CN113118456A - 用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印*** - Google Patents

用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印*** Download PDF

Info

Publication number
CN113118456A
CN113118456A CN202011593547.9A CN202011593547A CN113118456A CN 113118456 A CN113118456 A CN 113118456A CN 202011593547 A CN202011593547 A CN 202011593547A CN 113118456 A CN113118456 A CN 113118456A
Authority
CN
China
Prior art keywords
printed object
temperature
related data
height
printing process
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011593547.9A
Other languages
English (en)
Inventor
孙勋
全益槿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Publication of CN113118456A publication Critical patent/CN113118456A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/20—Direct sintering or melting
    • B22F10/25—Direct deposition of metal particles, e.g. direct metal deposition [DMD] or laser engineered net shaping [LENS]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/10—Formation of a green body
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/40—Radiation means
    • B22F12/41—Radiation means characterised by the type, e.g. laser or electron beam
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/90—Means for process control, e.g. cameras or sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)

Abstract

公开了一种用于估算3D打印过程中形成的3D打印物体的高度的方法和装置。该方法包括提取在3D打印过程中形成的3D打印物体的一个以上的温度相关数据，通过利用提取的温度相关数据建立用于估算3D打印物体的高度的人工神经网络模型；以及通过将新测量的热图像和一个以上的温度相关数据值输入到人工神经网络模型中估算3D打印物体的高度。可以实时测量3D打印物体的高度。

