为了提高金属粉末床增材制造技术的工业可接受度，很多厂家目前推出了在线监测模块来检查制造过程中的异常情况，如刮刀碰撞、粉末铺设不均、飞溅以及孔隙等等。然而，这些实时监控的尝试还没有实现足够的自动化，在分析生产过程中收集的数据方面，还集中于将完成的零件与3D模型进行比较。这种方法确实很简单，但却非常耗时，而且只能识别打印对象中的“一般缺陷”。 来自美国橡树岭国家实验室的研究人员近期开发了一款基于神经网络的程序，它可以对从设计、材料选择、打印到测试的整个过程的每个步骤收集和分析数据，实时评估零件质量。 研究人员使用基于神经网络的程序监视和分析3D打印的组件 该算法的主要优点还在于，它能够以传感器的原始分辨率反馈粉末床的逐层成像数据，并且能够分析和共享多台3D打印机上的数据，实现一个系统能够从另一个系统遇到的打印错误中学习的效果。 研究人员分别在SLM、3DP和EBM三种工艺、不同品牌的九台打印机上进行了实验，证明该算法在定位精度、准确性、计算时间和通用性方面，远远优于以前的算法。 所涉及的打印机和工艺类型包括： 激光粉末床熔融技术：使用一束或多束聚焦激光束选择性地熔化金属粉末。所用设备包括EOS M290、ConceptLaser M2、Renishaw AM250、AddUp FormUp 350、ConceptLaser X-Line 2000R以及SLM Solutions的SLM 280。 电子束粉末床熔融技术：使用电磁控制的电子束选择性地熔化粉末床，相比前者需要在更高温度下工作，所用设备为Arcam Q10。 粘结剂喷射成型技术：通过将粘结剂沉积在粉末床上逐层成型 “生坯”，然后进行脱脂和烧结，所使用的设备为ExOne M-Flex。 值得注意的是，这些打印机所自带的监控设备各有不同，但算法均具有通用性。 在过去十年中，很多设备商和研究机构已经针对粉末床增材制造过程的逐层异常检测进行了大量研究。许多努力集中在开发改良传感方式上，如使用闪光灯来更好地拍摄粉末床、采用条纹投影技术来恢复深度信息以及采用高分辨率扫描仪等等。但是，开发成像系统只是挑战的一部分。对于用户来说，无论采用何种数据源，都应该可以自动检测异常，才能满足应用端对质量和过程控制的需求。 体系结构的图形表示 此前关于异常检测和分类的方法有明显的局限性，如粗大的异常定位分辨率、极少的异常类别以及缺乏对其他粉末床工艺的通用性。ORNL的深度学习算法基于神经网络动态识别，（知识补充：在计算机视觉领域，目前神经网络的应用主要有图像识别，目标定位与检测，语义分割。图像识别就是告诉你图像是什么，目标定位与检测告诉你图像中目标在哪里，语义分割则是从像素级别回答上面两个问题）能够满足几个关键要求： 1. 模型预测和异常分类必须足够快地反馈，以提供实时信息，即使使用的是高分辨率相机。 2. 语义分割必须始终在成像传感器的原始分辨率下逐像素实现（语义分割更详细的可以解释是从像素的角度分割出图片中的不同对象）。 3. 由于任何一台单独机器的训练数据都可能受到限制，因此从一台3D打印机器获取的数据知识必须能够在完全不同的粉末床机器和成像系统之间跨技术快速转移。 4. 该算法必须自然地支持来自多个成像系统或其他空间相关的感应模态的数据融合。 实际打印零件和深度学习算法检测到的异常对比 是否采用共享学习下的铺粉效果和灰尘识别对比 测试的结果令人满意，实现了以下几个目标： 1. 在台式计算机上，分层分割时间为0.5s-2.4s，结果反馈的速度足够快，可以实时分析所有已探查机器类型的现场数据。 