算法学习纠正不同零件材料和系统的3D打印错误

工程师们通过学习其他机器的经验，创建了可以快速检测和纠正错误的智能3D打印机，即使在以前看不见的设计或不熟悉的材料(如番茄酱和蛋黄酱)中也是如此。

来自剑桥大学的工程师开发了一种机器学习算法，可以实时检测和纠正各种不同的错误，并且可以很容易地添加到新机器或现有机器中以增强它们的能力。使用该算法的3D打印机还可以学习如何自己打印新材料。他们的低成本方法的详细信息发表在NatureCommunications杂志上。

3D打印有可能彻底改变复杂和定制零件的生产，例如飞机部件、个性化医疗植入物，甚至是复杂的糖果，还可以改变制造供应链。然而，它也容易受到生产错误的影响，从小规模的不准确和机械缺陷到整体构建失败。

目前，防止或纠正这些错误的方法是由熟练的工人观察过程。工人必须识别错误(即使对于受过训练的眼睛也是一个挑战)，停止打印，移除部件，并调整新部件的设置。如果使用新材料或打印机，则随着工人学习新设置，该过程需要更多时间。即使这样，也可能会遗漏错误，因为工作人员无法同时连续观察多台打印机，尤其是长打印件。

“3D打印具有挑战性，因为有很多问题可能会出错，因此3D打印经常会失败，”该论文的资深作者、剑桥工程系的SebastianPattinson博士说。“当这种情况发生时，你使用的所有材料、时间和精力都将丢失。”

工程师一直在开发自动化3D打印监控，但现有系统只能检测到一个零件、一种材料和一个打印系统中的有限范围的错误。

“真正需要的是用于3D打印的‘无人驾驶汽车’系统，”同样来自工程系的第一作者DouglasBrion说。“如果无人驾驶汽车只在一条道路或一个城镇工作，它就毫无用处——它需要学会在不同的环境、城市甚至国家/地区进行概括。同样，‘无人驾驶’打印机必须适用于多种零件、材料、和印刷条件。”

Brion和Pattinson表示，他们开发的算法可能是工程师一直在寻找的“无人驾驶汽车”。

“这意味着您可以拥有一种算法，可以查看您正在操作的所有不同打印机，不断监控并根据需要进行更改-基本上可以做人类无法做的事情，”帕丁森说。

研究人员通过展示在192个打印对象的生产过程中自动捕获的大约950,000张图像来训练深度学习计算机视觉模型。每个图像都标有打印机的设置，例如打印喷嘴的速度和温度以及打印材料的流速。该模型还收到了有关这些设置与良好值的差距的信息，从而使算法能够了解错误是如何产生的。

“一旦经过训练，算法就可以通过查看图像来判断哪个设置是正确的，哪个是错误的——例如，一个特定的设置是太高还是太低，然后应用适当的校正，”帕丁森说。“很酷的是，使用这种方法的打印机可以不断收集数据，因此算法也可以不断改进。”

使用这种方法，Brion和Pattinson能够制作出一种可推广的算法——换句话说，它可以用于识别和纠正不熟悉的物体或材料中的错误，甚至是新的打印系统中的错误。

“当您使用喷嘴打印时，无论您使用哪种材料——聚合物、混凝土、番茄酱或其他任何材料——都会出现类似的错误，”Brion说。“例如，如果喷嘴移动得太快，您通常会得到材料块，或者如果您推出的材料过多，那么打印线将重叠形成折痕。

“无论打印什么部件或使用什么材料，由相似设置引起的错误都会具有相似的特征。因为我们的算法学习了不同材料共享的一般特征，它可以说‘哦，打印的线条正在形成折痕，因此，我们可能推出了太多的材料'。”

结果，仅使用一种材料和打印系统训练的算法能够在不同类型的打印系统上检测和纠正不同材料中的错误，从工程聚合物到番茄酱和蛋黄酱。

未来，经过训练的算法在发现错误方面可能比人类操作员更有效、更可靠。这对于组件故障可能产生严重后果的应用中的质量控制可能很重要。

在大学商业化部门CambridgeEnterprise的支持下，Brion成立了Matta，这是一家将开发商业应用技术的衍生公司。

“我们正在将注意力转向航空航天、能源和汽车行业等高价值行业，这些行业使用3D打印技术制造高性能和昂贵的零件，”Brion说。“以数千英镑的成本完成单个组件可能需要几天或几周的时间。在零件完成和检查之前，可能无法检测到开始时发生的错误。我们的方法将实时发现错误，显着提高生产效率。”

标签：