Description

用于估算3D打印过程中形成的3D打印物体高度的方法和装 置，及3D打印***
技术领域
本发明涉及一种3D打印技术，更具体地，涉及一种用于估算在3D打印过程中形成的三维(3D)打印物体的高度的方法和装置，以及包括该装置的3D打印***。
背景技术
众所周知，3D打印是一种生产三维物体的制造技术。对于三维物体的3D打印，它的处理方式是根据三维模型的数据处理信息，逐层打印。3D打印技术的优点是便于实现复杂的形状、产品内部形成的形状等。由于这些优势，3D打印技术作为一种高附加值的技术受到了人们的关注，它可以方便地制造各种产品，如各种工业零件和医疗材料。
可以通过将3D产品的形状分为若干个具有均匀或可变厚度的2D横截面，并形成要逐一堆叠的2D横截面来执行3D打印过程。已知的3D打印方法有多种，诸如材料挤出法、材料喷射法、粘结剂喷射法、片材层压法、大桶光聚合法、粉末床熔合法、定向能量沉积(DED)法等。其中，DED法是一种将激光能量施加到金属粉末或金属丝材料上进行熔化和融合的方法，与其他方法相比，DED法可以使用便宜的商品材料，在现有的三维形状上形成叠片，并且与其他方法相比具有卓越的机械性能，因此被广泛使用。
在根据DED方法的3D打印中，当将从激光源辐射的激光束辐射到基板上时形成熔池，并且将金属粉末提供到熔池上以形成叠片。
3D打印物体，即，由3D打印过程打印的物体，可以包括新叠加在已经打印好作为基体材料的部分上的部分，诸如由3D打印激光熔化的金属粉末或金属丝。3D打印物体的高度可以通常通过用于3D打印的基体材料的量、通过3D打印机产生的激光强度、打印速度等来确定，但是高度可能根据温度和需要打印的部分的形状来改变。
保持打印层的恒定高度是决定打印层质量和性能的重要因素。然而，到目前为止，已经开发出了一种用于测量并保持3D打印机的喷嘴与3D打印物体之间的恒定距离的技术，但还没有开发出在3D打印过程中实时估算打印层高度的技术。
发明内容
本发明的一些实施例是提供一种能够实时估算3D打印过程中形成的3D打印物体的高度的方法，以及用于该方法的装置。
本发明的一些实施例是提供一种包括该装置的3D打印***。
在一个方面，本发明的一些实施例提供了一种估算3D打印过程中形成的3D打印物体的高度的方法。该方法包括提取3D打印过程中形成的3D打印物体的一个以上的温度相关数据；通过使用提取的温度相关数据建立用于估算3D打印物体的高度的人工神经网络模型；以及通过将新测量的热图像和一个以上的温度相关数据输入到人工神经网络模型中估算3D打印物体的高度。这里，一个以上的温度相关数据包括3D打印物体的表面温度相位和温度振幅变化。
在一个实施例中，提取3D打印物体的一个以上的温度相关数据的步骤可以包括：使用能够测量3D打印过程中形成的3D打印物体的温度的热像仪捕获3D打印物体的热图像；并且从热像仪拍摄的3D打印物体的热图像中提取3D打印物体的一个以上的温度相关数据。
在一个实施例中，建立人工神经网络模型可以包括通过在3D打印物体的各种高度处反复执行利用热像仪捕获3D打印物体的热图像并从3D打印物体的热图像中提取3D打印物体的一个以上的温度相关数据的步骤，以在3D打印物体的各种高度处，采集包括热图像以及一个以上的温度相关数据和3D打印物体的高度之间的相关性信息在内的大数据，以及通过机器学习所采集的大数据建立人工神经网络模型。
在一个实施例中，3D打印过程可以是使用定向能量沉积(DED)法的3D打印过程。
在一个实施例中，3D打印物体的基体材料可以是金属材料。
在其他方面。本发明的一些实施例提供3D打印过程中用于估算形成的3D打印物体的高度的装置。该装置包括热像仪以及计算单元。热像仪被配置为测量3D打印过程中形成的3D打印物体的温度。计算单元被配置为从热像仪测量的3D打印物体单元的温度来估算3D打印物体的高度。计算单元包括以下作用：提取3D打印过程中形成的3D打印物体的一个以上的温度相关数据。建立人工神经网络模型，用于通过利用提取的温度相关数据估算3D打印物体的高度；以及通过将新测量的热图像和一个以上的温度相关数据值输入人工神经网络模型，估算3D打印物体的高度。一个以上的温度相关数据包括3D打印物体的表面温度相位和温度振幅变化。
在一个实施例中，提取3D打印物体的一个以上的温度相关数据的作用可以包括利用能够测量3D打印过程中形成的3D打印物体的温度的热像仪，捕获3D打印物体的热图像的作用；以及从热像仪拍摄的3D打印物体的热图像中提取3D打印物体的一个以上的温度相关数据的作用。