2. 在每个成像系统的原始分辨率下，可以按像素提供异常分类，定位精度往前迈进了一大步。 3. 该算法已成功在九种不同粉末床3D打印机上进行了演示，这些机器涵盖了三种不同的技术。此外，探索的成像系统包括可见光、中红外和近红外相机，有效分辨率范围为20μm至290μm。重要的是，所开发的深度学习算法允许在不同的粉末床机器之间无缝传输学习的知识，从而减少了与每个单独机器相关的数据收集和手动数据标记负担。 此外，研究人员发现新型的深度学习算法在异常类别的鉴别方面相比以前的算法实现了更低的误报率，七个类别中的四个类别的误报率下降了25%以上。此外，逐层分类的时间减少了12倍，而改进的定位能力和融合后图像的加入可以识别更多类型的缺陷。 ORNL已使用其算法来优化3D打印反应堆的生产 不过，该算法对于不同工艺之间的转移学习的预测准确性还有待提高。该团队评估了GE Additive ConceptLaser M2和ExOne Innovent系统之间共享的数据后，算法在缺陷识别遗失率方面的表现，发现共享过数据的系统的缺陷遗失率是未共享数据系统的16％。这表明训练确实起到了作用，但这种效果还不足够好。使用Arcam Q10增材制造系统打印的零件的真实孔隙率为78.4％，但是如果对图像进行分析，孔隙率则会上升至89.5％。 该算法的性能在很大程度上取决于其输入数据，如果捕获的图像不能清楚的展现打印部分的异常，则该软件不太可能被标记出来。 但无论如何，ORNL基于神经网络动态识别的算法在增材制造过程实时监控方面确实取得了非常大的进步。随着监控系统的发展，研究人员能够将图像数据与来自其他来源的数据(如打印机的日志文件、激光系统和操作员注释)组合在一起，可以更好的识别零件缺陷，并跟踪和评估所有零件的统计信息。 注：研究原文非常详实，内容已上传QQ群。欢迎转发 主编微信：2396747576;硕博交流和资料下载群：867355738；网址： 延伸阅读： 1.使用EOS光学层析成像代替无损检测保证增材制造部件质量 2.西空智造推出国产金属3D打印在线监控系统 3.GE增材 : 金属3D打印的广泛工业化需须受益于人工智能 4.金属3D打印质量的有力保障——过程监控技术  

由于金属3D打印具有复杂的物理冶金过程，现行的技术手段很难确保加工工艺的可重复性和质量一致性，这一点极大限制了激光增材制造的广泛应用，尤其是航空航天领域的高附加值零部件的批量生产。 质量保证和过程监控一直以来都是金属3D打印技术的热门研究，有效、可靠的质量保证手段是增材制造用户最重要的需求。 目前行业领先的增材制造设备商均采用过程监控技术解决这一问题， 如EOS的EOSTATE模块，SLM solutions的QAS模块，Renishaw的InfiniAM模块，以及Concept Laser的QMmeltpool模块等，国内在该领域的发展稍显不足。 为了保障航空航天领域对高附加值产品增材制造过程的可追溯性、工艺可重复性和性能一致性的要求，西安空天机电智能制造有限公司（简称西空智造）推出了一款国产激光增材过程监控系统。该系统包含粉末床在线监控模块和熔池在线监控模块，针对激光粉末床熔融工艺的两个关键点进行监控。 粉末床监控模块可以实现铺粉状态的在线识别，打印精度的实时分析以及零件打印结果的三维重构；不仅可用于质量监测，还可兼容适应性加工以及零件嫁接。熔池监控模块一方面可以实时监测熔池是否失稳，另一方面可作为工艺策略优化的定量化指针以及熔池熔化凝固的热力学/动力学分析工具。