3D打印和增材制造中的狀態(tài)監(jiān)控技術(shù)和算法應(yīng)用：最新進(jìn)展綜述

來(lái)源：長(zhǎng)三角G60激光聯(lián)盟

巴基斯坦拉合爾工程技術(shù)大學(xué)（UET）的科研人員綜述報(bào)道了3D打印和增材制造中的基于狀態(tài)監(jiān)控技術(shù)與算法最新研究,。相關(guān)論文以“Condition-based monitoring techniques and algorithms in 3d printing and additive manufacturing: a state-of-the-art review”為題發(fā)表在《Progress in Additive Manufacturing》上,。

增材制造（AM）為航空航天,、生物技術(shù)等各個(gè)領(lǐng)域的制造工藝帶來(lái)了革命性的變化,。與減材制造技術(shù)相比,，增材制造具有眾多優(yōu)勢(shì)，因此目前在大規(guī)模生產(chǎn)零件的行業(yè)中越來(lái)越受歡迎,。 AM為設(shè)計(jì)人員和制造商提供了生產(chǎn)高精度復(fù)雜零件的自由,。盡管具有諸多優(yōu)勢(shì)，但AM生產(chǎn)技術(shù)也存在一些問(wèn)題,，尤其是從原型設(shè)計(jì)轉(zhuǎn)向大規(guī)模生產(chǎn)時(shí)。要檢測(cè)打印部件的故障,，打印后分析技術(shù)并不那么有效,，在逐層制造部件的過(guò)程中，機(jī)械性能會(huì)發(fā)生變化,，因?yàn)樗鼈兣c方向有關(guān),。此外，大多數(shù)零件都有中空部分,，不易進(jìn)行檢測(cè),。為了解決這個(gè)問(wèn)題，科研人員開(kāi)發(fā)了基于狀態(tài)的實(shí)時(shí)監(jiān)控技術(shù)（CBM），通過(guò)監(jiān)控機(jī)器參數(shù)來(lái)監(jiān)控正在打印的部件狀況,。然后將這些參數(shù)輸入機(jī)器學(xué)習(xí)算法,，由算法識(shí)別問(wèn)題并進(jìn)行實(shí)時(shí)修正，從而生產(chǎn)出無(wú)缺陷的部件,。

本研究論文綜述了最常用的增材制造技術(shù)以及最適合每種增材制造技術(shù)的基于狀態(tài)的監(jiān)控技術(shù)和算法,。通過(guò)全面的文獻(xiàn)綜述，詳細(xì)討論了各種基于固體,、液體和粉末的增材制造技術(shù),。詳細(xì)討論了各種實(shí)時(shí)和打印后CBM技術(shù)，如聲學(xué)監(jiān)測(cè),、振動(dòng)監(jiān)測(cè),、超聲監(jiān)測(cè)等，以及哪種技術(shù)更適合每種增材制造工藝,。詳細(xì)討論了數(shù)據(jù)采集和數(shù)據(jù)處理方法,，然后詳細(xì)研究了算法和預(yù)測(cè)模型，以及哪些適合應(yīng)用于基于狀態(tài)的實(shí)時(shí)AM工藝監(jiān)測(cè),。本綜述研究意義重大,，因?yàn)槟壳昂苌儆袛?shù)據(jù)對(duì)所有這些AM工藝及其相關(guān)的CBM技術(shù)進(jìn)行如此詳細(xì)的討論，而且也沒(méi)有適合每種AM工藝的算法和預(yù)測(cè)模型類型,。這篇綜述論文對(duì)于處于原型設(shè)計(jì)和批量生產(chǎn)階段的工業(yè)家和設(shè)計(jì)師來(lái)說(shuō)也非常有用,，希望幫助他們了解哪種CBM技術(shù)可用于實(shí)時(shí)監(jiān)控AM工藝，哪種數(shù)據(jù)采集和數(shù)據(jù)處理技術(shù)可用于實(shí)時(shí)監(jiān)控,，哪種算法可在工藝的實(shí)時(shí)監(jiān)控中獲得最佳結(jié)果,。