在一个实施例中，建立人工神经网络模型的作用包含：通过在3D打印物体的各种高度处反复执行利用热像仪捕获3D打印物体的热图像并从3D打印物体的热图像中提取3D打印物体的一个以上的温度相关数据的任务，在3D打印物体的各种高度处采集包括热图像以及一个以上的温度相关数据和3D打印物体的高度之间的相关性信息在内的大数据，以及通过机器学习所采集的大数据建立人工神经网络模型的作用。
在另一个方面，本发明的一些实施例提供了一种用于3D打印过程的***，该***包括激光源、基体材料供应源、热像仪和计算单元。激光源被配置为通过辐射激光束以熔化提供给3D打印物体的基体材料，在3D打印物体上形成熔池。基体材料供应源被配置为向3D打印物体供应基体材料。热像仪被配置为通过对3D打印过程中形成的3D打印物体进行成像来测量3D打印物体的温度。计算单元被配置为根据热像仪测量的3D打印物体单元的温度来估算3D打印物体的高度。计算单元包括以下作用：提取3D打印过程中形成的3D打印物体的一个以上的温度相关数据；建立人工神经网络模型，用于利用提取的温度相关数据估算3D打印物体的高度；并且通过将新测量的热图像和一个以上的温度相关数据值输入人工神经网络模型，估算3D打印物体的高度。一个以上的温度相关数据包括3D打印物体的表面温度相和温度振幅变化。
在一个实施例中，热像仪可以设置成使热像仪的至少一部分光路与从激光源辐射的激光束同轴，该激光束熔化提供给3D打印物体的基体材料。
在一个实施例中，3D打印***还可以包括设置在从激光源辐射的光束路径上的分束器；以及设置在分束器和热像仪之间以改变光路的光路转换器，其中热像仪与激光源同轴设置。
在一个实施例中，分束器可以设置在激光源和聚焦透镜之间，从激光源发射的激光束通过分束器。
在一个实施例中，计算单元可以被配置为在3D打印过程中实时估算3D打印物体的高度。
在一个实施例中，3D打印***还可以包括显示单元，其被配置为显示由计算单元估算的3D打印物体的高度。
根据本发明的实施例，可以使用热像仪测量3D打印过程中形成的3D打印物体的热图像，并可利用此实时估算3D打印物体的高度。
根据本发明的实施例，可以利用大数据构建人工神经网络模型，该模型可以通过采集3D打印过程中形成的3D打印物体的热图像和一个以上的温度相关数据与3D打印物体的高度之间的相关性来获得。并且可以利用人工神经网络模型实时估算3D打印物体的高度。
根据本发明的实施例，在3D打印过程中，可以实时估算3D打印物体的高度，从而实时检测3D打印质量。
附图说明
从以下结合附图采取的详细描述中，将更清楚地理解示例性的、非限制性的实施例。
图1为根据本发明实施例的3D打印***的框图。
图2为根据本发明的实施例，通过3D打印***估算3D打印物体高度的方法的流程图。
图3是根据本发明的实施例，通过3D打印***辐射激光束形成3D打印物体的示意图。
图4A示出了在3D打印***中的时间t通过位置A的激光束，图4B示出了在时间t+Δt通过位置B的激光束。
图5A是根据3D打印物体的高度的温度相位图，图5B是根据3D打印物体的高度的温度振幅图。
图6是利用机器学习分析热图像和一个以上的温度相关数据与3D打印物体的高度之间的相关性的示意图。
图7A示出了3D打印结构的3D打印物体，图7B是示出图7A所示的3D打印结构的3D打印物体的视图，根据其高度以不同的颜色区分。
具体实施方式
以下，将参照附图详细描述本发明的实施例。本发明可以以各种不同的形式实施，并且不限于本文所述的实施例。在附图中，为了清楚地描述本发明，省略了与描述无关的部分，并且在整个说明书中为相同或相似的元素分配了相同的参考数字。
根据本发明的实施例的3D打印***是一种能够利用激光熔化基体材料形成三维物体的***，还能够在3D打印过程中实时估算3D打印物体的高度。根据本发明的实施例的3D打印***可以是一种DED型的3D打印***，能够通过激光熔化金属粉末或金属丝来形成3D物体。
图1示出了根据本发明实施例的3D打印***的构造。
参考图1，在示例性实施例中，3D打印***1可以包括用于3D打印的激光源20、基体材料供应源30、聚焦透镜40、喷嘴50以及热像仪70、计算单元80和显示单元90。
