美国能源部（DOE）阿贡国家实验室的研究人员开发了一种使用X射线和机器学习检测和预测3D打印材料缺陷的新方法，可以改变增材制造过程。该方法于2023年1月5日由阿贡和弗吉尼亚大学（UVA）领导的研究小组发表在《科学》杂志上。科学家们使用各种成像和机器学习技术以近乎完美的精度实时检测和预测3D打印金属中孔隙的形成。
LPBF工艺中的孔隙通常难以避免
研究中使用的金属样品是使用LPBF（激光粉末床熔融）工艺创建的，该工艺通常会导致孔隙的形成，从而影响零件性能。许多增材制造机器都有热成像传感器来监控构建过程，但它们可能无法判断孔隙的形成，因为它们只对正在构建的零件的表面进行成像。直接检测致密金属部件内部孔隙的唯一已知方法是使用X射线，如阿贡实验室内部的高级光子源（APS）。阿贡大学助理物理学家塞缪尔克拉克表示，“我们的X射线束功能非常强大，每秒可以成像超过一百万帧”，这些图像使研究人员能够实时看到孔隙的产生。通过关联X射线和热图像，科学家们发现，在样品内形成的孔隙会在表面产生不同的热特征，热相机可以检测到这些特征。
实验装置示意图
研究人员训练了一个机器学习模型，仅使用热成像来预测3D打印金属材料中孔隙形成。他们使用来自X射线图像的数据验证了模型，这些数据准确反映了孔隙的产生。然后，他们测试了该模型检测热信号和预测未标记样品中孔隙生成的能力。
“通过集成原位同步加速器 X 射线成像、近红外成像和机器学习，我们的方法可以捕获与锁孔生成相关的独特热特征，具有亚毫秒时间分辨率和100%预测率。”
孙涛，弗吉尼亚大学材料科学与工程副教授
“我们的方法可以很容易的在商业系统中实施，仅使用热像仪，机器应该能够检测打印过程中何时何地产生孔隙，并相应调整其参数。”
Kamel Fezzaa，阿贡实验室物理学家
可靠、无孔隙金属3D打印
如果机器在制造过程的早期检测到主要缺陷，机器可以自动停止构建零件。即使构建过程没有停止，新方法也可以提供有关零件内孔隙缺陷位置的信息。Tao Sun表示，“如果一个日志文件告诉你这四个位置可能有缺陷，那么你只需要检查这四个位置，而不是查看整个零件。”根据Nikki Forrester的文章，最终目标是创建一个系统，该系统不仅可以检测缺陷，还可以在制造过程中修复缺陷。展望未来，研究人员将研究能够检测增材制造过程中发生其他类型缺陷的传感器。最后，希望开发一个全面的系统，不仅可以告之存在缺陷的位置，还可以告知缺陷到底是什么以及如何修复。
参考文献：
https://www.science.org/doi/10.1126/science.add4667
注：欢迎加入硕博千人交流QQ群（248112776）