此外，在线监控也是打印过程闭环控制以及智能化的基础。接下来，我们将逐一进行介绍，并对典型应用场景进行展示。 工作台面 系统前端（左-熔池监控模块；右-铺粉监控模块） 铺粉监控模块 简介：铺粉监控模块主要用于监测激光粉末床熔融制造过程铺粉和打印后状态监测；识别铺粉和打印过程中的异常现象，进行缺陷智能化分析，实时闭环控制，保证铺粉和成型质量，提高打印过程的可控性。 粉床加工过程 过程监测：基于图像处理和机器学习算法，实时对铺粉和打印过程的缺陷进行标记和分类，包括刮刀抖动、刮刀拖拽、不完全铺粉、零件漏出、黑斑等典型异常。 闭环控制：针对异常情况实时反馈，如再铺粉、停机、工艺参数调整等，确保打印过程中铺粉均匀性和稳定性，提高打印质量。 统计分析：全过程的历时数据可便捷查看和追溯，可进行三维模型重构，并对不同切片特征进行观察和缺陷统计，出具零件质量分析报告。 用户参与：可实现实体区域自定义、每层区域自定义、各类缺陷阈值自定义、原始数据提供，同时支持用户个性化定制。 熔池在线监控模块 简介：熔池监控模块是一种将激光粉末床熔融过程中熔池信息可视化的监测工具。实时记录生产过程中熔池产生的等离子体辐射和熔池形貌数据，是工艺开发、优化和评估的重要资源。可将零部件生产过程中的质量信息完整记录并标识出生产过程中所存在的异常情况，形成质量文件以供用户参考。 熔池在线监测系统界面 过程监测：基于信号和图像处理算法，获得高质量的熔池辐射强度、熔池形貌等信息；实时解析获取激光扫描X/Y位置；实时监测激光开关、激光功率等。实时对打印层缺陷进行标记和分类，包括温度过高，熔池失稳、飞溅过大等典型缺陷。 闭环控制：由于熔池特征较为复杂，影响因素较多，整个过程有着非常高的动态特性，开发自动修正反馈回路，硬件和工艺层面均面临巨大挑战,目前该功能仍处于研制阶段。 统计分析：精细化分析历史数据，全过程数据可追溯和用户操作日志查看，不同切面扫描特征观察及缺陷统计，及零件3D模型分析报告。 用户参与：支持缺陷最小识别率设定、不同缺陷阈值自定义、原始数据提供以及用户个性化定制。 三维可视化及缺陷重构代替CT检测 基于监测数据生成三维模型，结合图像处理算法和机器学习算法实现缺陷重构，对缺陷位置、类型和形貌进行标记和分类，代替昂贵的CT检测结果。 历史查看和3D重构 工艺策略控制和优化工具 为用户提供所有原始数据，配置数据分析模块和工具，为工艺优化提供解决方案和思路。 工艺参数-熔池状态-信号特征映射关系分析 缺陷识别与反馈 建立3D打印过程的闭环控制，实现工艺控制智能化和零缺陷零件制造。 熔池形貌提取 典型缺陷在线识别 铺粉状态以及打印过程中的在线监测不仅有利于深入理解粉末床激光熔融的物理冶金过程，同时可作为保证零件质量的重要手段。西空智造推出的增材制造过程监控系统，无疑将推动国产金属增材制造技术的发展进程，同时将为航空航天增材制造的工艺稳定性和可重复性提供质量保障。目前，该产品已在空军工程大学航空备件应急保障制造和抢修中得到应用。 2020年7月8-10日 上海TCT展位E5-A14，欢迎业内同行咨询交流。 联系电话：029-85839199 手机：15929305831（成博士）；13572545688（张经理） 邮箱：chengxing0520@hotmail.com 官网：www.xaktzz.com 欢迎转发 联系微信：2396747576;硕博交流和资料下载群：867355738；网址： 延伸阅读： 1.金属3D打印质量的有力保障——过程监控技术 2.SLM无支撑智能系统PK HP与Desktop Metal