在示例性实施例中，激光源20可以辐射激光束22到3D打印物体4。从激光源20辐射的激光束22通过透镜40并入射到3D打印物体4上。从激光源20辐射的激光束22可以通过用于供应基体材料的喷嘴50，同时激光束22到达熔池2。
在一个示例性实施例中，从基体材料供应源30供应的基体材料可以通过单独的供应管32以例如金属粉末或金属丝的形式被供给到喷嘴50。为了将基体材料供给到3D打印物体4，基体材料在喷嘴50中的运动路径可以形成为与激光束22通过的路径平行或斜向。供应到3D打印物体4的基体材料可以被激光源20熔化，以在3D打印物体4中形成熔池2。
3D打印物体4可以通过将多个层叠加形成为三维物体。在图1中，示出了3D打印物体4的示例性状态，该3D打印物体4由例如第一层6和第二层7以及第三层8形成，熔池2形成在第三层8上。
在根据本发明的实施例的3D打印***1中，激光源20、基体材料供应源30和供应管32、聚焦透镜40和喷嘴50可以构成一般的DED型3D打印机10。根据本发明的示例性实施例，可应用于3D打印***1的3D打印机10不限于DED型3D打印机。如果任何3D打印机能够以金属为基体材料形成熔池2，其可以应用于3D打印***1。
在3D打印***1中，热像仪70可以被提供以提取关于3D打印物体4的一个以上的温度相关数据，以便估算3D打印物体4的高度。通过热像仪70测量的的因子可以是3D打印物体4的温度分布，例如，熔池2及其周围环境的表面温度。
为了用热像仪提取关于3D打印物体4的一个以上的温度相关的数据，可以在激光源20和聚焦透镜40之间安装分束器60。
分束器60可以设置在从激光源20辐射的激光束22到熔池2的路径上，并改变从熔池2反射的光的路径。由分束器60改变的光可以通过光路转换器62，并由热像仪70拍摄。转换光路的光路转换器62可以是例如反射镜。因此，热像仪70可以测量熔池2的表面温度。
在示例性实施例中，热像仪70可以与辐射激光的喷嘴50同轴设置。由于热像仪70与3D打印机的喷嘴50同轴安装，因此可以在不控制热像仪70的位置的情况下，对3D打印物体4进行连续拍摄。
在示例性实施例中，热像仪70可以与光路转换器62和分束器60一起安装在3D打印机中，以测量3D打印机的熔池2的表面温度。
在根据示例性实施例的3D打印***1中，可以设置计算单元80，以利用通过热像仪70测量的3D打印物体4上的熔池2的表面温度以及熔池2的***区域的表面温度来估算3D打印物体4的高度。
以下，将参照不同的附图来描述利用3D打印***1的计算单元80来估算3D打印物体4的高度的方法。
图2示出了根据本发明的实施例的由3D打印***估算3D打印物体的高度的方法的过程。图3示出了由3D打印***辐射的激光束形成3D打印物体。
参考图2和图3，根据示例性实施例，估算在3D打印过程中形成的3D打印物体4的高度的方法可以包括提取在3D打印过程中形成的3D打印物体4的一个以上的温度相关数据的步骤(S10)，通过利用提取的温度相关数据建立人工神经网络模型，用于估算3D打印物体4的高度的步骤(S20)，以及通过将新测量的热图像和一个以上的温度相关数据输入人工神经网络模型估算3D打印物体4的高度的步骤(S30)。
在提取一个以上的温度相关数据的步骤S10中，热像仪70可以被提供以测量在3D打印过程中形成的分层部分的温度。在示例性实施例中，热像仪70可以与3D打印机***1一体提供，以如上所述与喷嘴50同轴设置。在另一个示例中，可以提供单独的热像仪以与现有的3D打印机结合。
在示例性实施例中，提供如上所述的热像仪70后，可以用热像仪70拍摄3D打印物体4的温度分布图像。在这种情况下，3D打印物体4的温度分布图像可以包括3D打印物体4的熔池2和熔池2的周围区域。
之后，可以从3D打印物体4的温度分布图像中提取一个以上的温度相关数据。在实施例中，温度相关数据可以包括表面温度相位数据和温度振幅变化数据。
图4A示出了激光束在时间t通过3D打印***中的位置A，图4B为示出激光束在时间t+Δt通过B点的图。
参考图4A和4B，根据本发明的实施例，在3D打印过程中，需要测量3D打印物体4高度的位置为位置A。激光束可以在时间t通过位置A，并且在位置A处可以形成熔池，因为被熔化到一定的温度T1。此时，位置A处的温度可由热像仪70测量。
此后，当时间Δt过去时，激光束可移动以通过位置B。在此过程中，在位置A处形成的熔池可随着温度的降低而硬化成具有预定高度的3D打印物体。
