歸神經(jīng)網(wǎng)絡(luò)（RNN）

增材制造質(zhì)量監(jiān)測分析系統(tǒng)方案。工作流程如下：在增材制造過程中發(fā)出聲信號,，然后由傳感器捕獲,；最后將SCNN模型應(yīng)用于記錄的數(shù)據(jù)，以便區(qū)分打印層的質(zhì)量是否合適,。轉(zhuǎn)載自參考文獻(xiàn)[35],，經(jīng)愛思唯爾公司許可，©2018,。

在增材制造設(shè)計中,，工程師創(chuàng)建了CAD模型，然后將其應(yīng)用于增材制造仿真的分析軟件中,。然而,，在將模型與實(shí)際3D打印進(jìn)行比較時發(fā)現(xiàn)了許多偏差，通常是由于生產(chǎn)過程中的應(yīng)力和產(chǎn)生的變形,。研究人員表示他們通常會進(jìn)行補(bǔ)償以獲得更好的準(zhǔn)確度,。

已經(jīng)為硬件和軟件創(chuàng)建了傳感器，并且各種不同的傳感器也可以用于原位測量,�,！斑@項工作的范圍涵蓋了各種應(yīng)用場景中的神經(jīng)網(wǎng)絡(luò)的多種變體，包括：用于鏈接增材制造過程,，屬性和性能的傳統(tǒng)MLP,；用于增材制造熔池識別的卷積神經(jīng)網(wǎng)絡(luò)；LSTM用于再現(xiàn)有限元模擬結(jié)果,；和用于數(shù)據(jù)增強(qiáng)的變分自動編碼器,。然而，正如他們所說,，“事情都具有兩面性,�,！�

“很難控制增材制造部件的質(zhì)量，而神經(jīng)網(wǎng)絡(luò)則強(qiáng)烈依賴于數(shù)據(jù)收集,。因此,，這個跨學(xué)科領(lǐng)域仍然存在一些挑戰(zhàn)。我們?yōu)檫@些挑戰(zhàn)提出了潛在的相應(yīng)解決方案,，并概述了我們對該領(lǐng)域未來趨勢的看法,。”研究人員總結(jié)道,。機(jī)器學(xué)習(xí)通常與3D打印相關(guān)聯(lián),，從不同的監(jiān)控方法和更智能的金屬增材制造到施工。

SLM過程監(jiān)控配置方案,。一個高速攝像機(jī)被用來捕捉建造過程的連續(xù)圖像,；一個CNN模型被用來識別質(zhì)量異常。投資回報率：感興趣的區(qū)域,。根據(jù)參考文獻(xiàn)[37]轉(zhuǎn)載,，經(jīng)愛思唯爾公司，©2018,。