过程监控技术是当前金属3D打印设备发展的一个热点方向，众多3D设备生产商都把过程监测和质量控制的最新技术增加到自己最新开发的设备中，目前已成为重要用户能否信赖设备品牌的重要影响因素。例如，EOS开发的EOSTATE模块，Arcam开发的LayerQam™，Sciaky开发的Sciaky’s IRISS™等。 当前部分应用质量监控的3D打印设备 ▌过程监测技术对金属3D打印的重要性 近年来，金属3D打印技术无论从工艺进步还是应用拓展，发展速度都很快，但应用越是广泛，人们对这项技术的认知就越深入，零件的安全性就越发被看重。 然而，金属3D打印至今仍未能成功解决零件内部出现微小气孔、未熔缺陷以及力学性能各向异性等问题。造成这些问题的原因很多，如3D打印复杂的热过程、金属粉末特性的不均匀、设备状态参数的不稳定（比如激光功率波动、温度变化、保护气浓度变化等）、零件形状结构复杂以及工艺设计不匹配等等。 金属打印计算机断层扫描检测内部缺陷 这样一个复杂的过程，普通的技术手段很难确保在零件内部不同区域、零件与零件之间、同一台设备不同生产批次之间以及不同设备生产的同一零件之间的性能一致，即工艺的可重复性难以保证。工艺可重复性和质量一致性是3D打印技术普及和应用的关键，尤其在航空航天领域和医疗领域尤为重要。借助现代科学技术手段，严密监控过程状态变化，创建闭环控制系统，实时调节工艺参数是最好的解决办法。 ▌过程监控技术具体能发挥哪些作用？ 第一，可以获得过程信息，用来更好的理解3D打印工艺过程； 第二，可代替无损检测提供整个制造过程的质量分析方法，并为高端用户建立信任机制。 第三，可以帮助建立3D打印过程的闭环控制，实现工艺控制智能化，制造零缺陷零件。 ▌3D打印过程需要监测哪些数据？ 目前，过程监控技术主要针对粉末床激光和电子束熔融技术，其影响3D打印质量的参数达50多个，每个参数都会影响最终零件的质量。总体可分为三类： （1）设备状态和环境状态的监测 对于以激光为热源的3D打印技术来说，首先要监测的设备状态参数是激光功率、设备温度，更复杂的监控涉及到监控束斑的位置和聚焦，当偏差超过极限时系统将关闭。另外，激光3D打印设备都采用惰性气体保护来确保金属熔化时不发生氧化，因此也会对打印环境中氧含量进行在线监测。 电子束打印机需要监测的参数有真空度、电子枪的电压、束流、设备温度等。 （2）粉床铺粉的一致性监测 其原理是采用CCD摄像机，拍摄每一层铺粉后的粉床照片，通过对比标准的照片数据，检测粉床的平整度、有无凸起的高点、有无夹杂物等，如果发现问题可以通过一些技术措施纠正修补。 不同铺粉状态下的信号反馈 （3）工艺过程监控 工艺过程的的监测是最为复杂的。主要有熔池温度的监测、熔池形状参数的监测、扫描轨迹以及粉床温度的检测等。同时，工艺监控模块还需要测量熔化过程的热量排放，始终控制材料的扫描过程和熔化特性，识别出每种可能的缺陷类型，包括孔洞、孔隙、固体夹杂物或不完全熔合等。电子束选区熔化对粉床温度的监测尤为重要，这种工艺要对每一层粉末进行预热，预热的温度是决定成败的关键因素。 3D systems DMP Inspection自动执行数据分析 ▌当前打印机中的过程监控措施有哪些？ 过程监控技术是通过各种传感器进行信息采集的，常用的传感方法包括：声学、电学、光学、热学传感等，多种方法综合的监测方式也经常被采用来提高检测精度。 （1）光学传感器 光学传感技术在3D打印过程检测中应用最多，相对于其他几种传感方式，光学传感具有不与工件接触，不影响成型过程，获取信息量大等优点。