此时，时间Δt后，可由热像仪70连续测量位置A处的温度。如图5A和5B所示，位置A处的温度随时间的变化可由3D打印物体的温度相位图和温度振幅变化图表示。
在实施例中，温度相位图和温度振幅变化图可用于估算待测的3D打印物体4的高度。可用于估算3D打印物体4的高度的温度相关图形可以包括温度相位图或温度振幅变化图中的至少一个。在估算3D打印物体4的高度时，同时使用温度相位图和温度振幅变化图比使用其中任何一种图形都能更准确地估算高度。
图5A示出了根据3D打印物体的高度的温度相位图，图5B示出了根据3D打印物体的高度的温度振幅图。
如图5A和图5B所示，根据3D打印物体4的高度，3D打印物体4的温度相位图和温度振幅变化图可能具有不同的特征。在实施例中，为了获得根据上述3D打印物体4的高度变化的3D打印物体4的温度相位图和温度振幅图，需要使用热像仪70反复拍摄多个不同高度的3D打印物体的热图像。通过此获得的3D打印物体的热图像、温度相位数据和温度振幅变化数据可以作为与3D打印物体的高度具有相关性的大数据进行存储。
图6示出了利用机器学习分析热图像和一个以上的温度相关数据与3D打印物体的高度之间的相关性的示意图。
参考图6，计算单元80可以分析3D打印物体的高度和3D打印物体的热像仪、温度相位数据和温度振幅变化数据之间的相关性，这些数据可以通过大量3D打印过程采集。基于该分析，可以在计算单元80中建立人工神经网络模型(S20)，该人工神经网络模型能够从新捕获的3D打印物体4的热图像估算3D打印物体4的高度。
在一个实施例中，可以利用机器学习来分析3D打印物体的高度与3D打印物体的热图像、温度相位数据和温度振幅变化数据之间的相关性。机器学习是通过经验数据提高自动处理性能的计算机算法的研究。机器学习算法基于样本数据(被称为训练数据)建立模型，通过训练它们来进行预测或决策，而不需要明确的编程。根据示例性实施例，在3D打印***1中，计算单元80可以被配置为使用机器学习算法，将3D打印过程中的热图像和温度分布数据作为输入数据输入，并利用3D打印物体象的高度与3D打印物体的热图像、温度相位数据和温度振幅变化数据之间的相关性，构建能够估算与输入数据对应的3D打印物体4的高度的人工神经网络模型。
在上述实施例中，说明了利用温度相位数据和温度振幅变化数据来构建人工神经网络模型，用于从热图像估算3D打印物体4的高度。但是，可以作为人工神经网络模型的输入变量的温度相关数据不限于此。3D打印***的工艺条件、激光束的强度、工艺速度、激光束的大小、基体材料粉末的喷射量等也可以作为人工神经网络模型的构建以及3D打印物体4的高度估算的输入变量。
任何已知的机器学习算法或程序都可用于执行机器学习以建立人工神经网络模型。
一旦通过机器学习在计算单元80中构建了人工神经网络模型，就可以通过将新测得的热图像和一个以上的与新3D打印物体4的温度相关数据输入到人工神经网络模型中，实时估算新3D打印物体4的高度。
图7A示出了3D打印结构的3D打印物体，图7B示出了图7A所示的3D打印结构的3D打印物体的视图，根据其高度以不同的颜色区分。
如图7A和图7B所示，通过计算单元80实时估算的3D打印物体4的高度可以显示在单独的显示单元90上。也就是说，可以根据高度的数值，将3D打印物体分别显示为具有不同颜色的3D或2D型3D打印物体。因此，用户可以实时准确地知道当前执行的3D打印过程所形成的3D打印物体的高度。
这样，根据本实施例，可以实时了解3D打印物体4的高度。因此，如果3D打印物体4的高度出现异常，可以快速检测到，并采取相应的后续措施。如果发现3D打印物体4的高度异常，可以通过调整相关的工艺条件，诸如激光束的强度、工艺速度、激光束的大小、基底粉末的出料量等，控制打印过程，使3D打印物体4的高度属于正常范围内，或者可以停止打印过程，以提前防止产生缺陷产品。
根据本发明的实施例的方法，可以在3D打印过程中利用热像仪实时估算3D打印物体的高度。利用该方法，能够实时检查3D打印过程中3D打印物体的高度。因此，能够在早期检测到3D打印物体的高度发生异常的有缺陷的打印产品，从而提高产品的质量，提高工艺效率。
上述内容是示例性实施例，而不能解释为限制性的。虽然已经描述了几个示例性实施例，但本领域技术人员将很容易理解，在示例性实施例中可以进行许多修改，而不实质性地偏离本发明的新的教导和优点。因此，所有这样的修改都旨在包含在权利要求书所限定的本发明的范围内。