圖1 ISO/ASTM 52900 七種AM工藝類別示意圖。

圖2 AM中從CAD到零件的一般流程,。

圖3 不同背景下的AM工藝分類,。

圖4 LOM工藝示意圖。

圖5擴(kuò)展的LOM機(jī)器配置,。

圖6熔融沉積建模工藝示意圖,。

圖7 WAAM工藝示意圖。

圖8與電弧增材制造工藝相關(guān)的性能指標(biāo),。

圖9 選擇性激光熔化（SLM）工藝中熔池形成和凝固的傳熱路徑,。

圖10 SLS和SLM原理圖。

圖11電子束熔化工藝示意圖,。

圖12具有實(shí)時(shí)監(jiān)控功能的激光金屬沉積,。

圖13 AM中CBM的缺陷檢測(cè)機(jī)制流程圖。

圖14深度學(xué)習(xí)的范圍,。

增材制造（AM）改變了各行各業(yè)的生產(chǎn)流程,，提供了高度的設(shè)計(jì)自由度,，并能制造出具有復(fù)雜結(jié)構(gòu)和高精度的零件。AM正逐步從原型設(shè)計(jì)階段進(jìn)入大規(guī)模生產(chǎn)階段,，而在AM的轉(zhuǎn)型階段,，所生產(chǎn)零件的質(zhì)量、穩(wěn)定性和一致性變得極為重要,。本綜述全面分析了關(guān)鍵的增材制造技術(shù),、其相關(guān)挑戰(zhàn)，以及最適合應(yīng)對(duì)增材制造技術(shù)所帶來(lái)挑戰(zhàn)的基于狀態(tài)的監(jiān)控（CBM）技術(shù)和算法,。

綜述研究表明,，傳統(tǒng)的印后分析技術(shù)在實(shí)時(shí)故障檢測(cè)和糾正方面存在不足，而基于狀態(tài)的監(jiān)控方法則提供了一種有前景的替代方案,。CBM方法可以檢測(cè)缺陷,、預(yù)測(cè)問(wèn)題，并通過(guò)持續(xù)監(jiān)控工藝參數(shù)和傳感器數(shù)據(jù)實(shí)時(shí)優(yōu)化機(jī)器參數(shù),，從而提高生產(chǎn)率,、減少停機(jī)時(shí)間并改善最終產(chǎn)品質(zhì)量。粉末床熔融,、熔融沉積建模,、定向能沉積、粘合劑噴射,、材料擠壓和大桶光聚合都是獨(dú)特的AM方法,，但也存在各自的問(wèn)題。為了克服AM提出的問(wèn)題,，各種數(shù)據(jù)采集和數(shù)據(jù)處理技術(shù)對(duì)于建立有效的CBM系統(tǒng)至關(guān)重要,。本綜述強(qiáng)調(diào)，必須使用正確的傳感器和數(shù)據(jù)處理技術(shù)來(lái)實(shí)現(xiàn)可靠的監(jiān)控和分析,。此外,，使用機(jī)器學(xué)習(xí)算法可提高實(shí)時(shí)識(shí)別和糾正問(wèn)題的能力，從而使最終產(chǎn)品無(wú)缺陷,，并延長(zhǎng)設(shè)備的使用壽命,。

表1

表2

表3

表1概述了CBM技術(shù)的局限性，重點(diǎn)是在每種AM工藝中無(wú)法檢測(cè)到的缺陷,。表2是本文的總體摘要,，詳細(xì)介紹了每種AM技術(shù)、與之相關(guān)的常見(jiàn)缺陷以及適合檢測(cè)這些缺陷的CBM技術(shù),。表3列出了常見(jiàn)缺陷,，并指明了每種缺陷出現(xiàn)頻率最高的AM技術(shù),。

表4

表4列出了在每種AM工藝中檢測(cè)缺陷的算法的有效性,。這些算法包括神經(jīng)網(wǎng)絡(luò)（ANN,、CNN）、熱成像,、聲發(fā)射,、光學(xué)監(jiān)測(cè)、X 射線斷層掃描,、統(tǒng)計(jì)過(guò)程控制,、決策樹(shù)、深度學(xué)習(xí)（RNN,、LSTM）,、熱成像分析和強(qiáng)化學(xué)習(xí)。每種AM技術(shù)的效率評(píng)估范圍從0到10,，表明哪種算法最適合查找FDM,、SLM、WAAM,、EBM,、LMD、SLA,、DLP,、SLS 和PolyJet打印流程中的缺陷。值得注意的是,，強(qiáng)化學(xué)習(xí)大有可為,，神經(jīng)網(wǎng)絡(luò)和熱成像在大多數(shù)AM工藝中都非常成功。
這項(xiàng)研究通過(guò)解決AM中質(zhì)量保證和缺陷檢測(cè)方面的挑戰(zhàn),，推進(jìn)了可持續(xù)和創(chuàng)新的制造實(shí)踐,。本文的結(jié)論為3D打印和AM的未來(lái)研究與開(kāi)發(fā)奠定了基礎(chǔ)，推動(dòng)該行業(yè)朝著更高效,、更可靠的方向發(fā)展,。


論文鏈接：

Siddiqui, M.M.U.Z., Tabassum, A. Condition-based monitoring techniques and algorithms in 3d printing and additive manufacturing: a state-of-the-art review. Prog Addit Manuf (2024). https://doi.org/10.1007/s40964-024-00816-5