而且由它获取的图像经处理后，可以得到熔凝过程动态熔池的二维或三维信息。 光学检测的单层图像与三维可视化图像（来源见后注） 光学传感技术可用来检测熔池尺寸和熔池温度的变化等，能够直接反应熔化过程金属的动态行为，以及激光的位置和聚焦性能，粉末床表面的特性等。 （2）声学传感器 声学监测是使用声学传感器来测量构建过程中的声学信号，以监测那些可以反映打印缺陷的不规则性信号。声学监测可以实时进行，也可以在打印完成后再进行。它会使用一个完好的工件作为对比，即将该工件的声音波形与传感器产生的波形做对比。如果打印质量较好，那么熔融过程就会十分顺利，期间产生的声学能量变化也会非常小。反之，如果打印质量较差，即打印件存在缺陷（如裂纹或空隙），那么声学信号就会出现变化。 GE声学监测原理：在缺陷处出现波形变化 2017年5月，GE获得了基于粉末床熔融技术的声学监测专利，GE希望通过一种使用声波现场监测的方法来简化打印件的验证，同时改进3D打印功能性金属零件的工作流程。2019年，雷尼绍也推出了 InfiniAM Sonic声波过程监控软件，使工程师能够检测和记录增材制造过程中的声波信号。 发展难点及中外差距 从以上可知，金属3D打印过程质量检测目前是使用一系列的传感器和成像技术来分析金属3D打印背后的物理学过程，并力求在每一次制造金属零件时打造出更高的品质。 通常情况下，收集数据容易，但如何处理和分析数据却有很高的门槛。目前，国内设备商对打印过程的监控实际上多停留在设备状态的监控上，对材料成型过程虽进行了数据采集，但在反馈机制上还不尽如人意，面对后续极大体量的数据，更是缺乏分析能力。 EOS监测模块可呈现信息 国外品牌设备商在此方面则领先于国内很多。EOS的模块化监测产品EOSTATE ExposureOT可以完整分析、监测材料在增材制造过程中的熔化状态，并定义多种可能的错误来源，而且它还是一个自主学习系统，能够随着数据量的增长变得更加智能；雷尼绍的LaserVIEW和MeltVIEW模块可以实时监控打印过程并最终将数据以3D形式呈现，面对庞大的数据量，雷尼绍InfiniAM Spectral软件可以对其解读并确定打印质量。GE旗下Concept Laser的QMmeltpool 3D 质量监控系统则可以通过监测和控制打印过程来发现和纠正过程误差，避免产品缺陷。 雷尼绍InfiniAM Spectral软件可解读监测数据 除了设备商推出的系列解决方案外，国外研究机构也在该领域走在前沿。美国劳伦斯利弗莫尔国家实验室的工程师正在利用机器学习算法来监测预防金属3D打印部件的缺陷；卡内基梅隆大学工程学院的研究人员也在将计算机视觉算法用于激光粉末床增材制造过程，并实现了工艺的实时控制。 END 纵观国内外，在该领域的研究和商业化方面，国内确实落后，而且国外厂商也正在将该技术应用于替代传统的无损检测技术。国内高端应用领域，如航空航天业，对质量的要求是最高的，过程监控技术无疑会增强该领域的应用信心。在一次研讨会上，中国航发商用航空发动机公司的代表提到，质量监控是限制航空应用的一项关键因素；国防科工局经济技术发展中心的专家也总结到，对整套工艺过程的信任机制极大影响了金属3D打印工艺在高端领域的应用。 注：本期上传内容：建立稳健的SLM过程监测方法研究 欢迎转发联系笔者：2396747576;技术交流和资料下载群：867355738；网址：延伸阅读： 1.增材制造实时监控与工艺过程仿真 2.金属3D打印实时纠错—机器视觉结合人工智能的新方法 3.GE增材 : 金属3D打印的广泛工业化需须受益于人工智能 4.金属打印批量化竞争：SLM无支撑智能系统PK HP与Desktop Metal 原文始发于微信公众号（3D打印技术参考）：金属3D打印质量的有力保障——过程监控技术