Claims (17)

1.一种估算3D打印过程中形成的3D打印物体的高度的方法，其包含：
提取所述3D打印过程中形成的所述3D打印物体的一个以上的温度相关数据；
通过利用提取的所述温度相关数据，建立用于估算所述3D打印物体的高度的人工神经网络模型；以及
通过将新测量的热图像和所述一个以上的温度相关数据输入到所述人工神经网络模型中，估算所述3D打印物体的高度，
其中所述一个以上的温度相关数据包括所述3D打印物体的表面温度相位和温度振幅变化。
2.如权利要求1所述的方法，其中提取所述3D打印物体的所述一个以上的温度相关数据的步骤包含：利用能够测量所述3D打印过程中形成的所述3D打印物体的温度的热像仪捕获所述3D打印物体的热图像；并且从所述热像仪拍摄的所述3D打印物体的所述热图像中提取所述3D打印物体的所述一个以上的温度相关数据。
3.如权利要求2所述的方法，其中建立人工神经网络模型包含：通过在所述3D打印物体的各种高度处反复执行利用所述热像仪捕获所述3D打印物体的所述热图像，并从所述3D打印物体的所述热图像中提取所述3D打印物体的所述一个以上的温度相关数据的步骤，以在所述3D打印物体的各种高度处，采集包括热图像以及所述一个以上的温度相关数据和3D打印物体的高度之间的相关性信息在内的大数据；以及通过机器学习所采集的所述大数据，建立所述人工神经网络模型。
4.如权利要求1所述的方法，其中所述3D打印过程是使用定向能量沉积(DED)法的3D打印过程。
5.如权利要求1所述的方法，其中所述3D打印物体的基体材料是金属材料。
6.一种3D打印过程中用于估算形成的3D打印物体的高度的装置，其包含：
热像仪，其配置为测量所述3D打印过程中形成的所述3D打印物体的温度；以及
计算单元，其配置为从所述热像仪测量的所述3D打印物体单元的温度来估算所述3D打印物体的高度，
其中，所述计算单元包括以下作用：提取所述3D打印过程中形成的所述3D打印物体的一个以上的温度相关数据；建立人工神经网络模型，用于通过利用提取的所述温度相关数据估算所述3D打印物体的高度；以及通过将新测量的热图像和所述一个以上的温度相关数据值输入所述人工神经网络模型，估算所述3D打印物体的高度，并且
其中所述一个以上的温度相关数据包括所述3D打印物体的表面温度相位和温度振幅变化。
7.如权利要求6所述的装置，其中所述3D打印过程是使用定向能量沉积(DED)法的3D打印过程。
8.如权利要求6所述的装置，其中提取所述3D打印物体的一个以上的温度相关数据的作用包含：利用能够测量所述3D打印过程中形成的所述3D打印物体的温度的所述热像仪，捕获所述3D打印物体的所述热图像的作用；以及从所述热像仪拍摄的所述3D打印物体的热图像中提取所述3D打印物体的所述一个以上的温度相关数据的作用。
9.如权利要求6所述的装置，其中建立人工神经网络模型的作用包含：通过在所述3D打印物体的各种高度处反复执行利用所述热像仪捕获所述3D打印物体的热图像并从所述3D打印物体的热图像中提取所述3D打印物体的所述一个以上的温度相关数据的任务，在所述3D打印物体的各种高度处采集包括所述热图像，以及所述一个以上的温度相关数据和所述3D打印物体的高度之间的相关性信息在内的大数据；以及通过机器学习所采集的所述大数据，建立所述人工神经网络模型的作用。
10.一种用于3D打印过程的***，其包含：
激光源，其配置为通过辐射激光束以熔化提供给3D打印物体的基体材料，以在所述3D打印物体上形成熔池；
基体材料供应源，其配置为向所述3D打印物体供应所述基体材料；
热像仪，其配置为通过对所述3D打印过程中形成的所述3D打印物体进行成像来测量所述3D打印物体的温度；以及
计算单元，其配置为从所述热像仪测量的3D打印物体单元的温度来估算所述3D打印物体的高度，
其中所述计算单元包括以下作用：提取所述3D打印过程中形成的所述3D打印物体的一个以上的温度相关数据；建立人工神经网络模型，用于利用提取的所述温度相关数据估算3D打印物体的高度；并且通过将新测量的热图像和所述一个以上的温度相关数据值输入所述人工神经网络模型，估算3D打印物体的高度，并且
其中所述一个以上的温度相关数据包括所述3D打印物体的表面温度相位和温度振幅变化。
11.如权利要求10所述的3D打印***，其中所述热像仪设置成使所述热像仪的至少一部分光路与从所述激光源辐射的激光束同轴，所述激光束熔化提供给所述3D打印物体的基体材料。
12.如权利要求11所述的3D打印***，其进一步包含设置在从所述激光源辐射的光束路径上的分束器；以及设置在所述分束器和所述热像仪之间以改变光路的光路转换器，其中所述热像仪与所述激光源同轴设置。
13.如权利要求12所述的3D打印***，其中所述分束器设置在所述激光源和聚焦透镜之间，从所述激光源发射的所述激光束通过所述分束器。
14.如权利要求13所述的3D打印***，其中所述计算单元配置成在3D打印过程中实时估算所述3D打印物体的高度。
15.如权利要求10所述的3D打印***，其中进一步包含显示单元，其配置成显示由所述计算单元估算的所述3D打印物体的高度。
16.如权利要求10所述的3D打印***，其中提取所述3D打印物体的一个以上的温度相关数据的作用包含：利用能够测量所述3D打印过程中形成的所述3D打印物体的温度的所述热像仪，捕获所述3D打印物体的所述热图像的作用；以及从所述热像仪拍摄的所述3D打印物体的热图像中提取所述3D打印物体的所述一个以上的温度相关数据的作用。
17.如权利要求16所述的3D打印***，其中建立人工神经网络模型的作用包含：通过在所述3D打印物体的各种高度处反复执行利用所述热像仪捕获所述3D打印物体的热图像并从所述3D打印物体的热图像中提取所述3D打印物体的所述一个以上的温度相关数据的任务，在所述3D打印物体的各种高度处采集包括所述热图像，以及所述一个以上的温度相关数据和所述3D打印物体的高度之间的相关性信息在内的大数据；以及通过机器学习所采集的所述大数据，建立所述人工神经网络模型的作用。
CN202011593547.9A 2019-12-31 2020-12-29 用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印*** Pending CN113118456A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0179188 2019-12-31
KR1020190179188A KR102194695B1 (ko) 2019-12-31 2019-12-31 3d 프린팅 공정 중 형성되는 적층부의 높이를 추정하는 방법 및 장치, 이를 구비한 3d 프린팅 시스템

Publications (1)

Publication Number Publication Date
CN113118456A true CN113118456A (zh) 2021-07-16

Family

ID=74087350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011593547.9A Pending CN113118456A (zh) 2019-12-31 2020-12-29 用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印***

Country Status (3)

Country Link
US (1) US20210197282A1 (zh)
KR (1) KR102194695B1 (zh)
CN (1) CN113118456A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102236149B1 (ko) * 2019-12-31 2021-04-06 한국과학기술원 3d 프린팅 시스템 및 이의 실시간 피드백 공정제어 방법
CN113000860B (zh) * 2021-02-26 2022-12-06 西安理工大学 一种激光增材制造中的扫描点温度预测控制方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016060063A (ja) * 2014-09-16 2016-04-25 株式会社東芝 積層造形装置および積層造形方法
CN107807568A (zh) * 2017-10-27 2018-03-16 中国电子产品可靠性与环境试验研究所 增材制造监控***、方法、装置及增材制造设备
JP2018100954A (ja) * 2016-10-18 2018-06-28 ゼネラル・エレクトリック・カンパニイ 付加製造部品のサーモグラフィ検査のための方法およびシステム
CN108637251A (zh) * 2018-05-09 2018-10-12 西安增材制造国家研究院有限公司 用于增材制造的触觉监测与反馈补偿层高控制***及方法
CN110198828A (zh) * 2017-01-27 2019-09-03 惠普发展公司有限责任合伙企业 预测三维打印的层的值分布
CN110286046A (zh) * 2019-04-25 2019-09-27 北京科技大学 一种基于温度场的ded过程硬度预测方法及装置
CN110490866A (zh) * 2019-08-22 2019-11-22 四川大学 基于深度特征融合的金属增材成形尺寸实时预测方法
JP2019534186A (ja) * 2016-10-26 2019-11-28 ゼネラル・エレクトリック・カンパニイ 積層造形法のための方法及び熱的構造体
CN110605393A (zh) * 2019-09-25 2019-12-24 中国兵器装备集团自动化研究所 一种激光立体成形过程检测方法及***和应用