在采用金属3D打印的过程中，往往会面临打印速度和产品质量的矛盾（如增加层厚加快速度，零件的性能降低），对于航空航天、医疗和其他复杂应用的零件，质量的要求会非常高，因提高速度而导致的产品质量下降，往往得不偿失。 SLM 4激光系统 当前，能够显著增加打印速度又能保证产品质量的有效手段是增加激光器的数量，国内外几乎所有能够实现工业生产的金属打印机制造商均在朝着双激光和四激光的方向迈进。然而多激光同步打印带来的质量问题远比单激光要多，要复杂。3D打印技术参考过去也曾对多激光系统可能面临的情况提出了几点问题，本期，我们参照国外SLM的后起之秀velo3D的研究继续深入分析。 ▌激光对齐状态的影响因素 通常情况下，单激光可以单独打印很多用途广泛的小零件，如燃油喷嘴、人体植入体等等，但如果打印占据构建底板较大区域的大尺寸零件时则需要多台激光器协同工作。此时便出现了因激光器数量增加产生的扫描场域对准问题（或称拼接的准确性问题）、激光分配问题以及多光束的互不影响问题等等，这对航空航天部件和其他大型部件影响显著。对于第一个问题，任何轻微的激光失准都会造成严重后果。从工程角度来说，每套扫描系统必须在整个构建板小于50微米的范围内精准的与另一套系统对齐。 理想状态下的激光对齐状态 固定式的机械对准带来较大误差 在大多数系统中，精确对准两个激光点需要外部工具。对准的过程通常包括在基板上打点并并测量结果，过程很繁琐，而且校准的过程必须在构建平面上执行，因扫描振镜和测量平面之间的任何距离变化都会引起相应的对齐偏移。而且，通常情况下，很多厂商会采用机械方式进行固定，这种情况往往过度依赖工程师的经验实现对齐和校准，而且随着设备的使用，频繁的振动很快会使对齐失效。 设备热量变化将影响激光对齐的稳定性 系统的热量变化是多激光打印时的另一个重要变量。在不锈钢制成的构建室中，假设振镜距离构建平面500毫米，在构建过程中，由于腔室的温度会升高，即使温度变化只有15度，也会导致从振镜到构建平面的距离变化超过100微米，这种温度变化会使校准失效。 因此，如果在单个零件上使用两台激光器构建较高尺寸的零件，则可能会出现问题。两台激光器的对准状态往往会出现一定程度的漂移，并且这种漂移会随着时间的推移而累积。这种情况会导致，在第一层甚至前100层的有效校准，会在第8000层以后失效。因此，多台激光在打印单个零件时保持良好的对齐状态尤为重要，否则用户花费几天打印的零件很可能出现报废的情况。 第一层具有较好的对齐效果，但若干层之后发生飘逸 ▌自动化的实时校准方案 Velo3D的解决方案是原位激光校准。通过比较两个激光器的光学特性，系统自动进行对齐，确保两台激光器在彼此指向的位置上保持一致。在工作过程中，系统将每隔几层自动检查激光对准情况，从而在出现问题之前消除任何漂移。Velo3D会通过多种方式测试该系统的有效性。 原位监控自动校准开启前后的激光对准状态对比 接下来的示例中显示了自动重新校准所产生的差异，实验过程中将一个长方体块分成三段进行打印，其中最低端和最上端的两端采用同一台激光器，中间的一段采用另一台激光器打印。如果不进行激光实时校准，中间部分出现了非常明显的偏移；而当研究人员使用原位监控自动校准功能时，试样的上下三段则无法区分。