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0004351D0 (en) * 2000-02-25 2000-04-12 Secr Defence Illumination and imaging devices and methods
KR101819006B1 (ko) * 2010-10-27 2018-01-17 삼성전자주식회사 광학 측정 장치
TWI585880B (zh) * 2011-11-10 2017-06-01 應用材料股份有限公司 透過雷射繞射測量３ｄ半導體結構之溫度的設備及方法
JP6625914B2 (ja) * 2016-03-17 2019-12-25 ファナック株式会社 機械学習装置、レーザ加工システムおよび機械学習方法
KR101874095B1 (ko) * 2017-03-21 2018-08-02 윈포시스(주) 3차원 프린터의 멜팅풀 검사 장치 및 이를 구비한 3차원 프린터

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016060063A (ja) * 2014-09-16 2016-04-25 株式会社東芝 積層造形装置および積層造形方法
JP2018100954A (ja) * 2016-10-18 2018-06-28 ゼネラル・エレクトリック・カンパニイ 付加製造部品のサーモグラフィ検査のための方法およびシステム
JP2019534186A (ja) * 2016-10-26 2019-11-28 ゼネラル・エレクトリック・カンパニイ 積層造形法のための方法及び熱的構造体
CN110198828A (zh) * 2017-01-27 2019-09-03 惠普发展公司有限责任合伙企业 预测三维打印的层的值分布
CN107807568A (zh) * 2017-10-27 2018-03-16 中国电子产品可靠性与环境试验研究所 增材制造监控***、方法、装置及增材制造设备
CN108637251A (zh) * 2018-05-09 2018-10-12 西安增材制造国家研究院有限公司 用于增材制造的触觉监测与反馈补偿层高控制***及方法
CN110286046A (zh) * 2019-04-25 2019-09-27 北京科技大学 一种基于温度场的ded过程硬度预测方法及装置
CN110490866A (zh) * 2019-08-22 2019-11-22 四川大学 基于深度特征融合的金属增材成形尺寸实时预测方法
CN110605393A (zh) * 2019-09-25 2019-12-24 中国兵器装备集团自动化研究所 一种激光立体成形过程检测方法及***和应用

Also Published As

Publication number Publication date
KR102194695B1 (ko) 2020-12-24
US20210197282A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
JP7024981B2 (ja) 付加製造動作中の放射熱エネルギーを測定するためのシステムおよび方法
Zhang et al. In-Process monitoring of porosity during laser additive manufacturing process
US20210146447A1 (en) Additive manufacturing method and apparatus
US20210197275A1 (en) Three dimensional printing system and method capable of controlling size of molten pool formed during printing process
CN111168062B (zh) 用于检测增材制造处理中的错误的熔池监测***和方法
US20160098825A1 (en) Feature extraction method and system for additive manufacturing
US10112262B2 (en) System and methods for real-time enhancement of build parameters of a component
CN113119470B (zh) 实时反馈控制3d打印过程的方法以及用于其的3d打印***
CN111168997B (zh) 增材制造处理中检测错误并补偿热耗散的方法
US20220143704A1 (en) Monitoring system and method of identification of anomalies in a 3d printing process
JP2010530809A (ja) 機械加工システム制御装置及び方法
JP6945470B2 (ja) 付加造形体の製造システムおよび付加造形体の製造方法
CN113118465B (zh) 用于估计3d印刷过程期间熔池深度的方法和设备，以及3d印刷***
KR20190026966A (ko) 적층 제조에서의 z-높이 측정 및 조정을 위한 시스템 및 방법
CN113118456A (zh) 用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印***
US20230234137A1 (en) In-situ process monitoring for powder bed fusion additive manufacturing (pbf am) processes using multi-modal sensor fusion machine learning
CN113784832A (zh) 工件的增材制造的监控和过程控制
CN111318695A (zh) 使用机器学习的熔池监控的方法
CN115775249A (zh) 一种增材制造造件成形质量监测方法、***及存储介质
Jiang et al. Control-oriented mechatronic design and data analytics for quality-assured laser powder bed fusion additive manufacturing
Usha In situ monitoring of metal additive manufacturing process: a review
Herberger et al. Coaxial color channel focus evaluation to estimate standoff height in directed energy deposition additive manufacturing
Byseke et al. Automatic monitoring and control of Laser Metal Deposition Process
Scime et al. Viability of Data Analytics to Ascertain Component Performance for Additive Manufacturing
WO2022159344A1 (en) An additive manufacturing quality analysis system and method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210716

WD01 Invention patent application deemed withdrawn after publication