制造商在应用多激光进行金属3D打印时，应当努力达到该标准，这对于航空航天行业尤其重要。 原位监控自动校准实验 ▌激光不干涉，合理分配，才能突出多激光系统的制造优势 多激光系统的主要优点是生产速度更快。但是，如果一台激光器的利用率为100％，另一台只有50％，这种优势就会减弱。因此，激光调度对于实现多激光系统的生产优势至关重要。工程师必须明确激光路径，研究烟尘如何影响激光分配，以及在大型零件时，激光如何在轮廓和内部填充位置如何配合。 多光束条件下的烟尘管理对于光束分配非常重要（另期再议） 在烟尘管理、风场和激光调度方面存在一系列的问题。让一台激光器的激光束穿过另一台激光器打印产生的烟尘，光束的能量会被削弱，进而导致机械性能降低。通常情况下，SLM的打印空间都非常有限，必须仔细规划每台激光器的打印区域、路径才能解决这一问题。 为了确保两台激光器互不干扰，velo3D采用的是“条带”区域规划，即每台激光器的作用区域均位于平行条带中，所有条带开关始终保持同步。这在打印过程中可以充分利用两台激光器。 ▌大尺寸零件的拼接打印 一个非常关键的工程问题是，当两台激光器各自打印实体零件的一半时，如何对其工作区域进行细分。如果打印一个圆柱体，一种选择是让一台激光器打印轮廓，内部填充分为几个部分相互分配给两台激光器。这种方式打印的零件在表面上看起来不错，外层没有接缝，但是这种方法会导致“亚轮廓”孔隙，并且任何结构问题都容易被漂亮的外表面而掩盖。 雷尼绍的实时打印截面与velo3D的拼接方案相一致 VELO3D的方法是每台激光器分别打印零件轮廓和内部填充的各一半结构，中间连接的部位采用锯齿状，以提高结构完整性。此外，连接部位每一层都会移动，进一步提高部件的强度。由于轮廓分别由各自区域的激光构建，并且界面在每一层上移动，如果激光未对齐，则零件的表面光洁度会受到影响。即便这会导致零件表面质量不完美，但任何重叠问题都会在零件表面显现出来。系统的自动校准可以确保零件在连接部位处于公差范围内，这确保了零件的高质量打印。 锯齿拼接示意图 在多激光作用区域拼接位置，国内某设备商的拼接方式也是采用了锯齿拼接，但在如何融合方面仍有区别。从雷尼绍的方案可以看出，其采用的是无重叠拼接；国内方面则是锯齿、重叠拼接。两种方案的打印质量目前我们还无从所知。 零件拼接区域进行锯齿状拼接带的重复扫描 拓展阅读 VELO3D最突出的特点还包括零件无需生长在基板上即可实现打印，此举对于实现SLM的批量制造大有裨益；大角度的无支撑工艺无论是对于制造更加复杂的零件还是对于提高制造效率都是显而易见的。最近，该公司在新机上集成了基于多传感器的实时监测以及机器算法的质量控制系统，以实现零件质量的可追溯性。 ‍VELO3D无需与基板连接、无支撑批量打印的开瓶器和XB-1飞机模型 笔者认为，VELO3D公司正在将金属3D打印各方面最先进技术集于一身，以此实现了SLM技术的突破性进步。该公司也因此在今年被广泛关注，尤其受到了美航空航天领域的高度重视。今年7月，VELO3D宣布向航空航天客户销售四台订单。突破现有的技术格局，可能会成为SLM未来发展的方向之一，设备制造商不会仅仅将多激光集成在一起，更应考虑设备长久使用条件下的稳定性问题。 欢迎转发联系笔者：2396747576;工程师技术交流和资料下载QQ群：867355738延伸阅读：velo3D无支撑金属3D打印的实现方式分析EOS大水平面无支撑工艺探索GE增材 : 金属3D打印的广泛工业化须受益于人工智能55倍速？金属「多层并行打印技术」的原理与存在的问题